基于AI技术的产线质检技术要求.docx

1

T/QGCMLXXXX—2025

基于AI技术的产线质检技术要求

1范围

本文件规定了基于计算机视觉、机器学习等人工智能技术的制造业产线质量检测的系统架构、技术要求、测试方法及实施指南。

本文件适用于汽车、电子、食品等离散/流程制造场景的AI质检系统设计、部署与验收

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

本文件没有需要界定的术语和定义。

4一般要求

4.1工作环境

工作环境应符合下列规定：

a)温度：（5±3）℃;

b)相对湿度：不应大于75%；

c)大气压：（86～105）MPa。

4.2系统架构

4.2.1硬件组成

硬件组成应符合表1的规定。

表1硬件组成

模块

技术要求

图像采集

工业相机分辨率不应小于12MP，帧率不应小于60fps（高

速产线不应小于200fps）

计算单元

支持INT8量化的AI加速芯片（算力不应小于16TOPS）

照明系统

频闪同步误差不应大于1μs，照度均匀性不应小于90%

4.2.2软件功能

软件功能应符合下列规定：

d)实时缺陷分类：响应延迟不应大于500ms；

e)数据追溯：保存原始图像+检测结果不应小于30天；

f)缺陷根因分析：SPC统计过程控制集成；

g)自适应模型更新：在线学习周期不应大于24h。

4.3智能功能

4.3.1深度学习模型架构

4.3.1.1缺陷检测模型：需支持YOLOv7及以上版本的实时目标检测架构，或等效Transformer架构（如SwinTransformer）。

T/QGCMLXXXX—2025

2

4.3.1.2多模态融合支持可见光、红外、X光等多源数据融合检测，跨模态特征对齐误差不应大于0.1。

4.3.1.3小样本学习在仅有50个样本的新缺陷类型场景下，模型迭代收敛周期不应大于8h。

4.3.2自适应优化能力

4.3.2.1动态增量学习：模型需支持在线硬样本挖掘(OHEM)技术，误检样本自动加入训练集。

4.3.2.2环境鲁棒性：光照波动(±30%照度变化）、物料表面反光（镜面反射角不应大于15。）场景下，检出率衰减不应大于2%。

4.3.2.3域适应迁移：产线设备更换导致的图像分布偏移时，模型自校准时间不应大于2h。

4.3.3可解释性与可信AI

4.3.3.1缺陷判定需提供热力图定位（GRADCAM++置信度不应小于95%）。

4.3.3.2建立缺陷特征量化指标体系：纹理复杂度（GLCM对比度不应小于0.7）、几何畸变（Hausdorff距离不应大于0.3mm）。

4.3.3.3对抗样本防御：对FGSM攻击的误检率增幅不应大于0.1%。

4.3.4智能决策系统

智能决策系统应符合表2的规定。

表2智能决策系统

功能层级

技术参数

感知层

时空上下文建模：利用3D-CNN处理产品运动轨迹序列（时序

跨度不应小于5帧）

分析曾

构建质量知识图谱：关联工艺参数（如注塑温度±2℃)与

缺陷模式（熔接痕概率模型）

决策层

实时SPC控制：当连续3件产品出现同类缺陷时，自动触发根

因分析（定位至设备编码器故障或材料批次异常）

4.3.5图像算法

图像算法应符合下列规定：

a)应包括图像预处理模块、图像标注模块、机器学习模块；

b)可对高速工业相机抓取的图像进行智能分析，计算并判断是否符合生产标准。

4.3.6智能机械

智能机械应符合下列规定：

a)应包括样品理料、输送、剔除机构等；

b)可对多种工业样品进行规则的排列与传送，使待检测样品以统一；

c)有序、稳定的形态完成视觉检测；

d)可对检测后的不良品，根据其形状、重量、材质等物理特性设计不同的剔除方式。

5技术要求

5.1参数指标

参数指标应符合表3的规定。

表3参数指标

参数

指标

检出率

≥99%

误检率

≤0.5%

系统平均故障时间间隔

≥3500h

可检内容

外观尺寸缺陷瑕疵检测，主要是产品的裂痕，缺角，毛刺批

T/QGCMLXXXX—2025

3

参数

指标

锋，错漏装，各项标识等

试验方法

5.2检出率

5.2.1样本制备

样本制备应符合下列规定：

a)创建涵盖所有可检缺陷类型的标准样本集：裂痕（最小宽度0.1mm）、缺角（最小面积0.25mm2)、毛刺批锋（最小高度0.05mm）、错漏装、标识异常；

b)缺陷样本占比：总样本量的5%；

c)总测试样本量：不应小于2