机器视觉在工业质检中的应用

蓝海大脑GPU计算

$ i' C* I$ A) P. D
: R6 o# u( V$ B3 X4 m' x8 g* Y

3 K! r8 Z& d2 c/ G9 ]+ w2 v

       随着工业物联网技术的迅猛发展，掀起了以云计算、大数据、以及人工智能等信息技术正与传统工业深入融合，由此衍生的“智能制造4.0”理念，正在为全球工业带来深远变革。

. R0 [2 s9 `. d$ P: r6 g

       中国的制造业巨头也纷纷借此发力，向智能化、数字化制造演进，实施战略转型。如何高效、科学的管理和分析制造业务链上的生产价值，推进制造企业生产工艺优化与产品质量提升是每一个制造企业在数字化、智能化转型过程中的必经之路。

' R" C- O$ s$ P6 Y

       业务发展带来的挑战

1.  精力疲劳：人眼识别的方式对产品进行检测，产生疲劳而导致注意力不集中，出现偏差。

2.  二次损伤：人手触摸产品，观察产品不同角度的亮度及表面差异，给产品造成二次损伤。

3.  多道检测流程：检测产品的工艺缺陷、产品LOGO、铭牌漏装、螺钉漏装等层层的检测流程，时间长了会导致产品疏忽及漏检。

       基于AI 的视觉识别平台主要由边缘端（边缘计算）和中心端（中心计算）两部分组成，其中工业相机，工业机器人以及嵌入式智能设备构成了图像视频采集端，部署在工厂自动化产线上。边缘计算部署的采集端及中心计算部署的液冷GPU工作站集群则撑起了该AI平台的主控系统。

       边缘计算端

在边缘计算端执行图像采集的机器人装有一个工业摄像机，一个工业照相机。工业照像机进行远距离拍摄，用于检测有无和定位；工业摄像机进行摄像，用于 OCR 识别。以烤箱检测为例，当系统开始工作时，通过机器人与旋转台的联动，先使用摄像机对烤箱待检测面的全局视频摄像，并检测计算后，提取出需要进行 OCR 识别的位置，再驱动工业相机进行局部拍摄。相机采集到的不同视觉图像，会首先交由基于英伟达NVIDIA Jetson开发的边缘计算进行视频处理，快速降噪（修复）、视觉增强、失焦修复、风格转换等预处理。根据标准图像机本库进行数据的预处理：数据清洗、图像预处理、数据集构造、归一化处理、检测需求确定是否需要传输回到中心计算端，如果需要，则通过网络传送到中心端交由液冷GPU工作站 分析处理。

& Q3 [/ W# L+ A+ n* @

% a# f4 R  `  y: j5 }

       中心计算端

       由液冷GPU工作站和视觉识别平台两部分组成。系统在收到边缘端发来的数据后，首先会利用视觉识别平台提供的初样模型对预处理过的图像进行提取识别，提取出需要进行检测的标的物，例如型号、合格证、铭牌或线缆等等。而后通过视觉识别平台提供的 AI算力， 帮助边缘计算数据进行数据管理、训练引擎、机器视觉模型、模型算法库等一系列 AI 处理流程。通过视觉识别平台集成的深度学习开发框架，系统可以通过不断地迭代分布式训练，提升对检测物的识别率。

  e) v$ [/ G  q+ O9 U

       将深度学习模块引入制造业识别，不仅可以让视觉识别平台快速、敏捷、自动地识别出待测产品的诸多缺陷，例如产品的工艺缺陷、产品LOGO、铭牌漏装、外观整洁度等问题。更重要的是，该视觉识别平台能够对非标准变化因素有良好的适应性，即便检测内容和环境发生变化，蓝海大脑视觉识别解决方案解决了人工检查员此前无法看到的瑕疵问题，而且速度更快。有助于推动产品质量提升， 减少产品退货产生的高昂成本，提高盈利能力。 而且项目部署周期短，减低物料和人工成本， 这对传统制造业而言无疑是一项意义深远生产工艺革新。

& Q" t- A+ ^; ^5 g