深圳市華漢偉業(yè)科技有限公司
免費(fèi)會員
? 深度學(xué)習(xí)在工業(yè)領(lǐng)域落地的痛點(diǎn)
人工智能自誕生以來，經(jīng)歷了早期的專家系統(tǒng)、機(jī)器學(xué)習(xí)，到當(dāng)前持續(xù)火熱的深度學(xué)習(xí)和大模型等多次技術(shù)變革和規(guī)?；逃?。隨著算力、算法和軟件平臺的快速進(jìn)步和不斷成熟，工業(yè)逐漸成為了深度學(xué)習(xí)技術(shù)的重點(diǎn)探索方向，工業(yè)AI智能技術(shù)應(yīng)用而生。
基于深度學(xué)習(xí)的工業(yè)缺陷檢測方法可以降低傳統(tǒng)人工質(zhì)檢的成本，提升檢測的準(zhǔn)確性與效率，因而在智能制造中扮演重要角色。傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)都依賴大量的標(biāo)注數(shù)據(jù)，并在監(jiān)督下訓(xùn)練出表現(xiàn)優(yōu)異以及具備一定泛化能力的模型。但隨著感知環(huán)境和應(yīng)用場景的變化，模型的訓(xùn)練會存在以下問題：
（1）缺陷樣本匱乏，生產(chǎn)過程中缺陷數(shù)據(jù)的數(shù)量和種類較少，數(shù)據(jù)不均衡，無法窮舉生產(chǎn)過程中缺陷的種類和形態(tài)。
（2）數(shù)據(jù)的標(biāo)注和清洗周期長，需要耗費(fèi)大量的人力和物力。
（3）訓(xùn)練好的模型性能會大幅度下降，重新訓(xùn)練周期成本高。
（4）多模態(tài)數(shù)據(jù)的跨域?qū)W習(xí)和特征級數(shù)據(jù)融合。
上述問題都成為工業(yè)AI落地的障礙，如何解決數(shù)據(jù)標(biāo)注效率、跨域?qū)W習(xí)、以及數(shù)據(jù)管理等問題，訓(xùn)練更具泛化性、魯棒性和場景適應(yīng)性的模型成為學(xué)術(shù)界和工業(yè)界面臨的共同課題。
? 前沿技術(shù)探索和進(jìn)展
對于一些傳統(tǒng)方法無法有效解決的場景，如微小缺陷和瑕疵的檢測、非結(jié)構(gòu)化環(huán)境下的物體分揀等，可以歸類為“少因素高復(fù)雜度”的問題，是深度學(xué)習(xí)發(fā)揮重要作用的領(lǐng)域，目前也是工業(yè)AI落地應(yīng)用較多的場景，而隨著場景機(jī)理的計(jì)算復(fù)雜度提升，深度學(xué)習(xí)可以發(fā)揮更大的作用。為了提升深度學(xué)習(xí)在工業(yè)領(lǐng)域的落地效率，降低項(xiàng)目實(shí)施和部署的周期，華漢偉業(yè)主要從以下幾個方面進(jìn)行技術(shù)探索和實(shí)踐：
（1）缺陷數(shù)據(jù)生成：利用人工智能技術(shù)自動完成缺陷仿真數(shù)據(jù)的生成，基于AIGC技術(shù)建立現(xiàn)實(shí)世界到數(shù)字世界的映射關(guān)系，將現(xiàn)實(shí)世界中工件的物理屬性（如物體的大小、紋理、顏色等）高效、可感知的實(shí)現(xiàn)數(shù)字化，可以基于少量樣本實(shí)現(xiàn)多種屬性樣本的生成，從而解決缺陷樣本匱乏的問題。
（2）數(shù)據(jù)管理：生產(chǎn)過程中，有多條產(chǎn)線、多個工位的數(shù)據(jù)需要進(jìn)行管理，需要人工進(jìn)行數(shù)據(jù)的管控，缺乏數(shù)據(jù)的管理系統(tǒng)，方便后續(xù)的繼承和持續(xù)訓(xùn)練。華漢偉業(yè)通過數(shù)字化技術(shù)，實(shí)現(xiàn)多工位、多場景的數(shù)據(jù)系統(tǒng)化管控，降低人為因素對數(shù)據(jù)管控的影響。
（3）數(shù)據(jù)標(biāo)注：當(dāng)前監(jiān)督學(xué)習(xí)仍為工業(yè)AI落地的技術(shù)方向，為了提升標(biāo)注效率，降低標(biāo)注的時間消耗，華漢偉業(yè)從交互式標(biāo)注入手，提升標(biāo)注效率，并且提供了多種選擇，如基于二值化的標(biāo)注、基于特征分割的標(biāo)注、基于大模型的標(biāo)注，滿足多樣化的標(biāo)注需求。
（4）多模態(tài)數(shù)據(jù)融合：工業(yè)生產(chǎn)過產(chǎn)中，很多缺陷無法從某一特定角度或者單一傳感器全部拍攝出來，需要多角度光源照射、多傳感器協(xié)同拍攝，實(shí)現(xiàn)多種瑕疵缺陷的可視化。為了提升多角度、多姿態(tài)圖像特征級別的融合，提升缺陷檢測準(zhǔn)確率，華漢偉業(yè)從多模態(tài)特征融合、基于圖像數(shù)據(jù)流的特征融合等多方面進(jìn)行技術(shù)探索，提升模型的泛化性能。
（5）降低樣本數(shù)據(jù)依賴性：為了降低訓(xùn)練過程中對于樣本的依賴，提升模型在不同產(chǎn)線和不同場景的適應(yīng)能力，華漢偉業(yè)從小樣本學(xué)習(xí)、遷移學(xué)習(xí)和異常檢測，降低對缺陷樣本數(shù)量的要求。
?產(chǎn)品和解決方案
華漢偉業(yè)研發(fā)的人工智能檢測系統(tǒng)iSense，實(shí)現(xiàn)在新能源、3C電子制造、汽車電子等領(lǐng)域的落地實(shí)踐。系統(tǒng)涵蓋圖像采集、數(shù)據(jù)管理和結(jié)果輸出等功能，整體軟件架構(gòu)如圖1所示。
圖 1 iSense軟件架構(gòu)
針對工業(yè)制造場景的特殊屬性，沉淀了高精度算法模型，可滿足行業(yè)普遍的算法需求。iSense 提供了豐富產(chǎn)品功能，如旋轉(zhuǎn)目標(biāo)檢測、對比學(xué)習(xí)、異常檢測、多圖像分割等特色化解決方案，助力檢測模型快速迭代。
圖 2 iSense產(chǎn)品功能特性
iSense AI視覺檢測平臺主打“1個iSense平臺+N種模態(tài)+適配X應(yīng)用場景”的亮點(diǎn)特質(zhì)；打造N種模態(tài)，涵蓋：2D+AI、2.5+AI、3D+AI、2D+2.5D+3D+AI......等N種模態(tài)組合。
該系統(tǒng)針對底層算法全新升級，深度客制化成像系統(tǒng)實(shí)時把控，從環(huán)境、設(shè)備、產(chǎn)品端全流程細(xì)節(jié)調(diào)整，一鍵跨區(qū)域遷移學(xué)習(xí)，節(jié)省訓(xùn)練時間，多種數(shù)據(jù)增強(qiáng)功能，滿足不同場景數(shù)據(jù)及遷移應(yīng)用能力。
圖 3 iSense產(chǎn)品亮點(diǎn)
iSense具備持續(xù)學(xué)習(xí)、帶噪學(xué)習(xí)、自動樣本生成等優(yōu)勢，提升工業(yè)AI落地的效率。
圖4 iSense產(chǎn)品核心技術(shù)優(yōu)勢
除了降本增效外，iSense視覺檢測更高維的價值在于打通生產(chǎn)各環(huán)節(jié)的數(shù)據(jù)鏈，幫助制造商企業(yè)實(shí)現(xiàn)連續(xù)化生產(chǎn)過程中缺陷數(shù)據(jù)的可追溯，軟件可對數(shù)據(jù)做挖掘、處理和分析，實(shí)現(xiàn)工藝流程和產(chǎn)品品質(zhì)的改造升級。
圖 5 iSense產(chǎn)品E2E快速部署
iSense產(chǎn)品界面，如圖6所示。
圖6 iSense系統(tǒng)產(chǎn)品界面
?iSense行業(yè)應(yīng)用案例
隨著深度學(xué)習(xí)技術(shù)的飛躍，AI快速解決問題和兼容產(chǎn)品快速換型方面的優(yōu)勢逐漸凸顯，AI視覺質(zhì)檢作為制造細(xì)分領(lǐng)域中相對剛需、成熟的場景成為廠商優(yōu)先考慮、資本高度青睞的行業(yè)。
iSense 針對于工業(yè)檢測行業(yè)的遇到的痛點(diǎn)難點(diǎn)等問題，以“多模態(tài)+強(qiáng)遷移+快速部署”三大關(guān)鍵點(diǎn)，實(shí)現(xiàn)技術(shù)性突破，滿足企業(yè)所需。
以密封釘焊接檢測為例，密封釘焊接缺陷形態(tài)豐富，難以界定其形態(tài)邊緣；檢測區(qū)移動頻繁，缺陷位置具有隨機(jī)性；部分小缺陷混雜于焊灰或清洗圈中等，對機(jī)器視覺檢測提出了不小的挑戰(zhàn)。
iSense基于光度立體技術(shù)的核心邏輯，將2D圖像的紋理信息與3D圖像的形貌信息進(jìn)行異源數(shù)據(jù)融合，結(jié)合深度學(xué)習(xí)技術(shù)，完成表面焊接質(zhì)量檢測。檢測效果達(dá)到掃描速度50mm/s，漏殺率為0% ，過殺率<1%，很好地解決了上述焊接檢測痛點(diǎn)。
而同理在頂蓋焊檢測中，用異源融合深度學(xué)習(xí)對R角位置進(jìn)行分類判定，傳統(tǒng)算法+深度學(xué)習(xí)(二次判定)，可解決焊道魚鱗紋噪聲&起焊點(diǎn)成像極易導(dǎo)致傳統(tǒng)算法誤檢，能檢測0.1mm的針孔，過殺＜0.5%，漏檢0%。
在方殼電芯膜后缺陷檢測案例中，更是采用了2D+2.5D+3D+AI綜合應(yīng)用，采用多角度成像+AI的檢測方案，使得具有高反光藍(lán)膜在不同角度光源中總能在某種打光中清晰成像，無過曝或欠曝，保證缺陷的準(zhǔn)確識別。
圖7 iSense多種成像技術(shù)
深度學(xué)習(xí)檢測方法在探究發(fā)展的過程中，一方面，需要不斷扎根實(shí)際應(yīng)用場景，牢牢抓住了和企業(yè)智能化升級的需求，降低人工智能技術(shù)的應(yīng)用門檻；另一方面，還需要與更多制造業(yè)廠商深度適配并融合，形成了軟硬協(xié)同優(yōu)勢。
可以看到，華漢偉業(yè)iSense AI檢測軟件以快速場景自適應(yīng)能力、多場景的應(yīng)用開發(fā)能力以及產(chǎn)線快速落地能力，不斷拓寬技術(shù)創(chuàng)新邊界，將有效助力智能工廠、無人工廠在制造行業(yè)的大規(guī)模落地。
