自動(dòng)光學(xué)檢查的好處有哪些

自亨利·福特首次引入裝配線系統(tǒng)以來(lái)，質(zhì)量控制一直是制造中的一個(gè)關(guān)鍵因素。其理念是，質(zhì)量可以通過大規(guī)模生產(chǎn)流水線來(lái)實(shí)現(xiàn)，只要每個(gè)人在生產(chǎn)過程中各盡其責(zé)。從那時(shí)起，我們顯然已經(jīng)走了很長(zhǎng)一段路。傳統(tǒng)的裝配線仍然以許多形式存在，盡管機(jī)器已經(jīng)取代了許多手工過程。

然而，質(zhì)量控制仍然是個(gè)問題。而且成本高昂：許多公司的質(zhì)量相關(guān)成本高達(dá)銷售收入的15%-20%。在某些情況下，這些甚至可以達(dá)到總操作數(shù)的40%。歐盟委員會(huì)還估計(jì)，在某些行業(yè)，50%的生產(chǎn)可以由于缺陷而報(bào)廢;在復(fù)雜的生產(chǎn)線上，不良率可以達(dá)到驚人的90%。

對(duì)于制造商來(lái)說，最大的問題是，即使是生產(chǎn)過程或材料上的微小差異（肉眼看不見）也會(huì)使整個(gè)生產(chǎn)過程出現(xiàn)缺陷。當(dāng)然，這些零件不會(huì)到達(dá)最終用戶由于廣泛的后期生產(chǎn)質(zhì)量檢查。然而，依賴當(dāng)前的（大部分是手工的）缺陷檢查實(shí)踐意味著，在發(fā)現(xiàn)缺陷之前，可以花費(fèi)大量的成本來(lái)制造數(shù)以千計(jì)的產(chǎn)品。

從手動(dòng)到自動(dòng)光學(xué)檢查

如前所述，手工檢查產(chǎn)品、部件和組件可能是一個(gè)繁瑣而昂貴的過程。首先，她需要對(duì)品質(zhì)管理檢查人員進(jìn)行專業(yè)的培訓(xùn)；其次，這種檢查可能導(dǎo)致生產(chǎn)/上市時(shí)間線出現(xiàn)瓶頸；第三，手工檢查不像產(chǎn)品那樣規(guī)?；枰M(jìn)一步培訓(xùn)，以便有足夠的人員及時(shí)進(jìn)行檢查。

由機(jī)器視覺驅(qū)動(dòng)的自動(dòng)光學(xué)檢查（AOI）取代了更麻煩、更容易出錯(cuò)的手工檢查。新型AOI系統(tǒng)配備多攝像頭，從簡(jiǎn)單的XGA（擴(kuò)展圖形陣列）單元到高分辨率、數(shù)百萬(wàn)像素的視頻傳感器。根據(jù)相機(jī)類型的不同，AOI系統(tǒng)既可以提供被檢物品的單色圖像，也可以提供被檢物品的彩色圖像，所捕獲的圖像可以跨越很廣的范圍，從僅有的數(shù)千個(gè)數(shù)據(jù)點(diǎn)到數(shù)百萬(wàn)個(gè)數(shù)據(jù)點(diǎn)。

自動(dòng)光學(xué)檢查的好處是多方面的：

這種系統(tǒng)能夠在制造過程中早期發(fā)現(xiàn)錯(cuò)誤，并幫助確保產(chǎn)品在進(jìn)入下一個(gè)制造步驟之前的提高質(zhì)量。

AOI幫助收集用于改進(jìn)生產(chǎn)線的歷史和生產(chǎn)統(tǒng)計(jì)數(shù)據(jù)。

它將有助于減少材料浪費(fèi)，維修和返工成本，以及增加制造勞動(dòng)力的時(shí)間和費(fèi)用。

AOI系統(tǒng)可編程使用不同的技術(shù)進(jìn)行質(zhì)量保證和缺陷檢查，例如：

模板匹配：系統(tǒng)通過編程將獲得的項(xiàng)目圖像與完美制作的、無(wú)缺陷的項(xiàng)目圖像進(jìn)行比較。系統(tǒng)首先了解產(chǎn)品某一部分的所有正確屬性，然后根據(jù)估計(jì)的標(biāo)準(zhǔn)評(píng)估產(chǎn)品的質(zhì)量。

模式匹配：系統(tǒng)存儲(chǔ)好程序集和壞程序集的信息，比較和比較實(shí)際產(chǎn)品和可用模式。

統(tǒng)計(jì)模式匹配：在這種情況下，系統(tǒng)存儲(chǔ)多個(gè)產(chǎn)品和多個(gè)類型的缺陷的結(jié)果，這樣它就能夠在不標(biāo)記錯(cuò)誤的情況下為可接受的小偏差開綠燈。

自動(dòng)化光學(xué)檢測(cè)系統(tǒng)已經(jīng)成為質(zhì)量控制的一個(gè)重大突破，在整個(gè)生產(chǎn)過程中提供了更準(zhǔn)確和快速的檢測(cè)。然而，它仍然不是自動(dòng)化缺陷檢查的頂峰。

通過結(jié)合人工智能和深度學(xué)習(xí)，不僅可以對(duì)已經(jīng)生產(chǎn)的產(chǎn)品進(jìn)行光學(xué)檢測(cè)圖像處理，還可以識(shí)別缺陷，隨著時(shí)間的推移，可以了解更多不同類型的缺陷（無(wú)需顯式編程）。最終，它的目標(biāo)是進(jìn)行預(yù)測(cè)分析，從而達(dá)到無(wú)錯(cuò)誤的生產(chǎn)。

人工智能和深度學(xué)習(xí)如何能進(jìn)一步改善視覺檢測(cè)過程

盡管自動(dòng)化光學(xué)系統(tǒng)是一種強(qiáng)大的缺陷檢測(cè)方法，但它們?nèi)匀幌鄬?duì)較慢、不準(zhǔn)確且維護(hù)成本昂貴。隨著工業(yè)4.0的快速轉(zhuǎn)型。在美國(guó)，大多數(shù)公司都不能再浪費(fèi)時(shí)間和資源在長(zhǎng)期設(shè)置上。例如，由于AOI很難隔離（例如，光照、曲率變化、顏色等）的許多變量，最終的裝配驗(yàn)證程序極其困難。雖然統(tǒng)計(jì)模式匹配可以幫助容忍一些變化的項(xiàng)目的外觀，復(fù)雜的表面紋理和圖像質(zhì)量問題可以提出一些嚴(yán)重的檢查挑戰(zhàn)。

此外，機(jī)器視覺系統(tǒng)通常無(wú)法處理以下問題：

它們無(wú)法正確區(qū)分視覺相似部分之間的變化和偏差。

此外，他們還難以正確區(qū)分“功能”缺陷（幾乎總是導(dǎo)致拒收）和“外觀”缺陷（部件整體外觀的一些輕微問題，制造商認(rèn)為這些問題并不重要）。

計(jì)算機(jī)視覺和基于深度學(xué)習(xí)的系統(tǒng)已經(jīng)成為AOI系統(tǒng)的有力替代品，解決了上述缺點(diǎn)。

什么是計(jì)算機(jī)視覺？

計(jì)算機(jī)視覺是人工智能和機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域，它基于特定的算法和其他方法，使計(jì)算機(jī)能夠理解數(shù)字圖像的內(nèi)容。簡(jiǎn)而言之，計(jì)算機(jī)視覺軟件試圖再現(xiàn)人類視覺的能力。

大多數(shù)計(jì)算機(jī)視覺工具的目標(biāo)是解決兩個(gè)特定的任務(wù)：

對(duì)象分類：模型是在特定對(duì)象（例如缺陷圖像）的數(shù)據(jù)集上進(jìn)行訓(xùn)練的，然后它將新對(duì)象分類為屬于您的一個(gè)或多個(gè)訓(xùn)練類別。

對(duì)象識(shí)別：對(duì)模型進(jìn)行訓(xùn)練，以識(shí)別對(duì)象的特定實(shí)例。例如，當(dāng)它確定圖像中的兩個(gè)組件時(shí)，可以將其中一個(gè)標(biāo)記為電路板，另一個(gè)標(biāo)記為微控制器。

以下是計(jì)算機(jī)視覺的工作原理：

在本例中，解釋設(shè)備（計(jì)算機(jī)+軟件）是執(zhí)行大部分工作的元素。模型在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的幫助下訓(xùn)練，將傳入的視覺數(shù)據(jù)分解為像素，然后根據(jù)各種參數(shù)對(duì)其進(jìn)行評(píng)估，并與數(shù)據(jù)集中的其他圖像進(jìn)行比較，找到最佳的“匹配”，并對(duì)其進(jìn)行有效的預(yù)測(cè)。

在這一點(diǎn)上，回顧一下什么是深度學(xué)習(xí)是很重要的。

“深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，強(qiáng)調(diào)通過提供一個(gè)例子來(lái)教計(jì)算機(jī)像人類一樣學(xué)習(xí)?！?/p>

與機(jī)器學(xué)習(xí)不同的是，深度學(xué)習(xí)模型不需要不斷地用明確的指令編程來(lái)分析數(shù)據(jù)。通常，這些模型只提供了一個(gè)包含大量相關(guān)信息的數(shù)據(jù)集和一些初始參數(shù)，以便對(duì)數(shù)據(jù)進(jìn)行操作。他們可以攪亂這些數(shù)據(jù)，并自學(xué)預(yù)測(cè)哪個(gè)輸出（例如，分類）準(zhǔn)確與否。

神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)模型可以幫助克服當(dāng)前AOI系統(tǒng)的局限性。

基于深度學(xué)習(xí)的缺陷檢查在評(píng)估復(fù)雜表面和檢測(cè)諸如劃痕或凹痕等外觀缺陷時(shí)尤其有效。此外，這些系統(tǒng)能夠更精確地檢查或根據(jù)某些項(xiàng)目的定義特征對(duì)其進(jìn)行分類——即使這些特征以微妙但可接受的方式發(fā)生變化。

此外，當(dāng)分析難以捕獲的視覺元素時(shí)，它們更具有適應(yīng)性。Infopulse團(tuán)隊(duì)最近與一家德國(guó)制造商共同開發(fā)的一個(gè)項(xiàng)目就是一個(gè)很好的例子。他們成功推出了一款物聯(lián)網(wǎng)設(shè)備，能夠捕捉和識(shí)別老式儀表上的數(shù)字，盡管7段LCD顯示器存在圖像缺陷，如凝視、白點(diǎn)、物體或人的反射等。為此，我們的團(tuán)隊(duì)不得不構(gòu)建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN），能夠在不到2秒的時(shí)間內(nèi)捕獲并處理圖像，為客戶節(jié)省了大量手工數(shù)據(jù)采集的操作費(fèi)用。類似的計(jì)算機(jī)視覺解決方案也可以用來(lái)分析不同類型的視覺缺陷。

計(jì)算機(jī)視覺算法和應(yīng)用可以通過深度學(xué)習(xí)或機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)。后者通常更適合于執(zhí)行與測(cè)量、測(cè)量和執(zhí)行精確對(duì)準(zhǔn)相關(guān)的評(píng)估。然而，深度學(xué)習(xí)系統(tǒng)可以極大地補(bǔ)充基于ml的系統(tǒng)，因?yàn)樗试S將以前需要特定人類專業(yè)知識(shí)的視覺和聲音檢查計(jì)算機(jī)化。這項(xiàng)技術(shù)拓寬了計(jì)算機(jī)和照相機(jī)/傳感器能夠精確檢測(cè)的范圍。

基于深度學(xué)習(xí)的智能缺陷檢測(cè)應(yīng)用

考慮涉及高價(jià)值制造業(yè)的行業(yè)的重要性——航空航天、汽車、建筑、醫(yī)療器械。零部件上的缺陷可以被證明是致命的。

同時(shí)，這些行業(yè)（就像許多其他行業(yè)一樣）面臨著更快“進(jìn)入市場(chǎng)”的壓力，如果它們要保持競(jìng)爭(zhēng)力并滿足客戶/客戶的生產(chǎn)期限的話。計(jì)算機(jī)視覺和深度學(xué)習(xí)可以證明是應(yīng)對(duì)這些壓力的方法，同時(shí)還能確保零部件沒有缺陷。

以下是一些由不同行業(yè)的制造商執(zhí)行的概念部署和技術(shù)證明的例子：

1.航空業(yè)

這不僅是一個(gè)滿足對(duì)飛機(jī)所有零部件生產(chǎn)要求和規(guī)格的問題，而且是一個(gè)在事后發(fā)現(xiàn)缺陷時(shí)代價(jià)高昂的延遲問題。

據(jù)波音公司稱，在2.6萬(wàn)億美元的航空服務(wù)市場(chǎng)中，70%的份額用于質(zhì)量和維護(hù)?？紤]到僅2016年美國(guó)的機(jī)械問題就估計(jì)耗資超過5億美元，這應(yīng)該不足為奇。此外，航班延誤（許多乘客滯留）約有三分之一與維修有關(guān)。

視覺檢測(cè)技術(shù)與DL相結(jié)合，可以將組件與規(guī)格進(jìn)行比較，發(fā)現(xiàn)生產(chǎn)過程中的缺陷。除此之外，制造商還應(yīng)滿足定期維護(hù)要求，以確保乘客安全，并遵循政府的指導(dǎo)方針。這些技術(shù)可以識(shí)別以下缺陷和問題：

腐蝕-計(jì)算機(jī)視覺系統(tǒng)可以在更短的時(shí)間內(nèi)對(duì)各個(gè)部件進(jìn)行檢查，并返回更徹底的檢查結(jié)果。

發(fā)動(dòng)機(jī)內(nèi)部部件的磨損-對(duì)發(fā)動(dòng)機(jī)內(nèi)部部件進(jìn)行遠(yuǎn)程目視檢查，以確保有效和安全的運(yùn)行。

鋁板厚度（通過三維測(cè)量）-厚度計(jì)可以提供高精度，無(wú)損讀數(shù)對(duì)大型和復(fù)雜的鋁板;并將收集到的數(shù)據(jù)上傳到您的系統(tǒng)進(jìn)行進(jìn)一步的分析。

自動(dòng)車輪檢查-接收有關(guān)飛機(jī)車輪疲勞裂紋的即時(shí)數(shù)據(jù)。通過使用由計(jì)算機(jī)視覺驅(qū)動(dòng)的系統(tǒng)，操作人員不必浪費(fèi)時(shí)間在冗長(zhǎng)的檢查上，可以專注于手頭的其他工作。

葉片在制造或修理后的檢查-計(jì)算機(jī)射線照相和數(shù)字射線照相可用于檢查葉片的關(guān)鍵缺陷。因此，無(wú)需使用數(shù)字格式的化學(xué)品，就可以快速獲得圖像。后者可以進(jìn)一步進(jìn)行失效分析，并帶來(lái)精確的三維測(cè)量。

2.汽車行業(yè)

安全問題讓OEM和一級(jí)供應(yīng)商夜不能寐。這是乘客的風(fēng)險(xiǎn)/死亡問題，也是公司聲譽(yù)的問題。最近，豐田同意支付13億美元的和解金，原因是一項(xiàng)缺陷導(dǎo)致汽車加速，即使司機(jī)試圖減速。美國(guó)有6人死于這種缺陷。

利用視覺檢查、人工智能和深度學(xué)習(xí)的認(rèn)知能力，原始設(shè)備制造商可以更準(zhǔn)確地分析和識(shí)別質(zhì)量問題，甚至在問題發(fā)生之前就解決它們。隨著時(shí)間的推移，當(dāng)他們熟悉更多類型的缺陷時(shí)，這些可視化的洞察和分析可以確定缺陷的嚴(yán)重程度。

一家領(lǐng)先的汽車制造商采用智能光學(xué)檢測(cè)解決方案來(lái)檢測(cè)金屬表面的劃痕和凹痕缺陷。對(duì)于人類檢查員來(lái)說，在光亮的表面上發(fā)現(xiàn)這樣的缺陷是極其困難的。傳統(tǒng)的機(jī)器檢查也沒有什么幫助，因?yàn)橄到y(tǒng)不能捕獲不可預(yù)測(cè)的凹痕或劃痕缺陷。另一個(gè)問題是，該系統(tǒng)必須由人類員工進(jìn)行培訓(xùn)，提供有缺陷部件的圖像，教會(huì)它分辨哪些部件是可以接受的，哪些部件是不可接受的。然而，公司一開始就有一個(gè)相當(dāng)?shù)偷娜毕萋?，它花費(fèi)了他們大量的時(shí)間和精力來(lái)收集一個(gè)小的可視化數(shù)據(jù)集來(lái)表示足夠的缺陷變化。最終，他們選擇了一個(gè)更“智能”的系統(tǒng)，并很快意識(shí)到采用后的好處如下：

降低66%的檢驗(yàn)成本

假陽(yáng)性率降低33%

假陰性率維持在1%以下

3.計(jì)算機(jī)設(shè)備制造業(yè)

自動(dòng)光學(xué)檢測(cè)（AOI）曾經(jīng)是制造業(yè)計(jì)算機(jī)設(shè)備的自然選擇，特別是由于對(duì)小型電路板設(shè)計(jì)的需求正在增長(zhǎng)，而且在某些情況下，缺陷可能被證明是高度有害的。

除此之外，AOI還可以檢測(cè)到：

區(qū)域缺陷

組件偏移

焊料問題

外來(lái)材料

高度和體積缺陷

短路

安裝錯(cuò)誤

當(dāng)為AOI檢查設(shè)置規(guī)格和方差裕度時(shí)，它們要比人工檢查精確得多。然而，AOI系統(tǒng)仍然無(wú)法檢測(cè)到設(shè)備的“外觀”問題。

這就是為什么富士通實(shí)驗(yàn)室一直在率先為電子行業(yè)開發(fā)支持人工智能的識(shí)別系統(tǒng)，并在質(zhì)量、成本和交付方面報(bào)告了大量進(jìn)展。通過遺傳編程，該公司的圖像識(shí)別系統(tǒng)實(shí)際上生成了檢測(cè)代碼，能夠產(chǎn)生幾乎100%的識(shí)別率。將該技術(shù)應(yīng)用于生產(chǎn)現(xiàn)場(chǎng)，開發(fā)時(shí)間減少80%左右，識(shí)別率達(dá)到97%。

然而，不僅僅是高價(jià)值的制造可以使用自動(dòng)化的視覺檢查和人工智能?？紤]一下這兩個(gè)來(lái)自以消費(fèi)者為基礎(chǔ)的行業(yè)的例子。

4.紡織行業(yè)

在某個(gè)時(shí)刻，我們所有人都買了衣服，發(fā)現(xiàn)里面貼著“被（某個(gè)數(shù)字）檢查過”的小標(biāo)簽。這意味著人工檢查產(chǎn)品在縫紉、織造等方面的缺陷，并確定其符合公司的質(zhì)量規(guī)格。顯然，這是一個(gè)代價(jià)高昂且容易出錯(cuò)的過程。接受有缺陷產(chǎn)品的客戶必須經(jīng)過退貨/換貨程序，這是公司不喜歡的。

自動(dòng)視覺檢查的實(shí)現(xiàn)，以及DL功能，現(xiàn)在可以檢測(cè)紋理、編織、縫合，甚至顏色匹配的問題。當(dāng)發(fā)現(xiàn)缺陷時(shí)，不僅可以將紡織品或產(chǎn)品從生產(chǎn)線上移除，而且還可以發(fā)現(xiàn)缺陷的根源，并在未來(lái)進(jìn)行修復(fù)和預(yù)防。

同時(shí)，可以對(duì)這些系統(tǒng)進(jìn)行微調(diào)，以接受更大范圍的容錯(cuò)能力。例如，Datacolor的人工智能系統(tǒng)可以考慮過去由人工操作人員進(jìn)行的視覺檢查的歷史數(shù)據(jù)，從而創(chuàng)建與視覺檢查樣本更接近的自定義公差。

紡織業(yè)最新的人工智能用例之一是創(chuàng)建一個(gè)檢測(cè)和測(cè)量織物褶皺的系統(tǒng)。目前織物起皺性能的測(cè)量大多是手工進(jìn)行的，比較繁瑣。計(jì)算機(jī)視覺驅(qū)動(dòng)的皺紋測(cè)量可以幫助制造商降低成本和時(shí)間所需的這一過程。

5.玻璃行業(yè)

這個(gè)行業(yè)經(jīng)常面臨的問題之一是玻璃在生產(chǎn)過程中的缺陷——切屑、劃痕等。通常，當(dāng)前的檢測(cè)方法會(huì)產(chǎn)生“假陽(yáng)性”，例如水滴被識(shí)別為切屑。

通過自定義計(jì)算機(jī)視覺和人工智能模型的實(shí)現(xiàn)，可以消除這些類型的錯(cuò)誤。在一個(gè)案例中，正確的缺陷識(shí)別為一家大型玻璃制造商在每條生產(chǎn)線上平均節(jié)省了3.6萬(wàn)美元，總計(jì)每年節(jié)省近100萬(wàn)美元。

結(jié)論

質(zhì)量控制仍然是一個(gè)公司保持制造標(biāo)準(zhǔn)、客戶滿意度以及最終聲譽(yù)和利潤(rùn)的主要因素。計(jì)算機(jī)視覺和深度學(xué)習(xí)在幾乎每個(gè)工業(yè)部門都具有巨大的質(zhì)量控制潛力。如此之多，以至于大多數(shù)高管計(jì)劃在未來(lái)3年內(nèi)將認(rèn)知計(jì)算在運(yùn)營(yíng)優(yōu)化方面的應(yīng)用增加一倍。