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(jì)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(lái)深遠(yuǎn)變革。
中國(guó)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(shí)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(jià)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(gè)制造企業(yè)在數(shù)字化、智能化轉(zhuǎn)型過(guò)程中的必經(jīng)之路。
業(yè)務(wù)發(fā)展帶來(lái)的挑戰(zhàn)
1. 精力疲勞
人眼識(shí)別的方式對(duì)產(chǎn)品進(jìn)行檢測(cè)，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(cè)流程
檢測(cè)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(cè)流程，時(shí)間長(zhǎng)會(huì)導(dǎo)致產(chǎn)品疏忽及漏檢。
藍(lán)海大腦智能視覺(jué)識(shí)別解決方案
基于機(jī)器視覺(jué)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(tái)，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(chǔ)、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(cè)的產(chǎn)品質(zhì)量綜合提升平臺(tái)。
通過(guò)利用機(jī)器視覺(jué)硬件組件的設(shè)計(jì)搭建和圖像識(shí)別算法開(kāi)發(fā),可實(shí)現(xiàn)對(duì)產(chǎn)品外觀質(zhì)量快速、準(zhǔn)確的智能化檢測(cè)。完成對(duì)所有產(chǎn)品質(zhì)量數(shù)據(jù)的全樣本量化存儲(chǔ)?；诋a(chǎn)品質(zhì)檢數(shù)據(jù)與生產(chǎn)制造過(guò)程數(shù)據(jù)的閉環(huán)關(guān)聯(lián)與分析挖掘, 對(duì)產(chǎn)品成品件質(zhì)量影響因素進(jìn)行全面分析和開(kāi)裂缺陷的準(zhǔn)確預(yù)測(cè),實(shí)現(xiàn)生產(chǎn)線問(wèn)題及時(shí)告警和支持決策響應(yīng)。
基于邊緣計(jì)算和AI的視覺(jué)識(shí)別平臺(tái)
藍(lán)海大腦基于AI技術(shù)的視覺(jué)識(shí)別平臺(tái)，主要由邊緣端（邊緣計(jì)算）和中心端（中心計(jì)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(dòng)化產(chǎn)線上；邊緣計(jì)算部署的采集端及中心計(jì)算部署的液冷GPU工作站集群則撐起了該AI平臺(tái)的主控系統(tǒng)。視覺(jué)識(shí)別平臺(tái)整體架構(gòu)圖如下：
邊緣計(jì)算端
- 在邊緣計(jì)算端執(zhí)行圖像采集的機(jī)器人裝有一個(gè)工業(yè)攝像機(jī)，一個(gè)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(cè)有無(wú)和定位；工業(yè)攝像機(jī)進(jìn)行攝像，用于 OCR 識(shí)別。
- 以烤箱檢測(cè)為例，當(dāng)系統(tǒng)開(kāi)始工作時(shí)，通過(guò)機(jī)器人與旋轉(zhuǎn)臺(tái)的聯(lián)動(dòng)，先使用攝像機(jī)對(duì)烤箱待檢測(cè)面的全局視頻攝像，并檢測(cè)計(jì)算后，提取需要進(jìn)行 OCR 識(shí)別位置，驅(qū)動(dòng)工業(yè)相機(jī)進(jìn)行局部拍攝。
- 相機(jī)采集到的不同視覺(jué)圖像，會(huì)首先交由基于英偉達(dá)NVIDIA Jetson Nano開(kāi)發(fā)的HI 209V邊緣計(jì)算進(jìn)行視頻處理：快速降噪（修復(fù)）、視覺(jué)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(kù)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(cè)需求確定是否需要傳輸回到中心計(jì)算端，如果需要，則通過(guò)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(jì)算端
- 中心計(jì)算端是由藍(lán)海大腦?液冷GPU工作站 HD210 和視覺(jué)識(shí)別平臺(tái)兩部分組成。
- 系統(tǒng)在收到邊緣端發(fā)來(lái)的數(shù)據(jù)后，首先會(huì)利用藍(lán)海大腦?視覺(jué)識(shí)別平臺(tái)提供的初樣模型對(duì)預(yù)處理過(guò)的圖像進(jìn)行提取識(shí)別，提取出需要進(jìn)行檢測(cè)的標(biāo)的物，例如型號(hào)、合格證、銘牌或線纜等等。
- 藍(lán)海大腦?視覺(jué)識(shí)別平臺(tái)提供的 AI能力，將幫助邊緣計(jì)算數(shù)據(jù)進(jìn)行數(shù)據(jù)管理、訓(xùn)練引擎、機(jī)器視覺(jué)模型、模型算法庫(kù)等一系列 AI 處理流程。通過(guò)藍(lán)海大腦?視覺(jué)識(shí)別平臺(tái)中集成的深度學(xué)習(xí)開(kāi)發(fā)框架，系統(tǒng)可以通過(guò)不斷地迭代分布式訓(xùn)練，提升檢測(cè)物識(shí)別率。
- 將深度學(xué)習(xí)模塊引入制造業(yè)識(shí)別，不僅可以讓視覺(jué)識(shí)別平臺(tái)快速、敏捷、自動(dòng)地識(shí)別出待測(cè)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(wèn)題。更重要的是，該視覺(jué)識(shí)別平臺(tái)能夠?qū)Ψ菢?biāo)準(zhǔn)變化因素有良好的適應(yīng)性，即便檢測(cè)內(nèi)容和環(huán)境發(fā)生變化，藍(lán)海大腦?視覺(jué)識(shí)別平臺(tái)也能很快地予以適應(yīng)，省去冗長(zhǎng)新特征識(shí)別、驗(yàn)證時(shí)間。同時(shí)這一方案也能有效地提高檢測(cè)的魯棒性，令識(shí)別率高達(dá) 99.81%，克服了傳統(tǒng)視覺(jué)檢測(cè)過(guò)于依賴圖像質(zhì)量的問(wèn)題。
藍(lán)海大腦 AI 視覺(jué)系統(tǒng)特點(diǎn)
1. 核心技術(shù)
- 采用國(guó)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(shì)
- 無(wú)需編程，降低集成難度
- 快速部署，極大縮短時(shí)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(cè)
- 無(wú)序分揀、拆垛碼垛
- 多維數(shù)據(jù)實(shí)戰(zhàn)應(yīng)用能力
藍(lán)海大腦技術(shù)優(yōu)勢(shì)
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(jì)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(xiàng)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(cè)性維護(hù)、精確定時(shí)
通過(guò)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(dòng)和溫度。可在網(wǎng)絡(luò)邊緣提供實(shí)時(shí)數(shù)據(jù)分析，準(zhǔn)確提示需要維護(hù)時(shí)間，盡可能減少停機(jī)時(shí)間及降低成本。
2. 更嚴(yán)格的質(zhì)量管理
檢測(cè)產(chǎn)品異常，避免影響產(chǎn)品質(zhì)量。通過(guò)計(jì)算機(jī)視覺(jué)查看微小的缺陷。加強(qiáng)質(zhì)量控制，在整個(gè)生產(chǎn)過(guò)程中（從供應(yīng)鏈
到工廠車間）增加了數(shù)據(jù)分析和情報(bào)。
3. 測(cè)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(kāi)放和可互操作的特點(diǎn)，通過(guò)與現(xiàn)有設(shè)備集成，可收集和分析整個(gè)生產(chǎn)線上的性能數(shù)據(jù)。通過(guò)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(lái)提高機(jī)械操作的可見(jiàn)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(xiǎn)時(shí)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(cāng)庫(kù)，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(chǎng)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(dòng)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(guò)程存在危險(xiǎn)性和重復(fù)性。在鋼鐵生產(chǎn)中需要對(duì)帶鋼等產(chǎn)品的規(guī)格尺寸及缺陷進(jìn)行自動(dòng)檢測(cè)。
解決方案
- 采用多臺(tái)工業(yè)相機(jī)、攝像機(jī)對(duì)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(jué)智能檢測(cè)系統(tǒng)對(duì)目標(biāo)進(jìn)行識(shí)別和外觀檢測(cè)
- 與產(chǎn)線現(xiàn)有設(shè)備及功能單元實(shí)時(shí)通信，多系統(tǒng)間協(xié)同工作
- 通過(guò)深度學(xué)習(xí)技術(shù)和核心軟件算法對(duì)帶鋼的寬度、厚度等尺寸進(jìn)行測(cè)量，有效識(shí)別結(jié)疤、翹皮、裂痕、夾層、 輥印、劃痕、孔洞、污痕、毛刺等。
- 不斷識(shí)別和自我學(xué)習(xí)，有效提高實(shí)際缺陷的識(shí)別速度和檢出率。
- 將所有數(shù)據(jù)儲(chǔ)存到數(shù)據(jù)庫(kù)中，極大地降低人員勞動(dòng)強(qiáng)度。
