隨著工業(yè)物聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，掀起了以云計算、大數(shù)據(jù)、以及人工智能 AI 等信息技術(shù)正與傳統(tǒng)工業(yè)深入融合，由此衍生的 “智能制造4.0” 理念，正在為工業(yè)帶來深遠(yuǎn)變革。
中國的制造業(yè)巨頭也紛紛借此發(fā)力，向智能化、數(shù)字化制造演進(jìn)，實施戰(zhàn)略轉(zhuǎn)型。如何科學(xué)的管理和分析制造業(yè)務(wù)鏈上的生產(chǎn)價值，推進(jìn)制造企業(yè)生產(chǎn)工藝優(yōu)化與產(chǎn)品質(zhì)量提升是每一個制造企業(yè)在數(shù)字化、智能化轉(zhuǎn)型過程中的必經(jīng)之路。
業(yè)務(wù)發(fā)展帶來的挑戰(zhàn)
1. 精力疲勞
人眼識別的方式對產(chǎn)品進(jìn)行檢測，產(chǎn)生疲勞而導(dǎo)致注意力不集中，出現(xiàn)偏差。
2. 二次損傷
人手觸摸產(chǎn)品，觀察產(chǎn)品不同角度的亮度及表面差異，給產(chǎn)品造成二次損傷。
3. 多道檢測流程
檢測產(chǎn)品工藝缺陷、產(chǎn)品LOGO、銘牌漏裝、螺釘漏裝等層層的檢測流程，時間長會導(dǎo)致產(chǎn)品疏忽及漏檢。
藍(lán)海大腦智能視覺識別解決方案
基于機(jī)器視覺和人工智能搭建產(chǎn)品外觀質(zhì)量智能判別與優(yōu)化平臺，本著軟科技、硬落地的方針，搭建集結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)采集與存儲、圖像處理、機(jī)器學(xué)習(xí)與數(shù)據(jù)關(guān)聯(lián)分析預(yù)測的產(chǎn)品質(zhì)量綜合提升平臺。
通過利用機(jī)器視覺硬件組件的設(shè)計搭建和圖像識別算法開發(fā),可實現(xiàn)對產(chǎn)品外觀質(zhì)量快速、準(zhǔn)確的智能化檢測。完成對所有產(chǎn)品質(zhì)量數(shù)據(jù)的全樣本量化存儲?；诋a(chǎn)品質(zhì)檢數(shù)據(jù)與生產(chǎn)制造過程數(shù)據(jù)的閉環(huán)關(guān)聯(lián)與分析挖掘, 對產(chǎn)品成品件質(zhì)量影響因素進(jìn)行全面分析和開裂缺陷的準(zhǔn)確預(yù)測,實現(xiàn)生產(chǎn)線問題及時告警和支持決策響應(yīng)。
基于邊緣計算和AI的視覺識別平臺
藍(lán)海大腦基于AI技術(shù)的視覺識別平臺，主要由邊緣端（邊緣計算）和中心端（中心計算）兩部分組成，其中工業(yè)相機(jī)，工業(yè)機(jī)器人以及英偉達(dá)NVIDIA Jetson Nano研發(fā)的HI 209V產(chǎn)品等嵌入式智能設(shè)備構(gòu)成了圖像視頻采集端，部署在工廠自動化產(chǎn)線上；邊緣計算部署的采集端及中心計算部署的液冷GPU工作站集群則撐起了該AI平臺的主控系統(tǒng)。視覺識別平臺整體架構(gòu)圖如下：
邊緣計算端
- 在邊緣計算端執(zhí)行圖像采集的機(jī)器人裝有一個工業(yè)攝像機(jī)，一個工業(yè)照相機(jī)。工業(yè)照像機(jī)進(jìn)行遠(yuǎn)距離拍攝，用于檢測有無和定位；工業(yè)攝像機(jī)進(jìn)行攝像，用于 OCR 識別。
- 以烤箱檢測為例，當(dāng)系統(tǒng)開始工作時，通過機(jī)器人與旋轉(zhuǎn)臺的聯(lián)動，先使用攝像機(jī)對烤箱待檢測面的全局視頻攝像，并檢測計算后，提取需要進(jìn)行 OCR 識別位置，驅(qū)動工業(yè)相機(jī)進(jìn)行局部拍攝。
- 相機(jī)采集到的不同視覺圖像，會首先交由基于英偉達(dá)NVIDIA Jetson Nano開發(fā)的HI 209V邊緣計算進(jìn)行視頻處理：快速降噪（修復(fù)）、視覺增強(qiáng)、失焦修復(fù)、風(fēng)格轉(zhuǎn)換等預(yù)處理。
- 根據(jù)標(biāo)準(zhǔn)圖像機(jī)本庫進(jìn)行數(shù)據(jù)的預(yù)處理：數(shù)據(jù)清洗、圖像預(yù)處理、數(shù)據(jù)集構(gòu)造、歸一化處理、檢測需求確定是否需要傳輸回到中心計算端，如果需要，則通過網(wǎng)絡(luò)傳送到中心端交由液冷GPU工作站HD210 分析處理。
中心計算端
- 中心計算端是由藍(lán)海大腦?液冷GPU工作站 HD210 和視覺識別平臺兩部分組成。
- 系統(tǒng)在收到邊緣端發(fā)來的數(shù)據(jù)后，首先會利用藍(lán)海大腦?視覺識別平臺提供的初樣模型對預(yù)處理過的圖像進(jìn)行提取識別，提取出需要進(jìn)行檢測的標(biāo)的物，例如型號、合格證、銘牌或線纜等等。
- 藍(lán)海大腦?視覺識別平臺提供的 AI能力，將幫助邊緣計算數(shù)據(jù)進(jìn)行數(shù)據(jù)管理、訓(xùn)練引擎、機(jī)器視覺模型、模型算法庫等一系列 AI 處理流程。通過藍(lán)海大腦?視覺識別平臺中集成的深度學(xué)習(xí)開發(fā)框架，系統(tǒng)可以通過不斷地迭代分布式訓(xùn)練，提升檢測物識別率。
- 將深度學(xué)習(xí)模塊引入制造業(yè)識別，不僅可以讓視覺識別平臺快速、敏捷、自動地識別出待測產(chǎn)品的諸多缺陷，如產(chǎn)品工藝缺陷、產(chǎn)品LOGO、銘牌漏裝、外觀整潔度等問題。更重要的是，該視覺識別平臺能夠?qū)Ψ菢?biāo)準(zhǔn)變化因素有良好的適應(yīng)性，即便檢測內(nèi)容和環(huán)境發(fā)生變化，藍(lán)海大腦?視覺識別平臺也能很快地予以適應(yīng)，省去冗長新特征識別、驗證時間。同時這一方案也能有效地提高檢測的魯棒性，令識別率高達(dá) 99.81%，克服了傳統(tǒng)視覺檢測過于依賴圖像質(zhì)量的問題。
藍(lán)海大腦 AI 視覺系統(tǒng)特點(diǎn)
1. 核心技術(shù)
- 采用國際前沿的深度學(xué)習(xí)算法
- 支持多種缺陷類型，適應(yīng)多種產(chǎn)品
- 自學(xué)習(xí)性，可不斷迭代改善
- 小樣本訓(xùn)練及模型的裁剪
2. 優(yōu)勢
- 無需編程，降低集成難度
- 快速部署，極大縮短時間
- 適應(yīng)性強(qiáng)，快速遷移能力
3. 特點(diǎn)
- 協(xié)同合作 （GPU+CPU）
- 缺陷定位、缺陷分割、缺陷分類、缺陷檢測
- 無序分揀、拆垛碼垛
- 多維數(shù)據(jù)實戰(zhàn)應(yīng)用能力
藍(lán)海大腦技術(shù)優(yōu)勢
1. 安全可靠
從設(shè)備到云內(nèi)置的可信、多層安全性
2. 技術(shù)資源
設(shè)計和構(gòu)建物聯(lián)網(wǎng)工具和支持
3. 生態(tài)系統(tǒng)
廣泛合作伙伴生態(tài)系統(tǒng)的可互操作物聯(lián)網(wǎng)解決方案
客戶收益
采用藍(lán)海大腦解決方案，瑕疵準(zhǔn)確率達(dá)到 99.9%，項目部署周期縮短 56%，物料成本減少 30%，人工成本減少 70%。
1. 預(yù)測性維護(hù)、精確定時
通過在裝配線上使用聯(lián)網(wǎng)的工業(yè)物聯(lián)網(wǎng)傳感器，智能制造可以跟蹤設(shè)備磨損的關(guān)鍵指標(biāo)，如振動和溫度?？稍诰W(wǎng)絡(luò)邊緣提供實時數(shù)據(jù)分析，準(zhǔn)確提示需要維護(hù)時間，盡可能減少停機(jī)時間及降低成本。
2. 更嚴(yán)格的質(zhì)量管理
檢測產(chǎn)品異常，避免影響產(chǎn)品質(zhì)量。通過計算機(jī)視覺查看微小的缺陷。加強(qiáng)質(zhì)量控制，在整個生產(chǎn)過程中（從供應(yīng)鏈
到工廠車間）增加了數(shù)據(jù)分析和情報。
3. 測量和管理機(jī)器藍(lán)海大腦的工業(yè)物聯(lián)網(wǎng)技術(shù)具有開放和可互操作的特點(diǎn)，通過與現(xiàn)有設(shè)備集成，可收集和分析整個生產(chǎn)線上的性能數(shù)據(jù)。通過使用聯(lián)網(wǎng)的工業(yè)物聯(lián)網(wǎng)傳感器和智能設(shè)備來提高機(jī)械操作的可見度，智能工廠整體設(shè)備效率 (OEE)得到提高。
4. 安全傳輸、效率更高
支持工業(yè)物聯(lián)網(wǎng)的傳感器、設(shè)備和可穿戴設(shè)備可在智能工廠出現(xiàn)危險時提醒工人 ， 并提高工人在嚴(yán)峻環(huán)境中工作表現(xiàn) 。 從海上鉆機(jī)到物流倉庫，藍(lán)海大腦的工業(yè)物聯(lián)網(wǎng)解決方案可為聯(lián)網(wǎng)工人提供信息，提高安全性和生產(chǎn)力。
應(yīng)用場景
挑 戰(zhàn)
鋼鐵企業(yè)工藝繁多、運(yùn)行工況復(fù)雜，大量采用自動化設(shè)備。一般采用熱軋精軋機(jī)、金屬冷軋機(jī)等冶金專用設(shè)備, 生產(chǎn)過程存在危險性和重復(fù)性。在鋼鐵生產(chǎn)中需要對帶鋼等產(chǎn)品的規(guī)格尺寸及缺陷進(jìn)行自動檢測。
解決方案
- 采用多臺工業(yè)相機(jī)、攝像機(jī)對成卷前的帶鋼表面和端面進(jìn)行圖像采集
- 基于GPU液冷工作站的機(jī)器視覺智能檢測系統(tǒng)對目標(biāo)進(jìn)行識別和外觀檢測
- 與產(chǎn)線現(xiàn)有設(shè)備及功能單元實時通信，多系統(tǒng)間協(xié)同工作
- 通過深度學(xué)習(xí)技術(shù)和核心軟件算法對帶鋼的寬度、厚度等尺寸進(jìn)行測量，有效識別結(jié)疤、翹皮、裂痕、夾層、 輥印、劃痕、孔洞、污痕、毛刺等。
- 不斷識別和自我學(xué)習(xí)，有效提高實際缺陷的識別速度和檢出率。
- 將所有數(shù)據(jù)儲存到數(shù)據(jù)庫中，極大地降低人員勞動強(qiáng)度。
