AI+机器视觉引领智能检测新风口

12月22日，在2020高工机器人&高工移动机器人年会应用向新专场上，科瑞技术研发副总Dr. KK.Chang以“AI+机器视觉，引领智能检测新风口”为主题发表了演讲。

科瑞技术研发副总Dr. KK.Chang

Dr. KK.Chang首先介绍了作为精密检测设备——AOI的发展历程：上世纪50年代，关于2D图像识别的研究正式开启；历经几十年的技术迭代发展，1982年世界领先的SMT AOI设备厂商——以色列奥宝科技，开发了第一台裸板PCB AOI；90年代，国外厂商率先在3C电子、半导体等领域应用AOI；在国内，AOI则进入实验室研发阶段；2001年，欧姆龙全3D AOI——VT530被用于PCB板检测；自此，视觉检测与AI深度融合成为智能检测新风口。

随着电子产品的小型化以及低能耗化，其产品元器件趋于微型化，组件在装配过程中越来越不可能采用人工检视的方式，必须采用自动检测设备；另一方面，随着用工成本越来越高，电子制造企业出于对产品质量和成本控制的需求，将加速AOI检测设备替代人工的进程。在这种环境下，全球及中国自动光学检测设备迎来高速发展期。

AOI的市场壁垒

但与其它高端设备一样，AOI市场长期由外资品牌把持，国产AOI发展良莠不齐。Dr. KK.Chang指出，目前国产AOI设备大部分面临着技术壁垒不强、核心人才缺失等问题。首先，在技术壁垒方面，AOI集成多学科技术，包括图像传感技术、光源技术、数据处理技术、运动控制技术等，以承担起产品生产过程中的精密测量、检测、识别和引导等一系列任务。

正是AOI技术准入门槛高，导致其研发费用占比较高。Dr.KK.Chang表示，AOI核心技术在于算法，包括平衡算法开发和算法应用；同时还涉及到大数据管理、光谱/打光、自适应运动等技术难题，都需要设备厂商进行大量研发投入才能一一攻克。

而核心人才的缺失则进一步限制了关键技术的迭代与更新，因此企业需要在内部建立良好的管理、优秀的企业文化、合适的人才选拔培养机制和技术引导分享机制等，培养公司核心人才。

在产品市场化的过程中，Dr. KK.Chang认为，品牌优势欠缺、客户资源短缺，是国产AOI厂商明显的短板。在品牌优势的构建上，进一步表现为质量和服务保证优势、品牌粘性、参与国际项目等；客户资源欠缺，主要是视觉检测的终端目标不明确、对AOI缺乏正确认知、AOI深层需求挖掘不充分，厂商更注重单纯应用而非自主创造等产业上下游存在的系列问题共同导致的。

科瑞技术AOI的核心技术优势

目前，科瑞技术在AOI系统平台上，已经彻底打通了从核心技术到市场应用的关键链路。在技术层面上，科瑞技术掌握了包括光谱科学、打光技术、自适应运动&自动调整、Eigen算法& 深度学习、大数据应用(MES/FIS/Data Ctr/etc)等多项核心技术。

事实上，AOI图像采集过程中照明系统非常重要，选择最佳光源的目的，是保证被检测物体的特征区别于其他背景，其中涉及到光源的光谱特性、光源颜色、色温特性。高效率、长寿命、高亮度且均匀的光源，是达到高精密检测的首要条件，高亮度、均匀性好的光源可提高信噪比，而长寿命、高效率则可以提高设备稳定性，降低工作负荷。

Dr. KK.Chang介绍，关于光谱科学，目前主要以可见光为主，红外光和紫外光为辅，例如一些特殊材料在可见光范围内吸收差别不大、灰阶变化不明显时，可以考虑采用特殊波长光源。所检测的缺陷越精密，就越能准确排查掉误差。因此，视觉检测不能单纯依靠软件升级，还需要环境支持，这就涉及到光谱学。

而打光技术目的则是均匀照射物体表面，光越均匀，看得越清楚，检测结果越精确。目前打光技术主要以反光科学为主，它在光谱里面分成两种光，一种是特殊光谱学，另一种则是色温光谱。

“当我们应用吸光光谱学时，其实看到的是反射光，而反射光中既有可能存在单波吸光光谱，也有可能出现多波吸光光谱；因此在检测部分物体的颜色、质量、材料时，如何正确检测到被检物体发出来的是单波光还是多波光，发挥关键作用的就是打光技术。”Dr.KK.Chang进一步解释道。

系统补偿层面，在材料及设计上，如果只采用Cpk，就只能控制某个部件的精度，而评判一个系统的稳定性和操作能力，重点在于整个部件合成体的情况，因此基本以GRR、P/T为主，或者是性能比为主。另外关于系统补偿的精准性、稳定性问题，在整个设备层面，涉及到机械运动的六轴、运输模组、光相模组、芯片选择、系统补充、电气控制等各个层面，如何配合机械与运动合成一体，决定设备的整体性能。

科瑞技术自主开发的软件算法一般被称之为一种特征算法，Dr.KK.Chang表示，检测中图像因颜色不同，呈现的高斯变化也是不一样的，科瑞技术可以根据图像反射出来的光转化成数码、数据，从而提取二维高斯变化；通过二维转换为多维线性回归；最后进行相关性分析，也就是对比性，从原材料与待测材料的对比性，可以最终实现缺陷识别，并在进行位置确认后显示出来。

接下来是深度学习的应用。深度学习目前已经被广泛应用在汽车、自动驾驶，个人电动车、无人餐厅、医疗护理等场合，Dr.KK.Chang认为，深度学习的应用后期将会深入发展为仿生时代。但深度学习的准确性取决于训练模型，当缺少训练模型或模型不准确时，特征算法能保证检测结果的正确输出。

科瑞技术以精准的特征算法为主，深度学习为辅，形成了科瑞技术的AOI测试系统，兼顾了高速和高精度。

最后是大数据，每个系统都存在着海量数据，获得大数据中每个缺陷的关联性，才是大数据能够真正发挥作用的关键。举例来说，在做精加工时，存在一个固定定位，当这个定位点到达某一个精加工点时，它是固定的，一旦它的定位有所偏移，那么它所造成的缺陷，在视觉里就不一定能被看到，而借助科瑞技术的特征值算法，则完全可以获知在什么定位点出现了怎样的问题。

目前，科瑞技术AOI已经在锂电制造装备、3C测试及制造装配、医药食品制造装配、制造数字化解决方案、精密零部件及夹模具、智能物流、精密机械制造等七大行业中广泛应用，未来，科瑞技术将在立足以上行业的基础上，开拓更多新市场。

展望未来技术发展，Dr.KK.Chang表示，科瑞技术已建立未来十年的智能发展路线图。到2022年，以多输送系统、智能传感技术为主，到2024年，以数据分析、传感+监控、结构健康检测、SHM为主，直至2030年进入前仿生时代。

原文标题：【KHGEARS钧兴谐波 | 高工年会】科瑞技术Dr.KK.Chang：AI+机器视觉，引领智能检测新风口

文章出处：【微信公众号：高工机器人】欢迎添加关注！文章转载请注明出处。

责任编辑：haq