工业视觉智能平台

（一）项目背景

工业中的质检是一个千亿级的市场，由于传统人工有着较大不足以及诸多不可控的主观因素，产品缺陷种类繁多，在不同线路、不同产品上的缺陷特征又不一样。同时从人工成本和人员培养时间线角度考虑，一个质检员从入职到上岗，需要2-3个月的岗前培训才能胜任，但结果却是人力成本节节攀升但附加值依然偏低，重复劳动的过程性依然存在。目前，虽然越来越多的工厂开始使用机器视觉技术来代替人工进行产品质检，也通过这种技术的使用替代人工，解放部分生产力，实现检测环节基本自动化。但是由于仅使用单一技术，不能完全实现线上检测环节盲点的PDCA全覆盖，因而导致技术叠加后有效覆盖率不足5%。检测环节机器视觉应用依然存在概念大于实际，人工多于自动的现状。因此，对于企业而言，迫切需要有更全面的技术方法来实现生产线的自动化检测。

（二）项目简介

本项目研发了工业产线在线实时质量检测平台，兼顾行业通用化和特定产品专属化需求。设计工业场景通用视觉检测框架，采用云+边+端分层架构，各层独立且可根据需要灵活部署。同时，根据不同行业和产线特点需求，研发多种适应性深度学习算法，并将其封装为可复用模块，实现对常见产品形态各类缺陷的有效检测。项目前期在制造业多个领域的产品质检中进行了初步验证，已成功落地应用于企业实际生产线，并已申请多项国家发明专利。

（三）关键技术

单阶段轻量级多尺度卷积神经网络。边侧使用LSN-DarkNet-CSP模型对产品进行检测， 并且引入CSPNet的思想，给出目标检测和分类结果，并将结果通知到端侧系统。检测结果实时处 理系统部署在各生产线上（端侧），根据边缘侧返回的检测结果，控制PLC自动分拣出不合格品；

产品分区域使用不同检测模型。将一个产品根据缺陷特点分成不同区域，采用适用于不同区域的深度学习算法对区域内的缺陷进行单阶段并行检测，单张图像小于20ms，最后将检测结果汇总到完整产品中，能够满足工业生产线对实时性的需求。