基于視覺智能工業(yè)品外觀柔性檢測方案

基于視覺智能工業(yè)品外觀柔性檢測方案引言/導讀隨著工業(yè)制造2025打算的實施，工業(yè)品質量檢測效率成為制約整個生產鏈條的重要因素。+簡潔工具”，實現對產品外觀的識別，剔除外觀有缺陷的產品，效率低下，漏檢率高。隨時AI技術快速進展，本測試床探究將視覺智能檢測技術應用于工業(yè)品外觀檢測。一、 關鍵詞視覺智能，邊緣計算，薄膜類外觀質量檢測四、 測試床工程目標和概述所謂“機器視覺”，就是利用機器代替人眼來做測量和推斷。機器視覺系統相當于人類的眼睛，“眼睛”通過把“看”到的影像傳送到把握芯片，然后通過把握程序來進展事態(tài)的〔或圖像捕獲卡、/輸入輸出單元等.通過機器視覺獲得的圖像，經過AI智能算法的自動檢測，識別，最終完成“人的眼睛和大腦”的功能，在實際工業(yè)質量檢測中，到達代替現有人力，提高檢測效率、提升檢測準確率?，F工業(yè)產品檢測，經過很多年進展，但現有自動檢測的存在如下問題：：設備高度專業(yè)化，只能在特定場景，對特定產品，特定的外觀問題進展檢測。例如，環(huán)境條件固定，只能檢測外觀尺寸，只能檢測玻璃制品等。檢測精度低：檢測精度是固定的，不能實現“閱歷積存”：隨著檢測產品的增多，不斷提高檢測準確率。后日益進步的生產效率。AI技術，充分利用邊緣計算的業(yè)務靈敏性和業(yè)務實時性，并在公有云實現AI算法的訓練，充分利用公有云資源彈性調度、價格低廉的優(yōu)勢，以降低該方案的總體投入，以期到達可以規(guī)模復制的目標。主要功能模塊說明：1、 采集端：利用光電技術，獵取工業(yè)品外觀高質量圖片。工業(yè)品，特別是薄膜類產簡潔彎曲、對光照敏感等特點，需要承受暗箱、強光等以到達高質量圖像標準；AI算法對產品外觀圖片進展智能可以安裝在工廠質檢室或者生產線四周；3、 云端訓練：AI的訓練周期長，需要資源多，具有階段性；因此承受租賃公有云方；可以依據訓練數據的大小、訓練算法的簡潔度，靈敏租賃對應資源，訓練完畢，獵取模型后，即可釋放訓練資源，以期到達節(jié)約本錢的目標。五、 測試床解決方案架構AI技術，依靠邊緣云和公有云聯動，工廠側線下推理和識別，公有云線上訓練，構成一個完整的測試方案。(一) 測試床應用場景品外觀檢測場景。(二) 測試床重點技術中比較穎和獨創(chuàng)性。的產品環(huán)境適應度。本測試床邊緣承受引入深度學習AI技術，在邊緣側實現AI的推理，實現對產品檢測的自動化和智能化。邊緣智能計算的應用在業(yè)內屬于首次。AI技術。AI技術最大的價值是具有自動學習和進化功能，對檢測產品具有很強的魯棒性；而強的魯棒性，對本測試床的檢測范圍具有很大的價值。這點是傳統影像技術無法比較的。三、是引入公有云訓練AI。AI的訓練耗資巨大，對專業(yè)性要求很高，一般企業(yè)很難承受。通過引入公有云AI效勞，可以把算法的訓練和模型設計交給專業(yè)的效勞公司實現，通過租賃資源方式，完成云端的訓練；以降低AI的本錢，獵取便捷的效勞。(三) 技術創(chuàng)性及先進性AI技術，都是在前工業(yè)檢測中首次應用，并依據工業(yè)現場進展了技術特地開發(fā)，具有獨特的價值。(四) 測試床解決方案架構本測試床解決方案整體架構如下，主要分為4個層面：1、 邊緣計算平臺：主要在工廠側進展產品外觀產品的識別和處理；是AI算法的主要承載體；2、 引入虛擬化和Docker技術，規(guī)律隔離各類業(yè)務應用，使應用具有更大的彈性，也更便利與工業(yè)云平臺對接；3、 層：對邊緣前端和各類數據進展清理和治理的平臺，通過PaaS層，企業(yè)ITITPaaS層；4、 應用層：深度學習的算法好效勞。業(yè)務作為一個效勞，供給應企業(yè)內部各個業(yè)務單元使用。六、 預期成果本測試床預期目標為：產品檢測率到達100%；完全代替人工檢測和識別局部，到達節(jié)約人力的目標。并通過技術創(chuàng)，可應用在更多場景檢測，如各類薄膜，產品外觀等，柔性外觀檢測。(一) 測試床的預期測試結果，針對測試項100%，通過多種檢測技術的結合和運100%，超越人工檢測的精度。(二) 商業(yè)價值AI應用引入到工廠側，AI訓練算法承受本錢低廉的公有云；通過對傳統工業(yè)的智能化改造，開創(chuàng)的商業(yè)共贏模式，對在其他類似領域有格外好的啟發(fā)作用。(三) 經濟效益本測試床依據富士康20萬+/年，通過本測試床方案一次性設備投資10萬，云效勞按需付費，節(jié)約50%的檢測投資；提升產品檢測效率和正確率，節(jié)約產品缺陷類引起的負資產。(四) 社會價值削減由于人工檢測引發(fā)的眼睛疲乏職業(yè)病，解放員工“眼睛”，削減和預防職業(yè)病；七、測試床技術可行性本測試床重點測試一下技術可行性：形變魯棒，采集圖像設備能排解產線其他因素干擾等；2、AI算法的精度。AI算法精度直接影響到檢測的精度，需要實際驗證算法的精度和識別速度。(一) 物理平臺物理平臺包括前端產品圖像的采集端和邊緣計算平臺兩個局部。邊緣平臺：包括邊緣硬件平臺〔含存儲、網絡設備4GWIFI傳輸方式；其他連接線等關心設備。(二) 軟件平臺AI算法包括在邊緣平臺中；八、AII(一) 與AII總體架構的關系略(二) AII安全〔可選〕略(三) 具體清單〔可選〕略(四) 風險模型〔可選〕SoCLinux操作系統的專用嵌入式軟件，保證了軟件系統的牢靠性和安全性。系統承受分級用戶權限治理，數據和視頻存儲承受嵌入數據庫、數據加密和數據水印技術保證數據安全不行篡改(五) 安全聯系人不涉及(六) 與已存在AII測試床的關系無，首次申請。九、交付件試驗測試床一套：包括前端采集設備，邊緣計算平臺，以及內嵌的AI算法軟件。十、測試床使用者相關單位可利用本測試床搭建或者改進，鼓舞在各個領域進展推廣和使用十一、 學問產權說明本測試床相關部件的產權歸屬各個申請企業(yè)，測試床方案和架構完全公開，鼓舞企業(yè)據此架構開展各領域應用。十二、 部署，操作和訪問使用可部署在互聯網，依據申請，明確使用權限。十三、 資金企業(yè)自籌資金序號工作內容需要資金〔萬〕1前端采集設備〔光源、相機等〕52邊緣智能節(jié)點153公有云平臺54算法聯調8合計33十四、 時間軸本測