當前，新型工業化正在持續走深向實，長虹依託5G+工業互聯網，正不斷加速新一代信息技術、人工智慧技術與先進位造技術的深度融合，並貫穿於設計、生產、管理和服務等全鏈路，進一步推動了智能製造項目的落地實施。
為此，長虹集團公眾號「微長虹」將以《長虹智造》為主題，聚焦長虹的先進位造能力，產業硬核實力，高效、精準、智能化的生產管理進行系列專題報道，帶大家認識、了解不一樣的長虹。
2023年10月26日11時13分59秒
神舟十七號載人飛船點火發射
並與火箭成功分離
進入預定軌道
航天員乘組狀態良好
發射取得圓滿成功
在神舟十七號成功發射的背後
有一項「長虹造」
為我國的載人航天工程保駕護航
發揮了重要作用
它就是長虹旗下華豐公司生產的連接器
作為「萬里保障信息員」，連接器因其高效及時的傳輸速率，和數據傳輸的高可靠性、高穩定性，搭建起了航天通信的橋樑。因此其對質量的要求極高，異物、裂紋、劃傷等影響到其功能實現的外觀缺陷都要避免，5G+AI連接器全自動外觀檢測系統便應運而生！
過去，在華豐的生產線上，連接器的外觀缺陷檢測大都依賴人工判定，因此有一個專門的檢測班組，員工藉助顯微鏡進行檢測和判定，存在檢測效率低、錯漏檢時有發生、用工成本高等問題。
如今，在5G+AI連接器全自動外觀檢測系統的助力下，產線有了智慧的「眼睛」和「大腦」。通過AI技術進行缺陷識別，不僅大大提高缺陷檢測效率，漏檢和誤判等問題也遁於無形，檢測速度更是達到近萬件/天，且實現了缺陷的零漏檢。
而為了實現連接器的全自動外觀檢測，長虹AI實驗室高級研究員劉明華和團隊付出了百倍努力。
2021年，5G+AI連接器全自動外觀檢測系統項目正式啟動，劉明華帶領AI實驗室工業智能團隊入駐華豐公司，進行長期科研攻關。
在與華豐公司充分溝通商議後，劉明華團隊以某型號高速背板連接器為項目開展的目標產品，通過內部頭腦風暴，設計出連接器外觀全檢系統的基本架構，然後將項目分解為光學成像方案、缺陷檢測演算法、自動化平台、人工複檢平台、大容量存儲系統等課題，進行分別攻關。其中，光學成像是項目團隊面臨的一大難題。
「光學成像的難點在於，連接器的缺陷小、面積多、背景紋理複雜、相似，不同的材質、缺陷在同一個光源環境下呈現的效果也大不相同，成像極其困難。」劉明華說，為了實現連接器外觀缺陷的成像捕捉，他們初期採用了模擬人工的機械手方式，利用工業相機拍下產品狀態，再通過演算法識別。
然而這種方式常常出現成像虛影、圖像曝光單一不達要求等問題，演算法很難精準識別缺陷。於是，他們靜下心來重新分析，根據產品不同材料、不同材質表面呈現出缺損、劃痕、露銅、氧化、異物等30餘種缺陷問題，經過與自動化團隊交流，創新性的設計定位機構，在整條檢測線上設置了數十組相機，並為每一組相機配備不同的光源，通過機構的翻轉與不同光源的配合，實現了檢測機位的圖像採集，覆蓋了連接器的全部外觀缺陷。
在5G+AI連接器全自動外觀檢測系統項目開發過程中，「其中最難的要數缺陷檢測演算法的實現。」回憶起整個系統的攻堅，劉明華介紹道，連接器是一個很小的六面體產品，每個面的高度、材質等都不一樣，生產出來後可能會有劃痕、缺損、裝配錯位等30餘種外觀缺陷問題，這些缺陷很小，肉眼很難看到，且很多缺陷因為背景紋理複雜、相似，要演算法精準識別每一種缺陷難度極大。為此，劉明華和團隊設計了一套端到端的強弱標籤混合監督缺陷檢測演算法，通過將人工檢測的缺陷標準科學量化，「投喂」給演算法，讓其自主學習。
缺陷標準的科學量化過程，劉明華坦言：非常具有挑戰性！標準制定嚴格了，產品的合格通過率就低；標準制定寬鬆了，又擔心產品流到客戶手中有質量問題。這個度的把控，極其考驗團隊。於是，項目團隊和華豐公司的生產、工藝、質量、設計等人員展開長期對標工作，針對連接器的外觀缺陷，一起討論分析、做出客觀評判，經過幾個月的努力，終於制定出適用於自動檢測系統的連接器缺陷檢測標準。
隨即，他們將缺陷檢測標準人工標記存儲進演算法數據平台，演算法僅需通過對少量缺陷樣本學習即可達到超過90%的準確率，同時結合高分成像、缺陷膨脹與並行卷積特徵提取技術，實現了微米級的缺陷檢測，在公開數據集上（少樣本情況下）比目前最先進的缺陷檢測演算法平均準確率提高5.06%。
為了實現缺陷的檢測準確，劉明華團隊還在雲端平台嵌入了人工複核系統，針對未知的、新的缺陷類別，採用人工複核平台遠程標註識別，僅標註少量樣本，演算法即可自動學習訓練，自動在線迭代更新，拓展了可識別缺陷類別邊界，實現對缺陷的精準捕捉。且系統也將判別為NG的產品圖像推送給複檢人員，由人工做出最終的判定結果。並且搭建大容量、高可靠性數據存儲系統，將通過檢測系統檢測的產品信息予以保留，且可以通過產品的唯一識別碼在資料庫中查詢到對應的檢測圖片。
「該系統還具備極強的遷移推廣能力，可在經過相對簡單的改進後就具備面向其它產品的檢測能力，可以快速複製檢測能力。」劉明華說，這套系統解決了產品質量投訴率高、質量問題難以追溯、人工成本高、招工困難等問題，具備較高的普遍適用性。「未來我們的系統將在少量數據甚至是沒有數據的情況下，也能自主學習、運行。」
來源：微長虹
此文章未經授權，嚴禁轉載，違者必究。
