签到
EN

6月复工复产,制造业迎来了第一个好消息

16浏览
2022/06/28 03:01发布
吴思
西北工业大学
学生
推荐查看——6月复工复产,制造业迎来了第一个好消息

制造界导读:前段时间,我一个在美国工作的朋友反复问我,他说国内现在是不是发展的很好了?因为他看到美国媒体常常宣称和讨论,中国是不是有可能在AI、云计算和工业互联网方面超过美国?

我对他说,目前我国出现了像华为云、阿里云、百度飞桨、亮风台、金现代等一大批为制造业赋能的数字高科技企业,他们深入到各行各业,为制造业实现数字化、智能化,提供各种各样的解决方案。

 

6月份,制造业有序复工复产。今天,我在百度AI公众号看到这样一篇文章“工业零部件质检解决方案详解,让AI质检一步到位!”顿觉眼前一亮,我想这应该是制造业复工复产后的第一个好消息!采用AI视觉替代人工质检零部件,多么棒的一个创意!于是制造界赶紧转载了该文,欢迎制造界同仁讨论、交流。

工信部联合国家发展改革委、教育部、科技部等部门发布了十四五智能制造发展规划。规划中提出:到2025年70%规模以上的制造业企业基本要实现数字化网络化,建成500个以上引领行业发展的智能制造示范工厂。

1/  制造业离不开质检  质检需要 AI 智能化赋能 
制造业企业生产效率、良品率、能源利用率等要明显提升。其中提到的生产效率和产品良品率是与工业质检息息相关的,而 AI 质检的加入也在这场智能制造发展趋势下被寄予厚望。
质检对于制造企业来说是非常重要的一个环节,眼睛里能看见的产品都是通过了质量检测。而每个产品的内部都包含了各种金属零部件,这些金属零部件也是需要质量检测的。
当然,针对这些产品的质检标准和方式在每个行业都不一样。我们今天的分享将聚焦到质检中的细分领域:金属零部件的外观质量视觉检测。
 
首先,大家可以看下图,来自部分用户寄来的金属零件样本:切割机压板、金属序列号。针对这些零件,工厂的诉求都是要对其外观瑕疵进行视觉检测。
 
图片
那么传统常规的质检方式是怎样的呢?
方法一:人工视觉检测
依靠人工的方式存在几个问题:
  • 检测标准不统一,每个人的检测结果也会有差别,不可能复制;

  • 劳动强度大,工人很容易产生视觉疲劳,从而导致误检/漏检率上升。同时也可能会有工人操作安全隐患;

  • 人工质检的培训成本很高,周期长,每一次的培训结果也不可能复制。假如陆续要100个质检岗位,就预示着需要培训100次。

方法二:传统机器视觉检测
这种方法只能解决一些特定的问题。如果是在特征装备场景比较复杂的情况下,或者金属反光零件表面检测这类情况,传统机器视觉检测的漏检率就不好控制了。而且传统视觉检测的整个部署周期比较长,成本也是很多工厂承担不起的。
在走访过几十家工厂车间后,能够直观地了解到,每一个工厂的构建是有差异的,而且质检的内容和标准也是各不相同。如果针对每家产品成立算法团队去进行模型训练,算法工程师完全不够用,且人力成本也是一笔不小的投入。
图片
但如果使用飞桨 EasyDL 零门槛 AI 开发平台进行 AI 模型搭建,工厂的普通技术工人就能胜任,面向零算法基础人群、简单易上手。接下来,我们从具体几个金属零部件视觉质检案例,进一步了解 AI 质检。
 2 / 飞桨 EasyDL 工业质检 案例展示 
金属零部件具备一些特点,比如:反光、有电镀层、正反面识别、复杂金相识别等。但这些特性在飞桨 EasyDL 视觉检测中,恰恰不用担心。
以下图为例,这是一家检测螺纹口的公司提供的样本。可以看到螺纹口由于磨损或润滑不够导致有拉丝或疤痕的状态。同时由于螺纹口本身尺寸不大,与一毛钱硬币相比还要小几分,因此如果通过肉眼观察,很难分辨出哪一个是合格或不合格。
图片
螺纹口样本
根据样本特征进行采集,并使用飞桨 EasyDL 针对零件进行 AI 检测模型创建,标注出哪些样本为合格,哪些是不合格。
图片
标注瑕疵
标注后在飞桨 EasyDL 平台进行训练并最终部署到边缘计算模块。如果出现蜂鸣和红灯提示,说明这个零件是不合格的,如果绿灯亮起,说明这个零件是合格的。
图片
检验效果
 
如何建立以飞桨 EasyDL 为核心的 AI 质检系统,仅需几步即可完成。首先是样本分析采集,其次是基于飞桨 EasyDL 的深度学习模型训练,最后再到边缘计算的部署。大家可以发现,AI 质检系统中不仅需要核心算法,还需要很多的硬件支撑,彼此相辅相成。接下来详析带大家拆解步骤。

 

 

 

第一步:样本采集

将部分模拟量转换成可以量化的数字量。比如,这些金属零件上的划痕、瑕疵,或者是零件装配上的位置信息等,都需要将这些信息采集之后传达飞桨EasyDL。初始数据采集的准确性直接影响到后面模型训练的准确度。
图片
在这里就要提到一个很重要的配件,即样本采集用的镜头,它就相当于飞桨 EasyDL 在真实生产流水线上的智能眼睛。采用什么样的镜头,也就意味着让 AI 能看到什么样的内容。这里有两个关键点:如何操作镜头以及如何为样本匹配一个合适的镜头。
 
图片
先说操作镜头。针对 AI 质检选取的都是工业专用的镜头,其使用逻辑和原理与日常摄影镜头并无二致。因此我们需要了解一些摄影相关技术,如:焦距、变焦、定焦、微距、快门、光圈、感光度、噪点等,都属于摄影的基础知识。这些知识对样本采集起到很好的辅助作用,毫不夸张地说:成功的 AI 样本采集是从一张信息准确且直观的照片开始
 
熟悉镜头操作后,就需要给实际样本匹配镜头。从样本大小、远近、位置和运动的模式等方面综合考虑。比如我们上面提到的螺纹瑕疵,可以选择微距,从而让瑕疵很快被镜头捕捉到。样本取样中需要争取每个角度都有侧重,甚至要关注不同光线下的样本选取。
 

 

 

第二步:样本标注

在数据准备完成后导入飞桨 EasyDL 进行标注,在这里需要注意标签和标注的重点。
 标签 
标签是围绕着样本要表达的信息和实际部署场景展开的。比如外壳的划痕检测,工厂要求一旦出现划痕就视为不合格,或者是装配位置有一个螺丝,也视为不合格。所以在建立标签的时候,一定要按照实际的质检需求和流程设定标签。
 
 标注 
标注也是飞桨 EasyDL 中非常重要的环节,需要将图像中涉及的瑕疵全部准确框定标注。利用平台提供的自动标注、纠错、评估报告等反复确认标注信息的准确无误。
在这里提到评估报告中的 maP 值,有98%、99%这样的数值体现,这是深度学习领域里面衡量模型效果的指标。98%并不是说有2%的错误率,需要结合评估报告了解详情。
 
图片
准确的标注对模型效果至关重要

 

 

第三步:模型部署

训练好的 AI 模型需要部署到边缘计算模块或者叫边缘计算相机。本次案例中使用到到的边缘计算相机是集成度很高的产品“辨影”,部署简单且接口丰富。在飞桨 EasyDL 中训练好的模型通过多种方式可直接部署到辨影中,整个部署过程中不需要再编写任何代码。
辨影本身自带高灵敏度的液晶触摸屏,在不用外接显示器的情况下就可以对模型进行管理,比如:图像的自动拍照、采样以及各种调节等,且内置了蜂鸣器,可对效果验证给到提示。在接口方面包含了现在大部分的常用输入和输出接口,支持多种触发方式和信号输出。也可以外接摄像头或各种视频信号,也可以连接到 PLC、单片机、网站、服务器和手机 APP 等。
 
图片
边缘计算模块(辨影)工作流程图
 
最终通过边缘相机验证模型检验效果。到这里就完成了用飞桨 EasyDL 进行 AI 质检模型训练过程。
3 / 哪些质检项目  适合用 AI 来完成检测呢? 
那么,哪些质检项目适合用 AI 来完成呢?
「如果能够一眼看出来的区别和变化,就可以尝试使用 AI 来完成」
这是一个简单直接的判断方式,当然,产业用户更多分布在汽车、金属加工、3C电子等领域,这类用户对自动化及 AI 的理解更多面一些。
除此之外,手工生产产品的 AI 质检领域也非常广阔。虽然目前我国正在进行产业转型,但仍然有大量工厂依赖人工生产及质检。一个工人一天要手工挑选上万件产品,比如一根 USB 线,注塑完后有没有问题,压铸有没有问题,都是在靠人工检查。又或者是拉锁的识别,需要检查拉锁是否有缺齿,这些都占据工人大量精力。应用 AI 减少重复性劳动、提升质检效率,并且能够高标准确保品控。
总结一下,飞桨EasyDL的部署在工业质检上有如下三点优势:
  • 人员成本低
  • 操作学习成本低
  • 部署场景要求低
说了这么多,大家可以在官网自行体验一款 AI 模型的创建过程,从而才能发现AI与产业结合中的问题,并分析解决。
*内容来源:制造界,侵权必删
吴思
西北工业大学
学生
文章132
·
总浏览量74248
最新文章
更多
前沿科技盛会:南京AIGC与元宇宙论坛引爆行业新风向!
杨展
33343
浏览
顶刊JDE | 外资冲击波下的质量危机!中国出口产品质量下滑是为哪般?
经济学前沿问题研究
22
浏览
【EI检索】2024年第一届先进能源材料、能源器件与能源系统国际会议(AEMDS 2024)
杜金桐
7
浏览
探索生成式AI产品新纪元,2024 全球产品经理大会重磅来袭!
小助手
3352
浏览
2024全球机器学习技术大会上海站圆满闭幕,共奏AGI变革新时代
杨展
5580
浏览
第七届机械工程与应用复合材料国际会议(MEACM 2024)
李思傲
12
浏览
热门用户
学术前沿速递
学术前沿速递
文章
300
学说观点
学说观点
文章
300
AIGC交流社区
学说官方
文章
240
未央网
未央网
文章
233
毕宣
中央财经大学
文章
185
王凯
T. Rowe Price
文章
181
热门文章
更多
经济学入门必读书籍有哪些值得推荐?
楚健
·
1158
浏览
绿色信贷能否提高商业银行的核心竞争力?基于中国的准自然实验
创新研究
·
776
浏览
研究方法 | 文献资料分析方法大全!收藏
周舟
·
696
浏览
最新综述!AIGC到底是什么?都有哪些应用?一文尽览!
AIGC交流社区
·
682
浏览
如果经济学家连股都不炒,那他们都在干什么呢?
李博
·
663
浏览
数电票的26个问题,税局统一回复!
张俊熙
·
659
浏览
“特斯拉”打败了“星巴克”
张子瑞
·
639
浏览
会议预告|清华五道口绿色金融讲座第一期,邀您探讨“碳达峰碳中和——中国发展转型的机遇和挑战”
学术会议动态
·
3311
浏览
文献资料分析方法大全,建议收藏!
楚健
·
568
浏览
研究方法:文献资料分析方法
周舟
·
564
浏览