国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

1、方案背景與目標

中國瓷磚產業(yè)轉型升級和發(fā)展正在取得巨大成果，當前已形成較大的瓷磚產業(yè)集群20余個，瓷磚生產企業(yè)超1500余家，年產量125億平方米，但我國瓷磚依舊未擺脫品質普遍偏低的困境，處于“大”而不“精”的現狀。瓷磚生產環(huán)節(jié)一般經過原材料混合研磨、脫水、壓胚、噴墨印花、淋釉、燒制、拋光，最后進行質量檢測和包裝。得益于產業(yè)自動化的發(fā)展，目前生產環(huán)節(jié)已基本實現無人化，而質量檢測環(huán)節(jié)仍大量依賴人工完成。該方式面臨以下幾項挑戰(zhàn)，一是人工檢測速度較慢，無法滿足高速生產節(jié)拍，影響生產速度；二是人工長時間作業(yè)極度容易出現疲勞，檢測的準確性得不到保證；三是不同質檢員之間判斷標注不一致，導致不穩(wěn)定的漏檢或誤檢；四是成本壓力，揀選過程每班次2-6名揀選工三班倒，企業(yè)需承擔較多人力成本，同時漏檢還會造成廢品流入市場，為企業(yè)帶來大量售后成本，通常一塊瓷磚的售后成本是生產成本的十幾倍。可見，瓷磚表面缺陷是瓷磚行業(yè)生產和質量管理的重要環(huán)節(jié)，也是困擾行業(yè)多年的技術瓶頸。為解決以上問題，本方案開發(fā)了一套瓷磚表面缺陷自動化揀選系統(tǒng)，有效幫助瓷磚生產企業(yè)提升產品的質量及產量。

2、方案詳細介紹

2.1邊緣計算軟件平臺

沈自所自主研發(fā)的AI4Industry平臺是整個解決方案的核心架構，該平臺為云、邊、端一體化架構，是面向應用場景的數據處理、算法開發(fā)及模型迭代部署的一站式服務平臺。在用戶應用視覺技術解決具體需求時，AI4Industry能夠無代碼的完成從數據管理到現場應用的整個流程。平臺為深度學習提供個人數據集等資源的自由管理，支持數據靈活的預處理、團隊標注及智能標注，支持高度定制的模型訓練，以及按需配置的模型部署能力，幫助用戶快速創(chuàng)建和部署模型，覆蓋AI視覺應用的每個環(huán)節(jié)，具體如下圖所示。

圖1 AI4Industry平臺架構

·  AI4Industry云側

云側作為整個架構的指揮中心，主要分為用戶接口層、系統(tǒng)接口層、應用服務層、領域服務層、基礎設施層，共5層。云側負責數據處理、算法開發(fā)、模型迭代、應用托管和遠程監(jiān)控等功能。

具體來說，AI4Industry云側的功能包括：

①　數據存儲與分析：將數據存儲在云端，利用團隊標注或智能標注模式進行數據標注、以及分析和挖掘，為企業(yè)提供更全面的數據支持。

②　算法開發(fā)與迭代：為企業(yè)提供無代碼方式算法開發(fā)和模型訓練，平臺提供一體化編程工具IDE，該工具針對自動化硬件任務，基于工業(yè)自動化特征，使用復合微服務抽象任務級指令。可對機器人等工業(yè)自動化設備功能組件進行建模，實現控制代碼與物理工藝過程的映射，實現任務的多層抽象與工藝級編程。IDE的核心優(yōu)勢是針對工序工步建立標準工步/工序庫，進一步開發(fā)工藝模板，先預編譯，然后根據硬件平臺實現代碼生成，實現工藝級配置，代碼自動生成。針對深度學習CV任務，基于內置的人工智能應用接口，可實現各類算子拖拽式集成調用，以極簡的方式實現復雜的算法開發(fā)任務，從而極大程度降低開發(fā)者的重復工作。此外，一體化編程工具IDE是國內首個支持工業(yè)業(yè)務語義服務與語義關聯的組態(tài)IDE，兼容輕量級微服務與標準工作流的工業(yè)領域組態(tài)IDE。

圖2 AI4Industry平臺人工智能應用接口各層功能

①　應用托管與部署：為企業(yè)提供應用托管和部署服務，降低企業(yè)IT成本，提高應用部署和管理效率。

②　遠程監(jiān)控和維護：對整個系統(tǒng)進行遠程監(jiān)控和維護，及時發(fā)現和解決問題，確保系統(tǒng)的穩(wěn)定性和安全性。

·  AI4Industry邊側

邊側作為云端和端側之間的橋梁，主要負責數據緩存、就近計算和實時控制等功能。通過在靠近設備或現場的位置設置邊緣計算節(jié)點，可以降低網絡延遲、提高數據處理速度和響應速度。同時，邊側還可以減輕云端的負載，提高整個系統(tǒng)的穩(wěn)定性和可靠性。

具體來說，AI4Industry邊側的功能包括：

①　數據緩存與預處理：在靠近設備或現場的位置設置數據緩存區(qū)，如架構圖中繪制的磁盤陣列，對數據進行預處理和篩選，降低網絡傳輸成本和延遲。

②　就近計算與快速響應：利用邊緣計算技術進行數據處理和分析，如架構圖中繪制的GPU后端計算集群，快速響應設備或現場的需求，提高生產效率和響應速度。

③　實時控制與協(xié)同作業(yè)：對設備或現場進行實時控制和協(xié)同作業(yè)，確保生產流程的順暢進行和設備的安全穩(wěn)定運行。

·  AI4Industry端側

端側作為直接與設備或現場交互的層級，主要負責數據采集、設備控制和人機交互等功能，AI4Industry已應用已在多種工業(yè)場景中落地應用，目前集成了數十種智能硬件的交互控制，包括不同品牌的機器人、工業(yè)相機、光源、PLC等，形成大規(guī)模的硬件生態(tài)系統(tǒng)。端側通過將設備或現場的數據采集到系統(tǒng)中，可以實現數據共享、分析和挖掘，為生產和管理提供更全面的數據支持，同時還可以對設備進行遠程控制和監(jiān)測，提高設備的運行效率和安全性，此外，端側還可以提供人機交互界面，方便用戶進行操作和管理。

具體來說，AI4Industry端側的功能包括：

①　算法部署與應用：將AI4Industry云側開發(fā)好的算法部署至端側智能設備中，實現核心算法功能。

②　數據采集與傳輸：基于沈自所自研ThingOriginGateway網關產品，將設備或現場的數據采集并傳輸到系統(tǒng)中，確保數據的準確性和完整性。

圖3 ThingOriginGateway網關系統(tǒng)界面

③　設備控制與監(jiān)測：對設備進行遠程控制和監(jiān)測，提高設備的運行效率和安全性，同時，還可以及時發(fā)現和解決設備故障或異常情況。

④　人機交互與操作界面：提供簡單、直觀的人機交互界面，方便用戶進行操作和管理。用戶可以通過界面查看實時數據、控制設備或調整生產參數等。

2.2瓷磚表面缺陷揀選流程

在瓷磚表面缺陷檢測解決方案中，瓷磚表面缺陷揀選流程由三層循環(huán)結構組成。

圖4 瓷磚表面缺陷檢測三層循環(huán)流程

·  外循環(huán)

外循環(huán)負責AI4Industry平臺云、邊、端三層任務交互，打通數據管理、算法管理、模型迭代、算法部署完整技術路線。首先通過ThingOriginGateway網關實現了對底層設備的數據采集，實現瓷磚圖像的獲取，然后通過網絡傳輸將數據上傳至AI4Industry平臺，利用團隊標注或智能標注的方式，對缺陷數據完成篩選和標注，利用一體化編程工具IDE開發(fā)瓷磚缺陷檢測監(jiān)控系統(tǒng)，并調用人工智能應用接口進行瓷磚檢測算法開發(fā)及檢測模型的訓練，將在AI4Industry平臺上開發(fā)好的瓷磚缺陷檢測監(jiān)控系統(tǒng)上位機軟件、深度學習檢測模型及檢測算法部署至端側服務器中。

·  中循環(huán)

中循環(huán)負責每張瓷磚的表面缺陷檢測完整過程，可分為瓷磚傳送、圖像采集、算法推理、結果反饋、機器人分揀動作，共5個步驟。

·  內循環(huán)

內循環(huán)負責核心算法的執(zhí)行，可分為后端推理算法和業(yè)務邏輯算法兩部分。后端推理算法利用基于深度學習開發(fā)的CIS+CCD雙相機檢測模型實現瓷磚表面缺陷檢測，從而獲得原始檢測結果。業(yè)務邏輯算法包括結果后處理、尺寸及平整度計算、色號劃分、版面分類等算法，將最終表面缺陷檢測出結果發(fā)送給PLC，反饋中循環(huán)實現機器人分揀動作。

2.3專機硬件系統(tǒng)

皮帶傳送系統(tǒng)：用于穩(wěn)定傳送瓷磚通過設備，保證拍攝效果統(tǒng)一；

觸發(fā)傳感系統(tǒng)：用于發(fā)送信號實現各項揀選數據采集；

邊緣計算硬件系統(tǒng)：用于向邊緣計算提供算力和數據存儲服務；

圖像采集系統(tǒng)：利用CIS和CCD線掃相機實現瓷磚高清圖像采集；

照明系統(tǒng)：用于提供穩(wěn)定光源，輔助圖像采集系統(tǒng)獲取清晰瓷磚圖像及缺陷特征；

瓷磚分揀系統(tǒng)：基于檢測結果利用機械臂完成瓷磚分流分揀動作；

其他控制單元系統(tǒng)：用于串聯皮帶傳送、圖像采集、數據交互、結果報警等流程。

2.4數據通訊

數據傳輸和通訊協(xié)議：使用標準通信協(xié)議，確保各個硬件和軟件組件之間的數據傳輸順暢。

2.5安全措施

系統(tǒng)訪問控制：確保只有授權用戶可以訪問系統(tǒng)，同時授權不同級別的權限。

數據安全性：確保從攝像頭到存儲的數據都受到適當的加密和保護。

審計與日志記錄：記錄系統(tǒng)的活動和軟件算法執(zhí)行過程，以便在發(fā)生安全事件時進行調查。

3、代表性及推廣價值

·  代表性成果

瓷磚表面缺陷形狀差異較大且尺寸不固定，小尺寸缺陷檢測尤為困難，本方案基于深度學習的高精度CIS+CCD雙相機檢測模型，并利用傳統(tǒng)視覺算法對檢測結果進行嚴格后處理篩選和分級，在大缺陷檢測不被影響的條件下有效提高細小缺陷檢測能力，當前缺陷檢測誤、漏檢率均低于0.5%。為適應高速生產節(jié)拍，本方案基于TensorRT封裝一套業(yè)界領先的高速模型推理引擎TensorRT_Pro，同時加持業(yè)務引擎和模型推理并行計算框架，從數據采集、數據傳輸、模型推理，再到結果處理，一片瓷磚完整檢測時間僅需0.6s，可滿足瓷磚（400mm*800mm尺寸）80片/分鐘甚至更快的生產速度。本方案已轉化成產品并應用到多家瓷磚生產頭部企業(yè)，量產并應用已有兩年時間，具備較高的可靠性和穩(wěn)定性，目前已成功部署應用十余臺套設備，為相關客戶至少節(jié)省50%以上人力成本，并減少客訴率近80%。

此外，該項目目前已產出專利10余篇、軟著1篇、高品質論文2篇、培養(yǎng)研究生5人。

·  商業(yè)價值與社會價值

本方案可無縫遷移至多種表面缺陷檢測生產場景，具有較強的商業(yè)價值，該解決方案的成功實施，為相關領域如木板、鋼板等表面缺陷檢測場景，通過邊緣計算技術處理實際生產問題提供了先行示范作用。同時，利用AI4Industry平臺采集到的瓷磚圖像及持續(xù)收集到的推理結果大數據，通過數據挖掘及知識圖譜等技術，分析預判生產過程中每個環(huán)節(jié)的當前狀態(tài)及可能出現的問題，對問題預防、結果追溯、設備改進等，都有極大的幫助，可不斷提高瓷磚制造效率和質量，具有較高的社會價值。