內(nèi)容提要：日本第一 IT 廠商富士通，于近日宣布開發(fā)了用于檢測產(chǎn)品外觀異常的 AI 技術(shù)，從而節(jié)省人力成本、材料成本等，同時(shí)也可節(jié)省聲譽(yù)損失和退貨/召回相關(guān)的成本，「無人工廠」已來。
關(guān)鍵詞：機(jī)器視覺 產(chǎn)品缺陷檢測 質(zhì)量控制
去年 11 月，蘋果開始在全球范圍內(nèi)的召回 AirPods Pro，原因是：在 2020 年 10 月之前出廠的 AirPods Pro，可能會(huì)出現(xiàn)發(fā)出爆裂聲或靜電噪音，并在嘈雜環(huán)境中、運(yùn)動(dòng)時(shí)或通話時(shí)增大等狀況。
不想這件事情過去才剛剛一個(gè)月，在 2020 年 12 月，蘋果又發(fā)起新一輪召回計(jì)劃，針對(duì)的是之前 iPhone 11 屏幕觸控失靈問題。
此次召回再次遭到消費(fèi)者的吐槽:「品控真的差成這樣了嗎?」
一次次的缺陷產(chǎn)品召回，不僅對(duì)蘋果的聲譽(yù)造成損失，也讓其在一定程度上失去了消費(fèi)者的信任。
因此，除了產(chǎn)品性能指標(biāo)外，品控對(duì)于企業(yè)來說也至關(guān)重要。
隨著人們消費(fèi)水平的提高，對(duì)于電子產(chǎn)品的需求增多，工廠的出貨壓力也隨之增加。而品控環(huán)節(jié)基本都是依賴人工檢測，在高強(qiáng)度工作之下，質(zhì)檢員可能因?yàn)橐曈X疲勞、精神不集中等出現(xiàn)更多錯(cuò)檢、漏檢情況。
如何在保證檢測效率的情況下，提高產(chǎn)品良率?富士通決定用 AI 技術(shù)來解決。
富士通求變，用 AI 代替人工質(zhì)檢員
作為亞洲最大、世界第五的 ICT 供應(yīng)商，富士通的產(chǎn)品涵蓋計(jì)算機(jī)、半導(dǎo)體、中間件等，在日本、中國、美國等多個(gè)國家設(shè)有眾多工廠。
在全球都制造業(yè)都在推動(dòng)智能制造的趨勢下，這家成立 86 年的企業(yè)，也正在利用人工智能等前沿技術(shù)，提升產(chǎn)線的生產(chǎn)效率。
富士通大約在 10 年前，開始推動(dòng)智能制造進(jìn)程
近日，富士通實(shí)驗(yàn)室宣布，公司已經(jīng)成功開發(fā)了一種用于圖像檢查的 AI 技術(shù)，該技術(shù)可以高度精確地檢測制成品上的各種外部異常，包括劃痕和生產(chǎn)錯(cuò)誤的等。同時(shí)，該技術(shù)也大大減少了產(chǎn)品的質(zhì)檢人力與時(shí)間成本。
機(jī)器視覺給產(chǎn)品「挑刺」，又快又準(zhǔn)
長期以來，產(chǎn)品質(zhì)量檢測都是依賴人工肉眼檢測，這樣的方式，不僅效率低，而且很容易因人為因素，造成漏檢、錯(cuò)檢、標(biāo)準(zhǔn)不統(tǒng)一等問題。
為此，富士通決定用機(jī)器視覺代替人類肉眼，來檢測成品的外部異常。「AI 質(zhì)檢員」可根據(jù)產(chǎn)品的近似形狀、詳細(xì)結(jié)構(gòu)和質(zhì)地等特征，確定產(chǎn)品是否有缺陷。
富士通提出的方法(上)與此前常規(guī)方法對(duì)比
前者檢測圖像更清晰，檢測結(jié)果也更準(zhǔn)確
在不同類型的測試中，「AI 質(zhì)檢員」也能夠把握檢測重點(diǎn)，精準(zhǔn)分析產(chǎn)品異常。比如，在形狀變形測試中，它會(huì)理解，近似形狀的判斷是最重要的;而在條件或圖案測試中，「AI 質(zhì)檢員」就會(huì)認(rèn)為，紋理的檢測是最重要的。
此外，即使產(chǎn)品看起來正常，但如果涂層、顏色和接線形狀等元素存在個(gè)體差異，AI 也會(huì)針對(duì)每個(gè)項(xiàng)目檢查這些特性，并在檢查的同時(shí)，判斷出個(gè)體差異或異常是否在可接受的范圍內(nèi)。
據(jù)介紹，訓(xùn)練 AI 來執(zhí)行質(zhì)量控制任務(wù)的挑戰(zhàn)在于，此前通常使用個(gè)體特征的加權(quán)和累加指數(shù)來訓(xùn)練模型，如此一來，要?jiǎng)?chuàng)建一個(gè)能夠掌握所有檢查特征的模型，可能會(huì)比較困難。
對(duì)此，富士通已經(jīng)開發(fā)出一種新的 AI 模型訓(xùn)練方法，讓 AI 能夠基于 5000 多種人工物體的圖像庫，生成各種形狀、大小和顏色的材料，并在其中隨機(jī)添加異常，然后用這些帶有異常的圖片訓(xùn)練模型。
AI 給正常圖片添加異常，并對(duì)模型進(jìn)行訓(xùn)練的過程示意圖
在訓(xùn)練過程中，富士通研究人員將正常圖像與 AI 還原后的圖像進(jìn)行比較，評(píng)估每種功能的訓(xùn)練程度，例如近似形狀、詳細(xì)結(jié)構(gòu)和紋理，并控制要添加的異常的大小、顏色和數(shù)量，以便 AI 優(yōu)先學(xué)習(xí)未捕獲的特征。之后，通過對(duì) AI 還原的圖像進(jìn)行評(píng)估，對(duì)其薄弱方面進(jìn)行加強(qiáng)訓(xùn)練。
簡而言之，這一過程相當(dāng)于，AI 自己創(chuàng)造異常，再交給自己進(jìn)行檢測，并將圖像恢復(fù)至正常狀態(tài)，從而在不斷的自我博弈中，精進(jìn)技藝。
富士通在其日本長野工廠的檢驗(yàn)過程中，驗(yàn)證了該技術(shù)的有效性。當(dāng)其 AI 應(yīng)用于外觀正常的產(chǎn)品時(shí)，AUC 得分超過 98%，而且，該技術(shù)將印刷電路板的檢驗(yàn)工時(shí)減少了 25%。
富士通表示，未來公司將進(jìn)一步開發(fā)相關(guān)技術(shù)，應(yīng)用于其 COLMINA 數(shù)字解決方案，實(shí)現(xiàn)企業(yè)的數(shù)字化轉(zhuǎn)型。
從傳統(tǒng)到智能，機(jī)器視覺立大功
在工業(yè) 4.0 時(shí)代，人工智能技術(shù)正在快速滲透工業(yè)領(lǐng)域的各個(gè)場景，改變我們的生產(chǎn)方式。其中，機(jī)器視覺可以說是工業(yè)自動(dòng)化的「眼睛」，產(chǎn)品位置辨識(shí)、檢測、設(shè)備操作定位等，幾乎都離不開機(jī)器視覺技術(shù)。
在工廠質(zhì)量控制體系中，尤其是汽車零部件、3C 產(chǎn)品、芯片等行業(yè)，產(chǎn)品質(zhì)量監(jiān)控和缺陷管理是非常重要的一個(gè)環(huán)節(jié)，極大影響著產(chǎn)品的質(zhì)量和產(chǎn)出速度。此外，這方面的人力成本也占據(jù)了整個(gè)生產(chǎn)成本的較大比例。
以電子制造行業(yè)為例，我國相關(guān)生產(chǎn)線上
與視覺檢測有關(guān)的人工成本，每年達(dá)到約 60 億元
而機(jī)器視覺技術(shù)的進(jìn)步，極大地促進(jìn)了這一環(huán)節(jié)的自動(dòng)化，也大幅度減少了漏檢誤檢等情況。
利用機(jī)器學(xué)習(xí)算法，經(jīng)過過少量圖像樣本訓(xùn)練，AI 就可以在精密產(chǎn)品上，以遠(yuǎn)超人類視覺的分辨率，發(fā)現(xiàn)微小缺陷，提升產(chǎn)品良品率。
相對(duì)于人類視覺而言，機(jī)器視覺在量化程度、灰度分辨力、空間分辨力和觀測速度等方面存在顯著優(yōu)勢。
使用基于深度學(xué)習(xí)的算法，在 PCB 上進(jìn)行零件定位和分段
近年來，國內(nèi)外多家企業(yè)已經(jīng)陸續(xù)將機(jī)器視覺技術(shù)引入生產(chǎn)環(huán)節(jié)。今年年初，亞馬遜就宣布上線機(jī)器學(xué)習(xí)服務(wù) Lookout for Vision，使用機(jī)器視覺技術(shù)，為工業(yè)和制造業(yè)客戶提供產(chǎn)品缺陷及異常檢測服務(wù)。
據(jù)公開數(shù)據(jù)顯示，2018 年，全球用于工業(yè)自動(dòng)化領(lǐng)域的機(jī)器視覺技術(shù)市場規(guī)模達(dá) 44.4 億美元(約合人民幣 290 億元)，預(yù)計(jì) 2023 年將達(dá) 122.9 億美元(約合人民幣 804 億元)，年復(fù)合增長率高達(dá) 21%，市場需求巨大。
隨著相關(guān)技術(shù)的不斷成熟，以及智能制造政策的不斷驅(qū)動(dòng)，機(jī)器視覺技術(shù)的應(yīng)用場景也必然將越來越廣泛，這一賽道的競爭也將相當(dāng)激烈。
文章來源：神經(jīng)小兮 HyperAI
（轉(zhuǎn)載）
