通信網(wǎng)banner.jpg)
近日，中國(guó)移動(dòng)與清華大學(xué)合作撰寫的論文“Industry-oriented Detection Method of PCBA Defects Using Semantic Segmentation Models”被自動(dòng)化領(lǐng)域頂級(jí)期刊《IEEE/CAA Journal of Automatica Sinica》錄用（2023年影響因子為11.8）。論文針對(duì)當(dāng)前基于視覺(jué)的工業(yè)缺陷檢測(cè)方法算力成本高、檢測(cè)誤報(bào)率高、人工復(fù)檢頻繁的問(wèn)題，提出一種基于語(yǔ)義分割的輕量級(jí)工業(yè)缺陷檢測(cè)算法，有效降低漏報(bào)率和誤報(bào)率指標(biāo)；同時(shí)通過(guò)在端側(cè)計(jì)算設(shè)備部署，實(shí)現(xiàn)現(xiàn)場(chǎng)級(jí)的低時(shí)延缺陷檢測(cè)，提升應(yīng)用部署靈活性，降低部署成本。該成果為基于端側(cè)算力的工業(yè)質(zhì)檢方案提供重要參考，對(duì)于端側(cè)智能在行業(yè)場(chǎng)景的落地應(yīng)用具有重要意義。
論文首頁(yè)
目前傳統(tǒng)基于視覺(jué)的工業(yè)缺陷檢測(cè)方法在檢測(cè)準(zhǔn)確率和適配靈活性兩方面均存在問(wèn)題：一方面，漏檢率與誤檢率較高，需要進(jìn)行大量的人工復(fù)檢，導(dǎo)致整個(gè)產(chǎn)線的產(chǎn)能效率較低；另一方面，目前的工業(yè)缺陷檢測(cè)算法通常規(guī)模較大，主要依托于云端服務(wù)器，數(shù)據(jù)在云側(cè)與端側(cè)之間傳輸，時(shí)延高、計(jì)算開(kāi)銷大。同時(shí)，隨著工業(yè)水平的提升和產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，各種工業(yè)產(chǎn)品趨于多元化和復(fù)雜化，對(duì)工業(yè)缺陷檢測(cè)模型的泛化能力也提出了更高的要求。
針對(duì)上述問(wèn)題，論文提出一種基于語(yǔ)義分割的輕量級(jí)工業(yè)缺陷檢測(cè)算法，通過(guò)對(duì)工業(yè)圖像的關(guān)鍵目標(biāo)區(qū)域進(jìn)行像素級(jí)語(yǔ)義分割，結(jié)合缺陷產(chǎn)生的根因設(shè)計(jì)檢測(cè)規(guī)則，進(jìn)行綜合判決，有效降低誤報(bào)率和漏報(bào)率。在此基礎(chǔ)上，引入了剪枝、量化和局部殘差策略，將網(wǎng)絡(luò)參數(shù)從原先將近兩千八百萬(wàn)個(gè)精簡(jiǎn)至不足五十萬(wàn)個(gè)，在精確分割工業(yè)視覺(jué)圖像的同時(shí)，大幅減少了模型計(jì)算開(kāi)銷，可將模型靈活部署于行業(yè)網(wǎng)關(guān)等端側(cè)計(jì)算設(shè)備，降低部署成本和檢測(cè)時(shí)間，實(shí)現(xiàn)現(xiàn)場(chǎng)級(jí)低時(shí)延工業(yè)缺陷檢測(cè)。
基于語(yǔ)義分割的輕量級(jí)工業(yè)缺陷檢測(cè)算法流程圖
同傳統(tǒng)基于視覺(jué)的工業(yè)缺陷檢測(cè)方法相比，在真實(shí)產(chǎn)線圖像數(shù)據(jù)集上（近千張分辨率為2448×2048的印刷電路板圖像），本算法單張圖像檢測(cè)時(shí)延從20秒縮短到6秒，檢測(cè)效率大大提高；誤報(bào)率和漏檢率分別降至0.04%和0，人工復(fù)檢成本大幅降低，產(chǎn)線在單位時(shí)間內(nèi)的吞吐量增加了3倍以上。
基于語(yǔ)義分割的工業(yè)缺陷檢測(cè)演示產(chǎn)線
論文的研究成果為基于端側(cè)算力的工業(yè)質(zhì)檢解決方案提供重要參考，對(duì)于端側(cè)智能在智慧工廠的落地與應(yīng)用具有重要意義。未來(lái)，中國(guó)移動(dòng)將繼續(xù)加強(qiáng)技術(shù)創(chuàng)新，進(jìn)一步推動(dòng)工業(yè)生產(chǎn)的智能化升級(jí)，為智能制造的發(fā)展貢獻(xiàn)力量。
