雷火电竞网站
 
雷火电竞网站 雷火电竞体育 新闻中心 产品中心 雷火平台 网站地图
滴普科技:工业视觉计算落地与抗疫 线上分享会
来源:雷火电竞体育 作者:雷火平台

  滴普科技工业智能资深架构师周立洲从工业质检行业未充分数字化的现状出发,介绍了滴普科技基于三大革新思路推出的

  我们在 AI 领域有过一段时间探索,工业视觉检测属于视觉计算的一个分支。关于质检我们与很多公司的 IT 负责人交流过,他们认为总体来说质检没有被充分的数字化。之前很多企业都在提 ERP、MAX、营销中台、数据中台等,但是在落地到工业场景时,特别是流程制造或者是离散制造这个环节,并没有被充分的数字化。

  为什么没有呢?我们认为有两个方向的因素,第一个方向就是人员,因为涉及到人的因素太多,比如人力成本太高,人怕累,人有主观情绪等,现在招工难培训难,又赶上疫情,所以人的因素影响非常大。另外一个就是技术,很多企业可能有了视觉质检环节,但是并没有引入最新的技术,落后的技术存在无法识别无规律图片、纹理分类能力比较差等问题。

  以上是我们看到的行业现状,于是我们着手去解决工业质检里存在的问题。进军这个行业之后,我们找了三个切入点,第一个切入点是算法方案的革新集成,通过自研的算法,支持少量标注数据下的快速启动和迭代。第二个是引入大数据 +AI 的中台,对产线做数字化改造,或者说叫重构,加快落地迭代的速度。第三个是打通最后一公里,也就是硬件整合,因为有很多公司只有软件,没有边缘设备、摄像头等硬件,我们的方案里整合了这些设备。以上是我们尝试做工业视觉质检的三大核心思路。

  第一个思路产生的原因,主要是因为 AI 算法相比传统的机器视觉有明显的优势,首先不需要依赖人工选取特征。其次 AI 算法依赖样本的数据多样性,不像机器视觉更多的是依赖人对特征的理解。AI 算法模型训练好之后,不同的缺陷不需要单独的调试,只需要提供数据即可,而机器视觉是依赖阈值调试的。AI 算法优化周期长,短期来看可能是一个问题,但其实可以通过一些办法改善。

  AI 落地后,我们做了一个方案的创新,支持少量标注数据下的快速启动,具有低成本和高速度等优点,具体的做法是结合传统算法,以及在标注的时候多做一些工作,我们有自己的标注平台。集成的我们的自研算法,包括缺陷检测,目标分类和 OCR 识别,这些我们现在都在结合 AutoML 进行快速地构建。

  第二个核心思路,是刚才提到的数据和 AI 双中台。一方面是做数据资产化,把数据底层打通,整合数据能力之后形成数据闭环,另一方面是 AI 平台化快速落地。第二个核心思路是将数据管理、故障的预测、排产优化、分析展现也整合到我们质检平台里,作为平台的一部分。

  AI 这块我们提出了中台的概念。因为 AI 基于开源的生态,商业交付落地成本高,效率低。我们通过中台的形式屏蔽了底层资源,打造一站式生产流水线,通过拖拽的方式进行可视化开发,部署灵活实时高效。中台带来的好处有上手快速,人员、数据科学家参与度更高,开箱即用,装上就可以使用,不用做运维调试等。

  第三个思路是我们不光有软件,我们还有硬件。我们有自己的智能 AI 相机,基于场景我们可以做定制化的、集成化的光源设备,我们有边缘计算设备,可以让算法在边端运行,另外我们还和国内的一些大厂合作提供 GPU 服务器。

  以上是我们现在在做的三个核心思路。经过思路革新之后,我们发现了很多应用场景,3C、食品、药品、液晶面板、汽车、芯片、包装外观等。

  总的来看,为什么说工业质检市场火起来了,刚才提到早期由于中国特殊的国情,企业特别是离散制造企业在选择数字化落地路径的时候首先都选择了 ERP、MAX 这样的产品进行数字化的改造或升级,一批国内头部软件企业在这个过程中崛起。我们现在结合 AI 这块的技术,其实是帮企业上一轮数字化转型中没做的那部分进行数字化。比如说像检测这方面,我们通过 AI 方式,提升检测效率,不仅可以降低成本,我们还可以把这些数据整合到已有的数据平台里,做一些新的创新应用的探索和尝试。

  我们的系统有两个技术优势。一是我们可以以云端或服务器的方式,部署多条产线,即一拖多这种方式。我们也可以混合部署,有的产线我们可以加上边缘设备,让算法跑在边缘设备上,有的产线可以直接和检测设备相结合。多种方式部署带来的好处是可以快速转产,特别是一些离散制造企业能够通过数据的反馈快速地转产。

  我们的第二个技术优势是支持多方系统和设备的集成,兼容现有的硬件,保护投资。首先我们不是侵入式的方案,如果之前有第三方系统,我们支持第三方系统集成,包括数据的集成、设备的集成、业务的集成等,对于现有的质检方案我们的方案也是兼容的。对于已有的投资我们可以保护,不是说之前有的方案就彻底不能用了,我们可以根据已有的方案做增强或者提升,或者说效率的改善等。在硬件部分,如果有开放的标准协议,或者说能提供 SDK,我们基本上就可以接入现有的平台。

  说完以上两个技术优势,方案基本上已经给大家介绍完了。我们的方案最早也经过了一段时间的讨论,也落地了一些客户,正好又赶上了大家都比较关心的抗疫。

  抗疫中我们做的一件事是帮助一些口罩的生产企业做口罩的质量检测。先介绍下背景,大家可能不知道,地球上每天只能产一亿只口罩,中国如果全面复工,一天就需要 6 亿只口罩,也就是说全地球人一起给中国生产口罩,仍然会有 1/5 的人没有口罩戴。怎么办呢?为了解决这个问题工业企业响应号召开始转产,转产之后面临一个问题,就是口罩的质量不稳定。

  另外复工之后,大家也知道,生产口罩的时候并没有那么多人去上班,人也不好招,于是就产生了自动检测的需求。我们的方案支持一次性医用口罩,比如说外包式,堆叠式的,像鼻梁条、偏纱、耳带都可以检测。

  上图是一个示例的流程,大家可以看一下整体的逻辑,我们通过自有的光源和相机结合先拍照,然后将图片进行数据处理,接着走 AI 深度学习算法流程,从瑕疵样本里面找特征做特征提取,通过检测与识别,形成特征模板,新的检测数据通过这个模板形成分类检测。这里有一个专家系统,专家系统可以对识别的结果进行分析,也可以传导到产线上和产线上已有的业务系统集成。

  口罩生产中面临这么一个问题,就是没有足够的人力去做质检,只能靠机器。另外,即使有人,人也盯不住这样高的强度,因为产线 小时不停地生产口罩,所以我们的方案就有了帮助抗疫的机会。这也是我们现在所说的,机器代替人,机器确实能代替一部分人工,自动化检测带来的优势比如说漏检率非常低,兼容性非常强,效率非常高,可以做到一分钟 120 只。

  刚才也提了比如说像智能化、通用性强等优势,这里就不赘述了。最主要的现状还是不依赖熟练工人,而且可以 7 × 24 小时不间断地工作,大家知道在疫情比较严重的时候,口罩紧缺,每个人又都需要口罩,这时候其实是生产不出来了的,产线又招不来那么多人,只能投入一些资源,利用机器去提高生产率。长远来看,疫情过去后,可能真的会演变成用机器不用人了。在疫情之后,我觉得机器视觉可能会有一个长足的发展。

  接下来我再给大家讲一个在其他行业落地的案例。其他行业主要是手机面板,一个手机厂商做面板产线。上图是我们的目标,我们的目标就是帮他做一个质检平台,通过 AI 赋能落地图形检测平台。在他们公司内部,这是公司战略的一部分。

  上图就是我们落地的质检平台产品,目前来讲基本上是一个成品,现在如果算法能够达到 80% 或者 85% 或者 75% 以上,我们就可以在平台上运行起来。刚才也提到了 AI 落地的一些优势,比如一站式的标注和算法落地平台,能够屏蔽底层资源,可视化、轻量级,可以快速落地。另外,他们在生产的过程中,面临非常现实的一个问题是快速转产。为了帮他们转产,我们提供了两个思路,第一个是和机械臂相结合,AI 中台迭代出算法模型,迁入到机械臂上跑,这样一个机械臂可以跑 N 多个算法模型,这样机械臂能快速地拥有多种的视觉计算能力。这样在转产的时候就可以看到比较好的效果,当 A 产品在机械臂上跑的时候,检测 A 产品,等 B 产品生产结束了,再放上 B 产品,让机械臂跑 B 产品的算法就可以了。

  还有一种是基于不同的机型去适配不同的屏幕检测算法,就是说可能机型 A 有一个检测算法,机型 B 有一个检测算法,因为屏幕不一样,比如说有 xxA,xxB,有 iPhone10 和 iPhone11,屏幕材质不一样算法也不一样。通过不同的机型,我们放不同的算法,部署到产线上运行。这样在转产的时候,就不依赖平台,更依赖端设备进行快速转产。也可以导出到本地的某个设备上,这也是和边缘能力结合的一个场景。

  以上是转产的部分。另外还有前面提到的对数据资产进行价值挖掘和检测分析,我们不光可以做检测,我们还能把结果进行统计分析,比如说不良率,包括不良的问题、产品的追溯,现在的现状是手机产量还是很高的,如果产品良率再提升一个点,节省的成本也是非常可观的,而在 IT 上的投资与之相比就是九牛一毛,所以说他们非常愿意做这个事情。

  上图是我们做的非常有意义的事情,就是基于大数据能力做专家系统,根据不同维度的缺陷,做不同的缺陷统计。我们在落地过程中,也发现这样一个问题,就是说不是单纯的有大数据、Hadoop、AI 这些东西就可以落地。在真正落地的时候,真正在业务上,缺陷的形状,缺陷的类型,包括亮度、位置、底图、型号等多种缺陷都需要检测,检测出来的缺陷我们需要分类,分类之后做不同的统计分析,然后每一个缺陷都要去做不同的追溯路径。这是我们在数字化之后,通过专家系统形成多维度缺陷统计指标来实现的,也是我们真正落地之后才会做出来的平台。

上一篇:打造健康视觉环境 科学开展近视防控---东区教体系统参加四川下一篇:自动驾驶为什么离不开视觉系统?
版权所有:雷火电竞网站|雷火电竞体育平台    公安备41030502000174  Copy Right @ 雷火电竞网站|雷火电竞体育平台 INDUSTRY CO.LTD
地址:河南省洛阳市中州西路173号  XML地图  技术支持:雷火电竞体育