请问下这个数之联的追光AI-AOI 有哪些行业可以用？

来源：蜘蛛抓取(WebSpider) 时间：2022-09-22 00:54 标签： 光素互动怎么样

可以看下数之联，数之联是立足硬科技的全链路服务公司，他们推出的AI-AOI可以精准定位缺陷位置，实现缺陷精准分类，达到极少人工复判的效果，并且能将调试时间缩短至10分钟内，操作也更为简单。

于制造型企业本身，任何一件工业品瑕疵关乎产品质量，而质量关乎企业生存。随着产品精密度越来越高，瑕疵检测也变得越来越难，现在的人工目检和传统视觉都已无法满足，不合格产品数量居高不下。

以精密制造的液晶面板为例，液晶面板是决定液晶显示器亮度、对比度、色彩、可视角度的材料，液晶面板质量、技术的好坏关系到液晶显示器整体性能的高低。而面板制造制程工序多而复杂，产生不良类型种类多达上百种，不同工序、不同产品的缺陷特征也不尽相同，这对人员来说快速精准识别缺陷类型有一定难度。

目前AOI、点灯机等机台检测大多只拍摄照片，不能判别缺陷类别，需要产线作业员依据经验在人工判图系统或以查看本地图片的形式判别缺陷类型，并借助如EDA、OIC等系统，由人工方式按产品批次进行缺陷分析，从而确认在线产品品质，防范风险。同时，要筛选出可修复的面板进入维修机台修补，提升产品良率，保证机台稼动。

整个过程消耗大量人力，给工厂运营带来巨大压力；同时人工判定缺陷类别效率低，异常无法及时反馈，可修复产品无法及时得到修复，从而导致良率损失及维修机台产能损失；并且人员间差异、状态、熟练程度不同，易造成误检和漏检，影响生产效益。

一、ADC项目正式落地

自2019年，数之联承建了某客户G6图像自动缺陷检测与分类(ADC)系统在Array/OLED/TPOT/LLO/CF/CELL各工序的应用落地。ADC项目的核心目的是让AI完成缺陷的检测与分类，实现人力替代并加速异常反馈及处理。

数之联ADC系统以虚拟站点的形式或离线作业方式在每个AOI站点后上线，自动从MES、TMS、DFS等系统中获取需要判图的信息，然后自动对缺陷进行检测识别和编码，实现对不良缺陷的自动检测分类；为保障系统判图的准确性，对于无法判定的转由人工复判。

同时也能实时对生产情况、工艺情况、设备检测状态进行自动监控，异常事件及时告警，让用户能随时掌握生产情况，帮助用户进行生产管理和工艺优化，解决生产工艺检测分类环节人工成本高、稳定性差、效率低的问题。

卷积神经网络是计算机视觉研究中应用最广泛的骨干网络框架，是深度学习的代表算法之一，主要通过局部感受野、共享权值、池化三个方法进行学习。

→通过局部感受野的方式连接图像局部区域，将获得特征信息传入不同训练层，按其阶层结构对输入信息进行平移不变分类，具有平移、旋转、缩放不变性；

→每一个卷积核共享权值，降低网络中的参数量与计算复杂度；

→由于输入图像数据一般都比较大，需使用池化方法对卷积后的特征图进行采样获取图像显著特征。

→其本质上是一种输入到输出的非线性映射，大大提升了传统人工神经网络的训练性能。

特征金字塔网络是为了提高精度和速度，根据特征金字塔概念设计的特征提取器。

→利用卷积神经网络的多层特征结构产生多尺度的特征表示，使得每一级特征都有丰富的语义信息；

→在多个特征尺度上进行定位和预测，能更好的适应缺陷尺度的大小变化；

→通过一次前向计算即可获得多尺度特征，相对于传统神经网络计算只增加了很少的计算开销；

→可以对多尺度特征金字塔进行端到端的训练，简化模型训练的复杂度。

为适应液晶面板产线复杂多样的生产制造制程和站点业务，数之联ADC算法形成了一套最优深度卷积神经网络模型+多个softmax分类器的分类算法框架，为ADC导入多达十几家工厂、市占率超70%、制程场景业界覆盖最多提供了有力保障。

→不同站点AOI图像采用独立虚拟站点进行分类，各虚拟站点可定制化规则及分类模型，干扰缺陷少，准确度更高；

→采用softmax分类器能输出每类缺陷的置信度，通过置信度可以及时发现是否出现新缺陷等情况；

→不同分类模型之间互不影响，当其中一个分类器效果不佳时，只需单独训练该分类器进行替换更新；

→采用深度卷积神经网络模型与分类模型分离的架构，前者负责特征提取，后者负责分类准确性。因此模型的优化迭代只需对分类器进行训练，依赖的样本量少。

三、数之联ADC系统优势

系统自动对缺陷图像进行缺陷检测，对缺陷类型进行判定，并标注缺陷的位置、大小等信息。

可以辅助人工复判，并对生产批次(lot)、面板(glass)、缺陷(defect)进行辅助判级。

能实时对生产情况、工艺情况、设备检测状态进行自动监控，异常事件及时告警。

系统基于深度视觉处理引擎iDeepViewer，通过深度学习技术突破传统图像处理技术的瓶颈，提供高精准的缺陷分类结果。

可以以虚拟站点的形式与MES、DFS等系统对接，实现生产过程的入站(track in)/出站(track out)等。

系统架构整体满足先进性、易用性、可扩展性、易维护性设计要求，同时满足客户对整体系统性能的基本要求。

该客户整个ADC项目进行的过程中，准确率不断地在提升，识别缺陷类别达到100+，平均分类精确度和召回率可达95%，关键缺陷漏检率和误检率均小于1%，节省目检人力成本30%-80%，极大缩减检测分类时间，提升生产效率。基于算法模型提供的缺陷检测与分类，能快速发现新产品新缺陷，降低产品损失。

数之联自动缺陷检测与分类系统（ADC）在行业内已覆盖液晶面板各尺寸大小，部署模型超过500个，是交付经验最多，覆盖工艺最广，技术沉淀最全的产品。

新时代的工业革命正席卷全球，在工业智能的大背景下，缺陷检测与分类需求不断增加，业界对检测技术和精度也提出了更高的要求。数之联自动缺陷检测与分类系统(ADC)紧随面板、PCB及整个泛半导体行业市场发展与客户需求，始终坚持以客户为中心，以创新为驱动，持续为客户提供高质量、智能化的缺陷自动检测与分类解决方案，助力企业降本增效，为客户创造更大的价值，为工业智能贡献能量。

我要回帖

更多关于 光素互动怎么样 的文章

 

随机推荐