北光小课堂 | 机器视觉在工业质检环节的应用

众所周知，机器视觉就是用机器代替人眼来做测量和判断。作为人工智能的一个重要分支，机器视觉在近几年呈现出高速发展的趋势；而随着智能制造在国内的深入发展，机器视觉技术将会在工业领域得到更广泛的应用。赛迪研究院在2019年发布了“AI助力中国制造白皮书”，书中有一章节提到：在制造业全生命周期中，工业质检是各行各业智能化改造需求**的一个环节。产品外观质量检验是机器视觉的重要应用方向之一，传统QA人员检测的方法已不能满足生产和现代工艺生产制造的需求，而且随着国内人工成本的不断攀升，制造型企业对缺陷自动化检测系统的需求更为迫切。

北光科技自主研发的AI质量检测平台是一套基于机器视觉的质量检测解决方案，利用人工智能算法和实时图像分析技术，为用户提供产品的外观质量检测。可以实现无需改变现有产线的硬件设备，更好的服务有自动化需求的制造型企业。

AI质量检测平台可以高速稳定地检测目标产品表面的污染、划痕、裂缝、变色或夹杂物，通过训练好的模型、强大的算法与先进的图像处理技术相结合，进行产品缺陷检测。将产品的缺陷通过图像抓取出来，然后将对图像数据的标注录入系统，使AI质量检测平台利用数据信息训练算法模型。AI质量检测平台识别准确率将随着数据量的提升而持续优化，以实现生产质量数据的全面掌控，为流程优化和工艺再造提供关键数据支持。

平台优势

安全可靠：非接触式自动检测，被测物体不会产生损坏，安全可靠
准确率高：排除人为检测时主观因素的干扰，准确率高达97%以上
检测成本低：一次性投入，减少人力成本
检测速度快：根据产品类型，检测速度控制在1秒内，远快于肉眼检测
工作负载大：可7*24小时不间断工作，有效提高良品率
适用范围广：检测装置不局限于某一类物体，适用范围和互换性非常广泛

应用场景

AI质量检测平台可以应用到光伏EL、PCB板、手机零部件、汽车零部件、太阳能电池板、显示屏、电子、钢铁、纺织印染、皮革、电容、镜头等的各个领域中最复杂的缺陷检测问题。

成功案例：光伏电池晶片缺陷检测

光伏电池在生产过程中，因生产工艺不足或其他因素会产生一些次品。市场对电池晶片质量的要求不断提高，提高质检水平就显得尤为重要。传统缺陷检测存在同种类别缺陷识别不全、缺陷分类识别不全、划痕识别不完整等缺点。
北光科技AI质量检测平台集中学习了大量样片，可以实现电池晶片表面缺陷的自动判定，能准确识别划痕、黑斑、绒丝等10 余种缺陷，大幅节省人力，提高产品缺陷检测效率及精度。

• 检测每件产品仅需要0.2 秒，可以全天24小时不间断工作。

• 可以排除人为检测时主观因素的干扰，提高检测准确度，准确率高达 97.5%。

• 可以对光伏电池缺陷类型进行统计分析，给工艺的改良和生产的可追溯性提供重要的数据支撑。

北光科技提供的机器视觉方案，在不同的工业领域可以覆盖广泛的应用场景，依托于深度学习技术，提供一套方便快捷的产品外观质量检测系统，使得质检环节进一步向自动化和智能化方向转变，帮助企业进行智能制造转型升级，更好地把握物联网时代的机遇。