VisionBank AI實(shí)現(xiàn)4項(xiàng)技術(shù)突破-傳統(tǒng)算法融合深度學(xué)習(xí)，重新定義“工業(yè)視覺檢測大腦”

機(jī)器視覺經(jīng)過長時(shí)間的發(fā)展，技術(shù)不斷取得重大突破并被廣泛應(yīng)用，當(dāng)前已遍布工業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)。而且機(jī)器視覺易于實(shí)現(xiàn)自動(dòng)化集成，軟件集成，是實(shí)現(xiàn)智能制造的基礎(chǔ)技術(shù)。據(jù)統(tǒng)計(jì)，中國的機(jī)器視覺市場需求近幾年處于持續(xù)高速增長階段，年復(fù)合增長率保持在23%。截至2021年，國內(nèi)機(jī)器視覺市場規(guī)模達(dá)163.8億元。

目前，機(jī)器視覺在工業(yè)領(lǐng)域的應(yīng)用主要包含定位、測量、識別、檢測等方向。隨著制造業(yè)智能制造轉(zhuǎn)型步伐加快，工業(yè)視覺在各個(gè)方向上的應(yīng)用都面臨著精度、速度與準(zhǔn)確率要求越來越高的挑戰(zhàn)。這其中的部分問題隨著硬件水平的提高得到了有效的解決，比如采集硬件的分辨率、傳輸帶寬、運(yùn)算效率方面，但是也有一部分問題，需要長周期的實(shí)踐和迭代升級才有可能解決，其核心關(guān)鍵點(diǎn)在于深度學(xué)習(xí)技術(shù)的發(fā)展與應(yīng)用。深度學(xué)習(xí)技術(shù)會(huì)使工業(yè)視覺的應(yīng)用邊界得到極大地拓展，由原來只能在產(chǎn)品標(biāo)準(zhǔn)化、一致性極高的場景，變成幾乎可以替代人眼進(jìn)行任意場景下的視覺檢測應(yīng)用，而且不止是工業(yè)生產(chǎn)方面，在農(nóng)業(yè)、民用等領(lǐng)域也可以取得良好的應(yīng)用效果。

傳統(tǒng)算法的實(shí)施效率高、消耗的算力和功耗少，這是深度學(xué)習(xí)無法比擬的優(yōu)勢。但針對一些代表性的場景如特征明顯但存在異物干擾的情況，使用傳統(tǒng)算法唯一的問題是會(huì)造成一定程度的過殺，而深度學(xué)習(xí)可以解決這些傳統(tǒng)算法無法解決的復(fù)雜場景問題。因此，從項(xiàng)目實(shí)施的復(fù)雜性和成本角度考慮，傳統(tǒng)算法和深度學(xué)習(xí)相結(jié)合是應(yīng)該優(yōu)先考慮的方案。

多年的研發(fā)和一線實(shí)踐，維視智造團(tuán)隊(duì)深諳傳統(tǒng)算法與深度學(xué)習(xí)優(yōu)勢與邊界，因此開創(chuàng)性地將傳統(tǒng)算法融合深度學(xué)習(xí)，推出了面向工業(yè)4.0時(shí)代，加載深度學(xué)習(xí)技術(shù)的通用智能視覺開發(fā)平臺VisionBank AI。最新版本幾乎可以完成任何行業(yè)內(nèi)任何場景下的圖像處理任務(wù)。而且基于英特爾OpenVINO的硬件加速，可幫助制造業(yè)用戶快速構(gòu)建自己的深度學(xué)習(xí)解決方案，在簡化開發(fā)流程、提高檢測準(zhǔn)確性的同時(shí)，可以有效為用戶節(jié)省部署成本。

VisionBank AI具備四大核心優(yōu)勢：應(yīng)用簡單、穩(wěn)定高效、深入場景與快速迭代。

應(yīng)用簡單

VisionBank AI的操作界面清晰易懂，模塊化、0代碼、智能化、拖拉拽式的開發(fā)模式，操作簡單，視覺應(yīng)用搭建效率更高。

穩(wěn)定高效

結(jié)構(gòu)穩(wěn)定、運(yùn)行高效，VisionBank AI基于15年的研發(fā)和市場實(shí)踐，已形成高度穩(wěn)定的系統(tǒng)架構(gòu)和成熟的模塊化算法結(jié)構(gòu)，軟件穩(wěn)定性更強(qiáng)。同時(shí)流程與流程間、模塊與模塊間均支持并行運(yùn)算，IO、PLC協(xié)議、圖像存儲(chǔ)等功能全部內(nèi)置，可快速適配機(jī)器視覺其他軟硬件部署。

深入場景

維視智造擁有20年的一線經(jīng)驗(yàn)積累，涉足成千上萬的視覺檢測場景，形成VisionBank AI扎實(shí)全面的能力基因。針對細(xì)分場景，則開發(fā)了大量專用算法模塊，如彈簧檢測、齒輪檢測、管材檢測、扇貝定位等。

快速迭代

隨著新算法、新技術(shù)和創(chuàng)新應(yīng)用的不斷發(fā)展，VisionBank AI項(xiàng)目開發(fā)架構(gòu)及系統(tǒng)架構(gòu)可高效完成升級迭代，從而覆蓋更廣的場景問題。

VisionBank AI為補(bǔ)齊傳統(tǒng)算法盲區(qū)，重點(diǎn)開發(fā)了3類深度學(xué)習(xí)專用工具：“特征智能分割”、“特征智能分類”和“智能定位”。這三大工具將有效解決在機(jī)器視覺檢測中，產(chǎn)品缺陷特征難識別、特征分割不穩(wěn)定以及興趣對象難以穩(wěn)定定位的問題，為制造業(yè)更復(fù)雜的生產(chǎn)場景和更精細(xì)化的檢測需求帶來有效的解決方案。

VisionBank AI共實(shí)現(xiàn)了4項(xiàng)技術(shù)突破

1、對平臺算力要求降低，精簡項(xiàng)目成本。VisionBank AI在線推理的神經(jīng)網(wǎng)絡(luò)模型均基于OpenVINO進(jìn)行了模型優(yōu)化，優(yōu)化后的模型，對算力平臺的要求最高可降低16倍（不同類型的模型優(yōu)化結(jié)果有差異）。使得VisionBank AI的在線推理可全部基于CPU完成，降低GPU使用需求，從而優(yōu)化企業(yè)的成本控制。

優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型檢測“焊靶”缺陷，處理時(shí)間僅需24ms（基于CPU推理）

2、訓(xùn)練數(shù)據(jù)量降低100倍。創(chuàng)新的深度學(xué)習(xí)模塊和傳統(tǒng)缺陷檢測算法深度融合，可以利用傳統(tǒng)算法“過檢”后的“圖像塊”來訓(xùn)練“缺陷過濾神經(jīng)網(wǎng)絡(luò)模型”，在利用對抗訓(xùn)練的準(zhǔn)確性優(yōu)勢下，有效解決了“負(fù)樣本”圖像數(shù)據(jù)獲取問題。

使用傳統(tǒng)算法的“中間數(shù)據(jù)”訓(xùn)練網(wǎng)絡(luò)模型

3、新一代特征匹配算法，提速11倍。最新開發(fā)的第四代“特征匹配算法”相對于第一代算法，匹配速度提升了11倍，支持以下異常特征匹配：特征被部分遮擋、特征大小有縮放、特征扭曲變形以及特征顯示不全等。

匹配定位+線芯檢測502個(gè)對象，總耗時(shí)103毫秒（500萬像素）

4、最新升級的架構(gòu)模塊，最多支持16臺相機(jī)同時(shí)并行檢測。一臺處理器可以當(dāng)16臺處理器使用，在多相機(jī)協(xié)同工作場景，實(shí)現(xiàn)了有效的成本優(yōu)化。

維視智造以VisionBank AI搭載高性能視覺產(chǎn)品，已在多個(gè)復(fù)雜場景中落地應(yīng)用，為數(shù)千客戶解決了多個(gè)工業(yè)檢測難題。

在光伏行業(yè)“引線焊接質(zhì)量檢測”項(xiàng)目中，檢測的特征隨機(jī)多樣、干擾因素繁雜，維視智造使用VisionBank AI，部署了“傳統(tǒng)算法+深度學(xué)習(xí)+深度學(xué)習(xí)”的三嵌套方案，最終使檢測速度提升至2秒1板，并在“0漏檢”的前提下，使“誤檢率”低至0.01%。

3C電子行業(yè)常見的手機(jī)后蓋缺陷檢測，檢測產(chǎn)品缺陷不同特征之間形態(tài)差異大、部分缺陷不明顯，打光難度大，但客戶往往對檢測精準(zhǔn)度、速度要求高。使用VisionBank AI特有的缺陷檢測功能，即可將種類繁多、特征各異的缺陷實(shí)現(xiàn)高效識別，準(zhǔn)確識別率大于99.99%。

汽車行業(yè)的汽車變速器料盒在線檢測場景，通常使用機(jī)器視覺檢測來料盤上的物料是否有漏放、錯(cuò)放、掉件等，其產(chǎn)品尺寸大、檢測細(xì)節(jié)多、干擾多，彈簧間距不容易判斷，以往的人工檢測“誤檢”和“漏檢”率高。VisionBank AI的彈簧狀態(tài)檢測專用算法模塊，使用特有的特征提取算法，可極大提高檢測速度和準(zhǔn)確率，使識別準(zhǔn)確率高于99.9%。

除上述實(shí)踐案例外，維視智造的VisionBank AI也已在鋰電、汽車、半導(dǎo)體、 醫(yī)療與食品、教育等行業(yè)成功落地使用，為各行業(yè)的智能化升級，降本增效提供助力。

審核編輯黃昊宇