新聞中心

EEPW首頁 > 物聯(lián)網(wǎng)與傳感器 > 業(yè)界動態(tài) > 領邦智能工博會發(fā)布用于AI的通用光學技術

領邦智能工博會發(fā)布用于AI的通用光學技術

—— ? 適用于工業(yè)產(chǎn)品外觀質檢,突破技術瓶頸引領產(chǎn)業(yè)轉型升級
作者: 時間:2020-09-24 來源:EEPW 收藏
在全球百年未有之大變局環(huán)境下,以人工智能和5G為代表的新技術革命,正如火如荼的促進著各行各業(yè)的發(fā)展,工業(yè)作為國民經(jīng)濟主導產(chǎn)業(yè),勢必成為關注焦點。第22屆中國國際工業(yè)博覽會(工博會)在此大背景下如約于2020年9月15日在上海國家會展中心開幕。

縱觀全球工業(yè)現(xiàn)狀,新一輪科技革命與產(chǎn)業(yè)變革競爭格局中,自動化、無人化生產(chǎn)方式快速發(fā)展。在此歷史進程中,生產(chǎn)自動化解決起來相對比較容易,但無人化工業(yè)產(chǎn)品外觀質檢卻遇到了非常大的障礙。如何提高工業(yè)產(chǎn)品外觀質檢效率成為行業(yè)亟待解決的問題。為什么工業(yè)產(chǎn)品外觀質檢這么難呢?難道工業(yè)視覺技術就不能追上人類的眼睛嗎?

本文引用地址:http://butianyuan.cn/article/202009/418755.htm1600940330899428.jpg

我們帶著這個問題采訪了參加本次工博會的北京裝備股份公司()董事長崔忠偉博士。崔忠偉博士說:“工業(yè)產(chǎn)品外觀質檢技術,本質上就不是自動化技術,自動化技術特征是If...Then這樣一套邏輯。在深度學習(Deep Learning)技術出現(xiàn)之前,我們曾認為只要我們寫更多的邏輯關系,就能甄別工業(yè)產(chǎn)品表面的缺陷和非缺陷,但多年的實踐結果表明,就算我們寫的邏輯關系再復雜,也還是不及人類的眼睛和大腦,在產(chǎn)品漏檢率和過殺率上始終無法與人類媲美。自2012年深度學習技術得到突破后,我們終于意識到工業(yè)產(chǎn)品外觀質檢本質上就不是自動化技術能解決的,需要人工智能技術去解決。”

 

作為一家人工智能()賦能工業(yè)質檢領域的創(chuàng)新型企業(yè),自2019年5月發(fā)布工業(yè)質檢云大腦iBrain以來,服務了3C殼體、汽車零件、手機零件、稀土永磁等多個行業(yè),眾多智聯(lián)網(wǎng)(OT)端設備日夜運行,不斷地進行性能迭代,已讓工業(yè)產(chǎn)品外觀質檢技術追上了人類。


1600940364991053.jpg OT智聯(lián)網(wǎng)

AI賦能工業(yè)質檢,在獲得巨大成功的同時,也遇到了更為嚴峻的挑戰(zhàn),那就是工業(yè)產(chǎn)品缺陷圖像大數(shù)據(jù)積累困難。工業(yè)產(chǎn)品表面成像非同自然界成像,花花草草都是在日光光源照射下根據(jù)表面反射率成像(吸收率成像),很容易積累圖像大數(shù)據(jù),這讓我們可以通過AI應用軟件識別花草,究其原因還是其大數(shù)據(jù)容易采集,AI模型訓練學習精度高,識別率追上人類。

 

工業(yè)產(chǎn)品外觀質檢則有所不同,工業(yè)零件多為同一種材料,光線吸收率相同,且全部都是在人造光源下通過不同角度進行成像。這就意味著,同一零件在不同角度、不同人造光源下形成了各不相同的影像。一個設備的成像數(shù)據(jù),無法被另一個設備訓練學習所用。換句話說:沒有光照和成像的標準化,就沒有工業(yè)產(chǎn)品缺陷圖像的標準化,就沒有大數(shù)據(jù),沒有大數(shù)據(jù),就沒有追上人類的機器智能,就無法實現(xiàn)無人化生產(chǎn),大幅提高質檢效率也就無從談起。光照和成像技術的標準化成為AI在工業(yè)產(chǎn)品質檢應用中最大的“攔路虎”。

 

籍此工博會之機,領邦智能率先發(fā)布了適用于工業(yè)產(chǎn)品外觀質檢的標準化光照技術和成像技術,即技術。這套技術,抽象出工業(yè)產(chǎn)品表面質檢最本質的特征,以單一標準化的方式,一統(tǒng)天下,解決了工業(yè)產(chǎn)品表面圖像大數(shù)據(jù)的定義和累積難題。

 

適用于AI的技術,從最本質的表面成像機理出發(fā),開發(fā)出一套光照光源,包括2代光源、2.5代光源、3代光源,徹底解決光照標準化問題。特別是3代光源,屬于柔性自定義光源,可根據(jù)工業(yè)產(chǎn)品表面本質特征,自動定義光線角度,做到“一絲(光線)不多、一絲(光線)不少”精確光照,在圖像上充分展示產(chǎn)品缺陷,為AI識別奠定了基礎。

333.jpg

通用光學組件

在光照光源標準化的基礎上形成的通用成像技術,包括1代360鏡頭、2代360鏡頭、1代外觀遠心鏡頭、2代外觀遠心鏡頭。通俗地講,采用精確的接收光錐控制,實現(xiàn)成像的精確化和標準化,為AI模型識別提供最好的信噪比圖像。

 

此次領邦智能發(fā)布的通用光源和通用成像技術形成了一套完整的技術體系,能夠實現(xiàn)工業(yè)產(chǎn)品表面精確成像,使工業(yè)產(chǎn)品缺陷圖像數(shù)據(jù)標準化,解決了AI落地過程中必須解決的大數(shù)據(jù)問題,實現(xiàn)了AI工業(yè)產(chǎn)品質檢能力追上人類的重大技術突破。工業(yè)視覺依靠AI技術起飛,卻要靠光學技術落地!我們有理由相信,領邦智能作為工業(yè)產(chǎn)品外觀質檢領域的領先企業(yè),手握AI云大腦iBrain和通用光學兩大核心關鍵技術,將攜眾多致力于AI應用的企業(yè),推動工業(yè)產(chǎn)品質檢效率的提升,引領產(chǎn)業(yè)轉型升級。

 

崔忠偉博士最后風趣的說:“春江未暖鴨先知,又一個近萬億級的AI市場將被開拓出來,是繼商業(yè)推薦、人臉識別后又一個大的AI應用產(chǎn)業(yè)集群”。




評論


相關推薦

技術專區(qū)

關閉