logo

AI+机器视觉,如何助力高质量发展?

1.gif


2023年12月,工信部发布的《制造业卓越质量工程实施意见》强调,质量是制造业的生命线,推动产业从数量扩张向质量提升是新时期制造业高质量发展的现实需要。


在这一进程中,制造业工厂智能化水平不断提高。比如在工业产品检测领域,工程师们就把AI变成了“新工人”,来帮助工厂解决那些棘手的问题。


2.webp.jpg


尽管制造业很早就利用工业相机等数据采集设备对产品实施检测,但是采集到的数据还是要通过人工识别和判定,效率低不说,质量稳定性也难以保证。


机器学习算法的突破,提供了一种可能性,就是基于过往积累的数据训练AI模型,然后让其自主判定产线相关检测数据,进而克服人工判定的低效与高错误率等问题。由此,AI+机器视觉,为工业智能开启了一道缝隙。


什么是机器视觉?

根据美国自动成像协会(AIA)的定义:机器视觉(Machine Vision)是一种应用于工业和非工业领域的硬件和软件组合,它基于捕获并处理的图像为设备执行其功能提供操作指导。


机器视觉可以分为成像和图像处理分析两大部分:成像依赖于机器视觉系统的硬件组件,如光源、光源控制器、镜头和相机;图像处理分析则是在成像基础上,通过视觉控制系统进行的。


机器视觉系统的核心功能包括:识别、测量、定位和检测。


上述功能的难度是逐次递增的,因此,生产检测也是最能展现机器视觉“功力”的领域之一。


目前,机器视觉技术已经广泛应用于消费电子、汽车制造、半导体、光伏等领域,且市场规模在不断扩大。


3.webp.jpg


源自半导体制造业场景的AI视觉检测

2018年,格创东智由TCL孵化而出,带着TCL在解决特定问题上积累的数字化能力,并以此为基础发展出一系列相关产品和解决方案。


深厚的行业Know-How成为格创东智的天然优势。不同于一些AI企业是带着技术去找场景和客户,他们本身就是具体场景孕育的结果,所以甫一降生,就带有很好的理解场景和客户需求的基因。


格创东智的机器视觉检测方案——天枢AI视觉检测系统是其工业智能解决方案中的一个细小分支,源自TCL华星的半导体面板生产检测。


面板生产过程的每一个关键制程都需要AOI(自动光学检测)设备拍摄图片,进而识别相关缺陷。早期通过人工进行缺陷分类,只有分类好了,才能知道下一步该怎么处理。整个流程有一百多个制程,需要大量的人工去做每一个关键制程。


机器视觉技术兴起后,格创东智携手TCL华星开发了AI视觉检测系统,基于人工智能技术进行图片的识别分类。


方案实施后,首先是大幅提升了检测效率,能够代替百分之八九十的检测人员,一天可以检测将近三百多万张图片。其次是提升了检测精度,因为能够有效避免人员易疲劳、人与人之间的认知差异等问题。


此后,随着技术成熟度的提升,格创东智的机器视觉方案逐步从半导体行业外溢,目前已经成功赋能光伏、3C电子、家电、石油石化、航空航天等22个细分行业。


4.webp.jpg


AI模型如何赋能生产制造?

AI赋能机器视觉检测的过程,经历了一个从小模型到大模型,再到“小模型”的路径。

初期,格创东智先结合深厚的行业数据积累和对特定工业场景及检测指标的深入理解,再融合机器学习算法,构筑了针对特定检测场景的小模型。


小模型的构建旨在紧密匹配特定的业务场景和需求,强调的是针对性和高适应性。通过专注和定制化的开发过程,小模型能够在满足行业特定需求的同时,提高操作效率和决策质量。


但是,小模型存在过拟合的风险,即模型太过专注于训练数据集中的细节和噪声,以至于它在新的、未见过的数据上表现得不好。这使得其落地前提是必须对数据进行规范化和标准化,使得数据分布和比例达到最佳状态。模型的开发和调优需要专业人员的参与,要求他们既熟悉AI技术,也了解行业专业背景知识。


而很多客户企业并没有这样的人才储备。


2022年,大模型技术的突破给上述问题的解决带来了希望。


相比于小模型,大模型有更强的兼容性和稳定性。大模型的设计不受数据复杂性的限制,无需对场景理解过于深入,只需足够多的数据进行训练,无需过多的参数调整或架构设计。在更加简便地处理各种类型的数据的同时,还不会出现过拟合的现象。

概言之,大模型的出现可以大幅降低模型落地的门槛。


5.webp.jpg


长期思索于如何将机器视觉系统变得更好、更容易落地的格创东智积极响应大模型的技术潮流,基于已有的大量数据和小模型来训练和开发自己的大模型。


但是要直接把大模型落地在客户侧又存在新的问题,就是在实时工业场景中推理需求的高资源消耗与成本压力难以满足连续快速检测与生产流程的无缝对接。


格创东智的解决办法是,先在内部训练大模型,而后再针对特定场景进行“模型瘦身”。这样做的好处是,利用大模型进行学习和提取特征,可以更高效地训练出小模型,训练过程中所需的数据量也大幅减少,使得模型的落地应用变得更加便捷和可行。


此外,为了提高产品交付性,天枢AI视觉检测系统还开发了可视化功能,通过将模型开发过程简化为直观的拖拉拽操作,使得非AI专家的普通IT人员也能轻松开发和优化AI模型。


客户可以从一系列预设的子模型和算法中选择,通过简单的操作将它们组合起来,构建出满足特定需求的模型,无需深入了解背后复杂的算法细节。这样一来,很多客户企业无需额外投入巨大的人力成本,就可以享用到最新的机器视觉技术的赋能。


AI对工业智能进程的影响有多大,除了机器视觉领域,工业智能应用还能通过精准控制、智能分析、自动化生产、质量追溯等多种手段,能有效提高产品质量,引领制造业的数字化转型升级。


以“智”提质,引领工业智能新时代。在实现新型工业化的征程中,格创东智将持续发挥自身技术优势,致力于将更多软硬一体的数字化应用成果转化为实际生产力,为高质量发展注入源源不断的新动能,探索工业智能的无限可能。

6.gif


上一篇:质价比之王 震撼来袭丨雷赛MC300中型PLC助力智能制造升级换代! 下一篇:华为胡静宜:发展工业互联网,推进新型工业化
最新资讯