制造企业基于AI技术实现智能质检的实践难点和解决之道.docx

?

?

制造企业基于AI技术实现智能质检的实践难点和解决之道

?

?

人工智能可以为制造企业提供视觉检测、自动化控制、智能化校准以及问题根源分析等解决方案，但是传统制造企业在驾驭AI技术方面仍然面临很多问题，社区近日组织“智能制造趋势下，制造企业如何基于AI技术实现智能质检线上探讨”，邀请汽车制造企业专家、制造行业解决方案专家及来自英伟达的技术专家与社区会员共同交流相关难点，以下是活动中的精华交流内容，包括四个方面：智能制造、智能质检平台的要求及实践难点，AI平台、GPU应用场景，智能数采、云边协同，AI的容器化，希望能为同行带来有价值的参考借鉴。

背景

随着工业4.0的提出，全球越来越多的制造企业在云计算、大数据、人工智能和5G等技术的共同作用下开展工业4.0的实践。以新一代信息技术与先进制造技术深度融合为基本特征的智能制造，已成为这次新工业革命的核心驱动力。

智能制造是基于物联网、云计算、大数据等新一代信息技术，贯穿于设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统和模式的总称。要求传统制造业进行数字化、自动化、智能化转型升级，在这过程中人工智能技术广泛应用于制造业的研发设计、制造过程及运维等阶段以实现制造业产品全生命周期的自动化分析、推理、判断和决策。许多产品的制造过程涉及到一系列的步骤，因此，如果最终产品没有通过检验，有时难以确定问题来源。人工智能、知识图谱等智能技术能够有效地实现多源异构数据融合与关系探索，例如，在生产质量追溯中，可以利用图径，快速定位、分析问题的原因，实现任意环节质量可追溯及推理关联出对其他环节的影响，有效防止问题扩散。

目前人工智能可以为制造企业提供视觉检测、自动化控制、智能化校准以及问题根源分析等解决方案。此外，人工智能还可在制造业领域中的自适应制造、自动质量控制、预防性维护、无人驾驶等领域应用。但是对于传统制造企业在驾驭AI技术方面仍然面临很多问题。

一、智能制造、智能质检平台的要求及实践难点

1、智能制造，AI质检方面有哪些场景和突破？

@xuchl中科创达软件股份有限公司产品总监：

AI质检的应用场景广泛，可涵盖95%以上的工业场景检测需求，目前在多个工业细分领域均有落地，例如液晶面板，半导体，晶圆加工，芯片加工，汽车制造、汽车电子、新能源等场景；当前工业行业质量控制的主要障碍主要包含：A、产品迭代周期快，dummy期短，换型效率与模型精度要求高；B、细分领域零散，产品种类多样，难以使用一个通用模型覆盖所有应用场景；C、数据采集设备行业普及率低，行业数据存量低，难以收集足够数量的样本满足训练需求；D、数据质量参差不齐，人员标注效果会严重影响模型训练的效果与兼容性；针对如上问题，目前AI质检已取得的技术突破点有基于正样本的异常检测，基于小样本的模型快速迭代，基于未知缺陷的分割等。

@bjitnan?NVIDIADevRel：

在制造业的质检方面，尤其是基于深度学习的缺陷检测中，我们半导体，精密3C，液晶面板，动力电池，材料检测等行业均有成功的使用案例，特别是高精密制程，极小或极快，恶劣环境或大些制造设备内部的缺陷场景，AI的能力是客户特别依赖的能力，可以分享一张架构参考图，也可以和我们取得联系。

2、汽车行业如何基于AI技术实现智能质检？

@xuchl中科创达软件股份有限公司产品总监：

我国汽车年产量早已超过2500万辆，由此形成了一个庞大的汽车零部件市场。基于视觉算法技术，可以解决整车与零部件外观检测的问题。

在整车装配生产过程中，车身漆面、零部件识别以及各外观零部件的配合间隙是汽车行业普遍存在的质量难题。由于缺陷种类多、尺寸小、肉眼易疲劳等因素，人工检测存在耗时长、效率低、疲劳后易产生漏检等缺点。通过AI视觉检测技术可以实现整车外观式样检测，含前脸、尾箱、车门、Logo等外形轮廓、外观颜色识别和尺寸检测以及轮胎轮毂样式、尺寸、颜色、OCR等检测内容。可以实现外观式样100%检出率以及85%以上的人工替代率，帮助企业有效把控质量并降低成本。

此外，针对量大的通用零配件可提供AOI检测设备，实现产品的自动上料、自动检测、自动踢料等功能，例如橡胶气门嘴、橡胶密封圈等橡胶材质表面的气泡、杂质、毛刺等缺陷以及尺寸的检测。通过AI+CV的有效结合，可以实现缺陷的检出率＞99.9%，误检率＜0.1%。

@强哥之神上汽云计算中心架构师：

工厂质量控制体系就是为满足产品的质量要求，而实时进行的质量测量和监督检查系统。特别是在汽车零部件、3C产品零部件与外壳、芯片、纺织品、光伏等行业，外观质量检测是非常重要的一个环节，极大影响着产出产品的质量和产品产出速度，受限于大量的质检人员个体差异和生