当前，新型工业化正在持续走深向实，长虹依托5G+工业互联网，正不断加速新一代信息技术、人工智能技术与先进制造技术的深度融合，并贯穿于设计、生产、管理和服务等全链路，进一步推动了智能制造项目的落地实施。
为此，长虹集团公众号“微长虹”将以《长虹智造》为主题，聚焦长虹的先进制造能力，产业硬核实力，高效、精准、智能化的生产管理进行系列专题报道，带大家认识、了解不一样的长虹。
2023年10月26日11时13分59秒
神舟十七号载人飞船点火发射
并与火箭成功分离
进入预定轨道
航天员乘组状态良好
发射取得圆满成功
在神舟十七号成功发射的背后
有一项“长虹造”
为我国的载人航天工程保驾护航
发挥了重要作用
它就是长虹旗下华丰公司生产的连接器
作为“万里保障信息员”，连接器因其高效及时的传输速率，和数据传输的高可靠性、高稳定性，搭建起了航天通信的桥梁。因此其对质量的要求极高，异物、裂纹、划伤等影响到其功能实现的外观缺陷都要避免，5G+AI连接器全自动外观检测系统便应运而生！
过去，在华丰的生产线上，连接器的外观缺陷检测大都依赖人工判定，因此有一个专门的检测班组，员工借助显微镜进行检测和判定，存在检测效率低、错漏检时有发生、用工成本高等问题。
如今，在5G+AI连接器全自动外观检测系统的助力下，产线有了智慧的“眼睛”和“大脑”。通过AI技术进行缺陷识别，不仅大大提高缺陷检测效率，漏检和误判等问题也遁于无形，检测速度更是达到近万件/天，且实现了缺陷的零漏检。
而为了实现连接器的全自动外观检测，长虹AI实验室高级研究员刘明华和团队付出了百倍努力。
2021年，5G+AI连接器全自动外观检测系统项目正式启动，刘明华带领AI实验室工业智能团队入驻华丰公司，进行长期科研攻关。
在与华丰公司充分沟通商议后，刘明华团队以某型号高速背板连接器为项目开展的目标产品，通过内部头脑风暴，设计出连接器外观全检系统的基本架构，然后将项目分解为光学成像方案、缺陷检测算法、自动化平台、人工复检平台、大容量存储系统等课题，进行分别攻关。其中，光学成像是项目团队面临的一大难题。
“光学成像的难点在于，连接器的缺陷小、面积多、背景纹理复杂、相似，不同的材质、缺陷在同一个光源环境下呈现的效果也大不相同，成像极其困难。”刘明华说，为了实现连接器外观缺陷的成像捕捉，他们初期采用了模拟人工的机械手方式，利用工业相机拍下产品状态，再通过算法识别。
然而这种方式常常出现成像虚影、图像曝光单一不达要求等问题，算法很难精准识别缺陷。于是，他们静下心来重新分析，根据产品不同材料、不同材质表面呈现出缺损、划痕、露铜、氧化、异物等30余种缺陷问题，经过与自动化团队交流，创新性的设计定位机构，在整条检测线上设置了数十组相机，并为每一组相机配备不同的光源，通过机构的翻转与不同光源的配合，实现了检测机位的图像采集，覆盖了连接器的全部外观缺陷。
在5G+AI连接器全自动外观检测系统项目开发过程中，“其中最难的要数缺陷检测算法的实现。”回忆起整个系统的攻坚，刘明华介绍道，连接器是一个很小的六面体产品，每个面的高度、材质等都不一样，生产出来后可能会有划痕、缺损、装配错位等30余种外观缺陷问题，这些缺陷很小，肉眼很难看到，且很多缺陷因为背景纹理复杂、相似，要算法精准识别每一种缺陷难度极大。为此，刘明华和团队设计了一套端到端的强弱标签混合监督缺陷检测算法，通过将人工检测的缺陷标准科学量化，“投喂”给算法，让其自主学习。
缺陷标准的科学量化过程，刘明华坦言：非常具有挑战性！标准制定严格了，产品的合格通过率就低；标准制定宽松了，又担心产品流到客户手中有质量问题。这个度的把控，极其考验团队。于是，项目团队和华丰公司的生产、工艺、质量、设计等人员展开长期对标工作，针对连接器的外观缺陷，一起讨论分析、做出客观评判，经过几个月的努力，终于制定出适用于自动检测系统的连接器缺陷检测标准。
随即，他们将缺陷检测标准人工标记存储进算法数据平台，算法仅需通过对少量缺陷样本学习即可达到超过90%的准确率，同时结合高分成像、缺陷膨胀与并行卷积特征提取技术，实现了微米级的缺陷检测，在公开数据集上（少样本情况下）比目前最先进的缺陷检测算法平均准确率提高5.06%。
为了实现缺陷的检测准确，刘明华团队还在云端平台嵌入了人工复核系统，针对未知的、新的缺陷类别，采用人工复核平台远程标注识别，仅标注少量样本，算法即可自动学习训练，自动在线迭代更新，拓展了可识别缺陷类别边界，实现对缺陷的精准捕捉。且系统也将判别为NG的产品图像推送给复检人员，由人工做出最终的判定结果。并且搭建大容量、高可靠性数据存储系统，将通过检测系统检测的产品信息予以保留，且可以通过产品的唯一识别码在数据库中查询到对应的检测图片。
“该系统还具备极强的迁移推广能力，可在经过相对简单的改进后就具备面向其它产品的检测能力，可以快速复制检测能力。”刘明华说，这套系统解决了产品质量投诉率高、质量问题难以追溯、人工成本高、招工困难等问题，具备较高的普遍适用性。“未来我们的系统将在少量数据甚至是没有数据的情况下，也能自主学习、运行。”
来源：微长虹
此文章未经授权，严禁转载，违者必究。
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-