手機(jī)外觀缺陷檢測(cè)一直是業(yè)界的難題，需要檢測(cè)的缺陷種類繁多且變化多端，主要缺陷包括手機(jī)外殼上出現(xiàn)的污點(diǎn)、劃痕、邊緣缺失、裂紋、水跡水印、氣泡、手指紋、異物、油墨、異色區(qū)分等問題。

目前，手機(jī)整機(jī)外觀全檢基本上處于全人工肉眼檢測(cè)的狀態(tài)。由于手機(jī)整機(jī)的精密工業(yè)檢測(cè)需求，使得傳統(tǒng)機(jī)器視覺系統(tǒng)難以通過編程來解決以上這些缺陷檢測(cè)問題。手機(jī)整機(jī)外觀檢測(cè)涉及曲面以及復(fù)雜紋理圖像中細(xì)微劃痕的檢測(cè)需求，只能通過人工肉眼二次復(fù)檢來完成，進(jìn)而增加了額外成本。

人工智能手機(jī)整機(jī)外觀全檢設(shè)備

數(shù)優(yōu)推出的基于深度學(xué)習(xí)算法的AI缺陷檢測(cè)顛覆性產(chǎn)品——人工智能手機(jī)整機(jī)外觀全檢設(shè)備，經(jīng)過一年的在線運(yùn)行與驗(yàn)證，已經(jīng)完全達(dá)到了客戶工業(yè)4.0智能生產(chǎn)車間的技術(shù)指標(biāo)要求，這標(biāo)志著困擾行業(yè)多年的手機(jī)整機(jī)外觀全檢難題終于被攻克。

數(shù)優(yōu)的人工智能手機(jī)整機(jī)外觀全檢設(shè)備，實(shí)現(xiàn)了光電、機(jī)械、人工智能深度學(xué)習(xí)算法等領(lǐng)域的系統(tǒng)整合。其檢測(cè)技術(shù)大量結(jié)合核心人工智能深度學(xué)習(xí)算法、光學(xué)原理、圖像處理、運(yùn)動(dòng)控制及精密機(jī)械等技術(shù)，利用光學(xué)方式采集圖像以獲得產(chǎn)品的表面狀態(tài)，以人工智能算法、圖像處理技術(shù)來檢出產(chǎn)品缺陷或圖案異常等，具有高速度、高精度、高穩(wěn)定性等特性，不論是在生產(chǎn)的制程中進(jìn)行監(jiān)測(cè)或進(jìn)行精密品質(zhì)管理，或是在高科技產(chǎn)品的制造與檢驗(yàn)作業(yè)中，這款人工智能設(shè)備都能發(fā)揮重要作用。

核心技術(shù)介紹

數(shù)優(yōu)最新升級(jí)的人工智能算法軟件SuaKIT2.0，重新定義了AI缺陷檢測(cè)。新技術(shù)的研發(fā)使得缺陷檢測(cè)更精準(zhǔn)、更高效，這次技術(shù)升級(jí)帶來了以下技術(shù)優(yōu)勢(shì)：

1、能夠輕松應(yīng)對(duì)頻繁更換檢測(cè)產(chǎn)品的情況，無需重新建立神經(jīng)網(wǎng)絡(luò)；

2、單一圖片數(shù)據(jù)也可以輕松建立神經(jīng)網(wǎng)絡(luò)；

3、可視化調(diào)試，打開了“黑匣子”，提高檢測(cè)的準(zhǔn)確度；

4、獨(dú)有的自動(dòng)標(biāo)記功能，極大地降低了人工標(biāo)記的時(shí)間；

5、新舊產(chǎn)品更替可以平穩(wěn)過度，零對(duì)接時(shí)間；

6、利用GPU及算法優(yōu)化提高檢測(cè)速度，可以實(shí)現(xiàn)高速產(chǎn)線的實(shí)時(shí)檢測(cè)（最高速度超過10m/s）

相比于傳統(tǒng)機(jī)器視覺檢測(cè)，數(shù)優(yōu)的核心人工智能深度學(xué)習(xí)算法具有以下幾大優(yōu)勢(shì)：第一，解決了傳統(tǒng)視覺無法處理的完全無規(guī)律的復(fù)雜圖像問題；第二，解決了傳統(tǒng)機(jī)器視覺由于抗干擾能力差而造成的漏檢、誤檢率高的問題；第三，解決了傳統(tǒng)視覺中未出現(xiàn)過的缺陷無法識(shí)別、需要連續(xù)不斷的算法補(bǔ)丁的問題；第四，解決了傳統(tǒng)視覺項(xiàng)目周期普遍很長(zhǎng)、導(dǎo)致驗(yàn)證速度慢的問題；第五，解決了傳統(tǒng)視覺對(duì)硬件環(huán)境依賴比較高的問題。

（1）繼續(xù)訓(xùn)練

圖1：繼續(xù)訓(xùn)練。

通過繼續(xù)訓(xùn)練縮短訓(xùn)練時(shí)間，利用之前訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，客戶可以最小化同一行業(yè)中新產(chǎn)品的訓(xùn)練時(shí)間和訓(xùn)練圖像的數(shù)量。

（2）邊界數(shù)據(jù)

圖2：邊界數(shù)據(jù)。

向用戶展示介于正常和缺陷之間的邊界數(shù)據(jù)，抽取出會(huì)影響到模型性能的圖片，經(jīng)過分析之后可以非常容易地提高模型的性能。

（3）圖像比較

圖3：圖像比較。

重點(diǎn)學(xué)習(xí)兩幅圖片之間的差距，即使改變了光學(xué)條件，也能盡量減少費(fèi)用并檢查出缺陷。

（4）多圖像分析

圖4：多圖像分析。

同一產(chǎn)品在不同的光學(xué)條件下拍攝時(shí)，通過分析圖片之間的相互關(guān)系以提高檢測(cè)能力，如把圖片打包檢測(cè)，處理時(shí)間可以大大縮短。

（5）可視化糾錯(cuò)

圖5：可視化糾錯(cuò)。

可以將深度學(xué)習(xí)算法分析并分類的過程可視化。此功能可以檢測(cè)軟件是否在按照使用者的意圖進(jìn)行訓(xùn)練。

解決方案

數(shù)優(yōu)的這臺(tái)人工智能手機(jī)整機(jī)外觀全檢設(shè)備，結(jié)合了數(shù)優(yōu)的核心軟件SuaKIT，可實(shí)現(xiàn)360°自主檢測(cè)，并且可以精準(zhǔn)檢測(cè)到手機(jī)曲面上的缺陷，不但能準(zhǔn)確檢測(cè)到缺陷的位置、形狀，還能自動(dòng)計(jì)算缺陷的長(zhǎng)度、面積、數(shù)量等各種用戶需要得到的信息，并且可以結(jié)合數(shù)優(yōu)的用戶界面，實(shí)時(shí)顯示出檢測(cè)結(jié)果。

圖6：數(shù)優(yōu)人工智能手機(jī)整機(jī)外觀全檢設(shè)備。

這款設(shè)備可以檢測(cè)手機(jī)的上下表面、側(cè)面和邊緣，實(shí)現(xiàn)手機(jī)外觀全檢。每部手機(jī)的檢測(cè)時(shí)間<15s，檢測(cè)精度可達(dá)20μm。

該設(shè)備能完全將人工解放出來，達(dá)到無人自動(dòng)化檢測(cè)，并且可以達(dá)到高精確度的客戶需求，包含：

污點(diǎn)、劃痕、邊緣缺失、裂紋、水跡水印、氣泡、手指紋、異物、油墨、異色區(qū)分檢測(cè)；

多工藝物料需要在一套算法系統(tǒng)中解決；

檢測(cè)區(qū)域包括表面、背部、側(cè)端、邊角等多面檢測(cè)；

檢測(cè)準(zhǔn)確度達(dá)到99.97%以上，檢測(cè)精度最小達(dá)到1Pixel；

具備剔除分類功能，針對(duì)缺陷類型可做返工或報(bào)廢分類；

可以直接兼容到工廠現(xiàn)有產(chǎn)線上。

圖7-圖10給出了幾個(gè)檢測(cè)案例圖。

圖7：GalaxyS8+背面劃痕檢測(cè)。

圖8：GalaxyS8+側(cè)面的污點(diǎn)檢測(cè)。

圖9：手機(jī)背面復(fù)雜紋理圖像中的細(xì)微劃痕檢測(cè)。

圖10：手機(jī)側(cè)面曲面的污點(diǎn)、劃痕檢測(cè)。

小結(jié)

數(shù)優(yōu)的視覺檢測(cè)是基于圖像處理進(jìn)行的，所以理論上只要能采集目標(biāo)產(chǎn)品的良品圖片和不良品圖片，就可以用人工智能軟件SuaKIT進(jìn)行學(xué)習(xí)，建立神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷檢測(cè)。

目前，數(shù)優(yōu)的人工智能檢測(cè)方案已經(jīng)應(yīng)用于太陽能板、PCBA、手機(jī)零部件、汽車零部件、醫(yī)療、X光、機(jī)場(chǎng)行李、半導(dǎo)體、焊接、手機(jī)鏡頭、手機(jī)芯片、皮革、面料、電容等檢測(cè)應(yīng)用中，合作客戶包括三星、LG、華為、富士康、現(xiàn)代集團(tuán)、隆基樂葉等。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請(qǐng)及時(shí)聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請(qǐng)諒解！