行业背景

     1、质量要求高

制造业的每个领域对产品质量都有特定的要求，产品质量是企业能否在市场角逐中胜出的一个重要因素。而且，近年来，客户对于产品质量的要求越来越严格，因此质量控制非常重要，从而对制造端有更高的要求，包括对生产要求高、检测要求高、追溯要求高。

      2、工艺更新，高柔性

随着制造业的快速发展，产品的设计和生产在不断更新，对生产端也提出了更高的要求。对产线设备的柔性要求高、对控制系统的柔性要求高、对原料的管控、生产计划的控制要求高。

    解决方案

一木智能“基于多维视觉技术的外观缺陷检测”是针对工业产品质量和外观缺陷检测这个领域，提出的新的解决方案。

它将高精度算法与适应性较强的神经网络算法相结合，并将无监督或者弱监督的样本学习方式引入到外观缺陷检测中，力求算法具备较高的适应性，且不再受限于样本数与人力标注。同时，将产线自动化和系统智能化进行集成，打造高柔性、高精度、高可靠，而且低成本的缺陷检测和智能控制系统。

       1、针对功能性外观缺陷

功能性外观缺陷，主要出现在零件耦合关节部分，其结构复杂，凹凸无规律对传统视觉检测带来诸多不可控性。

针对功能性外观缺陷检测，主要采用3D视觉检测方案，使用线扫相机等设备采集样本深度数据，划分不同识别块，并在此基础上结合点云分布和重建等方法，进行块内模板比对等方式，进行差异计算从而达到匹配的目的。

该方案具有精准性和鲁棒性的特点，可以在不同光照、不同角度和不同背景下进行检测和识别，准确性98%以上。

▲ 示意图

      2、针对装饰性外观缺陷

装饰性外观缺陷检测，大多的表现形式集中于划痕、烙印等表面缺陷。带有瑕疵的样本在样本总和中只占有一小部分，与此同时，瑕疵出现的形态、大小各异，极易出现不明显的瑕疵。

针对装饰性外观缺陷检测，一木智能设计了2D视觉检测为主的以无监督与弱监督相结合的高精度神经网络算法。

该算法可以通过对产品外观缺陷的图像进行深度卷积和注意力机制等神经网络操作，提取出深层图像特征从而进行分类和识别，实现对产品外观缺陷的快速、准确和自动化检测。检出率能够接近100%。

▲ 示意图

    应用成效

目前，该解决方案已应用到汽车制造、电子产品制造等多个领域，也取得了良好的效果，为客户解决了在产品质量、生产效率、生产成本等多维度的问题。

     1、解决小样本问题

基于多维视觉技术的无监督缺陷检测, 利用正常样本进行训练, 因此不需要缺陷样本，有效解决了工业环境中样本少的困境。

     2、解决实时性问题

通过数据标注、模型训练与模型推断，实现在线实时检测，缺陷分析的效率提高了20%。

     3、解决识别准确率问题

减轻了数据集采集和标注的难度，识别准确率95%+，召回率100%，并可持续学习，根据反馈不断优化算法效果。

目前，该解决方案已获华为昇腾技术认证及“华为昇腾AI创新大赛2023浙江赛区”三等奖，并获专利1项、软著3项，另有3项发明专利在申请中。

▲ 相关荣誉