新闻News

    看视源股份(CVTE)如何让工厂生产线聪明起来

    2018-09-13

           现代工业生产流程中, 测试几乎是最不可或缺的一部分:连续大批量生产中的每个制程都有一定次品率,单独看虽然比率很小,但相乘后却成为工厂提高良率的瓶颈。过去,在电子制造业,工人需要手持复杂的印刷电路板,花费很长时间检查板卡外观有无缺陷,难以适应高速生产的需求。


          视源股份(CVTE)旗下控股子公司镭晨科技,将机器人应用、机器视觉和自动测试技术应用到检测系统上,致力于打造高端柔性化、智能化的工业生产及检测设备。其中镭晨科技将深度学习算法,结合大数据训练智能模型应用在自动光学检测(AOI)中,帮助实现高效准确的工业外观检测。



    你听过自动光学检测(AOI)吗?

           

          自动光学检测(AOI)是一种基于光学原理,利用机器视觉替代人工目检的外观检测技术。系统自带高分辨率工业相机,在电子电路板顶面拍照后,通过智能图像分析,检测电子电路板上的插件元器件的错、漏、反等缺陷,其中就包含了人眼无法看到的细节特征。


    自动光学检测AOI.png



    深度学习,更加聪明


           传统AOI是自动化的,在人工设定规则下,能替代大量重复性外观检测工作。但工业检测中所产生的海量数据,传统AOI难以针对其进行处理及训练,可能会导致数据的浪费以及其自身应用的停滞不前。


           为了让检测更加“自主聪明”,镭晨科技自主研发了深度学习的人工智能技术,并将其应用在AOI中。这种深度学习算法能模拟人类大脑工作,构建深度神经网络,在原始数据中进行自动特征的提取。当出现无法检测的缺陷时,检测系统可以通过设备采集数据,在一定的人工干预下进行模型的微调训练。在训练过程中,随着数据集的扩充和模型的强化,检测结果也在不断优化。


    视源股份.png



    强适应力,多行业应用


           然而制造业里,每个垂直领域的生产流程和工艺都千差万别,AOI进入每个行业的理解成本都很高。所以传统机器视觉在工业检测应用上,仍面临着适应不同生产环境的挑战,即便是微小的环境因素差异都可能会影响检测精度。


           针对这种情况,镭晨科技自研的深度学习算法本身就拥有很强的通用性、柔性以适应不同的行业。举个例子,镭晨科技AOI在进行元件极性识别时,基本不会受到元件成像角度、位置、光照、纹理、颜色、大小等差异的影响,兼容多种工业环境。现在该AOI系统已应用在多个行业,包括显示液晶屏幕的自动化检测、汽车电子产品的外观检测、电子产品的组装加工过程等。


    CVTE.png


           以上你所看到的“黑科技应用”都离不开背后的技术支撑:视源股份中央研究院和镭晨自身专业的机器视觉研发团队。视源股份中央研究院在视觉计算、数据挖掘、机器人等多个领域进行基础科研,以探究未知、发现新知。基于中央研究院提供的底层技术支持,镭晨科技自身的研发团队将进行技术落地与产品化,把这些 “黑科技应用”带入更多的工业场景。


           未来的工厂将会拥有灵活的协同系统,自主运行整个生产过程,在全局范围内自我优化,实时适应新的环境。视源股份(CVTE)将以视觉计算、数据挖掘等前沿技术赋能制造模式和工业体系,为智慧工业建设注入新的能量,让科技设想照进现实。