基于AI技术的产线质检技术要求.pdf

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

工业相机分辨率不应小于12MP，帧率不应小于60fps（高

图像采集

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）。

1

T/QGCMLXXXX—2025

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

时空上下文建模：利用3D-CNN处理产品运动轨迹序列（时