数之联聚焦泛半导体行业的AI+工业检测

“ADC(图像自动缺陷检测与分类)在我们工厂跑不起来,某全球最大的信息技术和业务解决方案公司的驻场团队太慢了,你们来试试。”

2018年,成都数之联科技股份有限公司(下称“数之联”)接到了厦门某电子集团的电话,让他们迅速准备一套ADC工业质检项目方案,进行工业瑕疵检测,解决工业质检问题。这是数之联与国际头部公司的首次正面碰撞,结果以数之联成功执行落幕。

后来居上:从数据发端工业AI质检

工业AI质检是关乎生产良率的“命门”,但这道命门长期掌握在外国厂商手中。

据数之联创始人兼董事长傅彦介绍,在图像缺陷检测软件市场,国外厂商的市场占有率达到了60%以上;在大数据分析软件方面,四家国际龙头企业更是占据了80%的市场。巨头大多成立时间久、研发投入高,垄断建立在抢占早期地位上,传统视觉检测V软件背后的公司已经成立40年, 另一巨头德国M公司也成立了25年。

海外企业服务的价格高、服务慢,让很多中国企业用起来极为痛苦。其次是传统视觉检测已经不足以应对行业日新月异的检测要求。但国外企业长久研发积累的软硬件技术优势仍然明显,国内机器视觉市场由国际巨头占据大量市场份额。随着国产品牌逐渐在自动化领域深耕,2019年国产品牌销售占比已到达 48.7%,未来有望凭借更低的价格、更优质的服务、更快速的市场响应进一步提升国产化率,为数之联杀入市场提供了机会。

寻求工业检测行业的国产替代品,亦成为各大企业的当务之急。

“第一次接触工业检测是一家企业打电话问我们,分析数据这么厉害,能不能帮他们分析一下缺陷数据。”智慧工业事业部总经理方育柯回忆道:“我们一边驻点一边完成系统搭建,后来他们还挺满意,我们就接着做了三期服务。”

2018年,数之联打败了某全球最大的信息技术和业务解决方案公司等竞争对手,为京东方和天马提供面板检测服务。“京东方的面板检测涉及了PCB板、IC线路检测等内容,加之新能源、移动互联网的发展,我们都意识到泛半导体检测的兴起将是未来之势。”方育柯回忆说。

数之联ADC的服务行业

随后,数之联开始发力图像处理分析,其软件产品ADC(图像自动缺陷检测与分类系统)推向市场。各家研发同时在这个增长行业里起跑,削弱了时间带来的经验主义,让数之联的优势得以凸显。目前,数之联服务过面板制造、PCB、封测、PCBA、新能源、汽车制造等行业,在细分领域已是国内最大的ADC产品与解决方案提供商,市场对他们的高认可度反映在月均10%的订单增长率上。

由软件向硬件:构建机器视觉的骨骼

尽管国产图像分析异军突起,但不可否认的是,海外企业仍然处于强势地位。国外高端制造业及自动化进程均早于我国,其中软件和硬件的双向发展缺一不可。以工业检测的机器视觉为例,软件算法是其血肉,决定了与具体场景的适配,而自动化硬件设备则是其骨骼,包含了对具体行业的理解。

在数之联的硬件总监宋安兴看来,视觉检测设备搭载AI算法迭代升级的机会已经到来。加入数之联之前,他拥有多年的半导体设备开发经验,加入后,他更是深刻认识到了AI+ADC的工业优势。“过去的视觉检测以传统算法为主,卷积神经网络为辅;而随着深度学习框架的飞跃,AI快速解决问题和兼容产品快速换型方面的优势逐渐凸显,与此对应的设备供应商局面肯定也将重新改写。”

根据36氪的市场调研,这也是AI+工业检测最好的时代。自2018年开始,工业检测的市场在不断扩大。2020年,全球机器视觉市场规模为125亿美元,国内则占据200亿元人民币(约31.6亿美元),复合增长率超过12%。同时,国产工业检测企业也在不断崛起,天准科技、矩子科技、华兴源创、精测电子等上市企业,均实现了上亿元年营收。

数之联聚焦泛半导体行业的AI+工业检测

泛半导体检测设备成为了一个巨大的历史机遇。这是数之联AI算法搭载硬件,切入硬件化的最好时机。

而硬件的高技术、高专利和高利润,都建立在高研发和高成本之上,这是所有硬件工业进行规模化研发和生产要跨过的一道门槛,也是美国研发实力领跑全球的一大原因。

据欧盟委员会的《2020年欧盟工业研发投入记分牌》数据,全球企业研发入榜单围公司数2500家中,美国有775家企业入围,研发支出金额共为3477亿欧元;其次是欧洲,有542家企业入围,研发支出金额共为2209亿欧元;再者是中国,有536家企业入围,研发支出金额共为118.8亿欧元,单家企业平均数仅为美国的0.49%。

数之联要发展硬件设备,绕不开重工研发道路。为此,宋安兴在数之联力推自建硬件检测的AOI(自动光学检测设备),力争将硬件科研思维引入了这家软件公司。

10年的硬件设备开发经验,推动着宋安兴不断地向同事解释硬件思路:“第一次推AOI的时候,98%的员工都不知道AOI是什么。就像自己不了解AI算法一样,光机电的技术要点让大数据精英们摸不着头脑,硬件的物料成本看来太过昂贵。更不要说设备还有加工、采购、组装、调试等等环节,所有的供应链和方式方法都得从零开始。前期的投入和成本高昂,但是量产之后的规模效益会带来很高的价值。数之联的AI算法国内首屈一指,而高价值的AOI一定是用AI算法做质检的终极赛道。”

他花了很长时间和智慧工业部的同事解释,做硬件的不同之处在哪里:“在大数据架构和工业设备的架构问题上,工业设备一般通过C做底层,C#做上层搭建。数之联作为软件公司,习惯了中心端架构方式。但现在我们需要适应设备行业的技术规范,才能快速兼容更多硬件模组,把推理部署在设备端,才能保证响应和复制性,进而做到更低的成本。同时,传统的图像采集算法需要通过拼接、切割或者其他手段处理图片,之后才能做AI识别,而ADC是直接拿AOI检出的图片做分析,这是完全不一样的做法,提高了AOI的系统难度。但是新老算法之间的协同必须解决,否则无法保证深度算法之前的图像精度。”

经过几个月的讨论,数之联准备让宋安兴搭建一个光学实验室作为初步试水。这间办公室改造的实验室,成为了数之联AOI检测硬件的发源地。

补齐硬件,打开标品大门

基于数之联在ADC软件开发时期的良好口碑,他们在开发AOI硬件的过程中就接到不少联络电话,同时泛半导体行业的蓝海特征也显露了出来。经过数次实验和沟通,数之联先与一家外企进行了DEMO样机测验,结束后随即接到青岛某新能源电池企业的邀请,定制一款针对该厂新能源汽车电池的检测软硬件系统。

新能源汽车行业的飞速发展,导致这家电池企业急于寻找检测解决方案,要求提供的检测设备能在高动态的生产线上快速检测出电池缺陷,精度需达到0.05毫米以下,检测速率要毫秒级,他们始终未能在市面上找到现成的服务商。最终,数之联用三个月时间完成这个定制方案的设计、样机制造和组装、算法调试和参数调整、建模,目前产品已上线。

数之联在汽车行业的检测应用

这次硬件的成功应用,打开了数之联的AOI标品大河的一条涓流。随后,数之联一边在多个项目上支持和改造产品,一边积累经验,优化硬件,搭建标品框架。在几十个需求方案中,数之联逐渐完成了新能源电池、汽车零部件、电路板等方面的积累。

2021年8月,数之联交付了完全自研的第一台产品化AOI,能够解决PCBA组装后的缺陷问题,实现了从开发、设计、加工、组装到调试的所有工作,而且一次性达到客户要求。2022年1月26日,数之联聚焦PCBA(电子印刷电路板)领域,正式推出一款基于深度学习的创新型硬件产品——追光AI-AOI,解决传统AOI过检、误检高、产品换型慢的问题,也相应节省了企业的人力。

数之联的各项实测数据也展示了他们对工业检测的全方位提升。

与其他AOI解决方案对比,数之联追光AI-AOI搭载着数之联深度学习神经网络模型,该模型是数之联集合了在泛半导体行业多个成功落地经验及海量缺陷数据,训练出的可兼容焊点形态变化、高泛化模型,能切实解决传统AOI在编程/调试时间过长、误判过高、因人而异的操作结果等核心痛点。在考虑低成本的同时,数之联追光AI-AOI提供了同规格系列产品中,行业最快的运动速度(A4尺寸板,450片/h)和最大的检测尺寸(50*50到510*510mm),以及兼容不同高度的产线(725-975mm)。与普通的AOI对比,数之联追光AI-AOI通过AI模型,自动识别焊点位置,一个检测框即可覆盖各类缺陷的检测,将之前1-2小时的产品换型时间缩短为10分钟。

追光AI-AOI:自动识别焊点位置

此外,基于深度学习的焊点识别,可精准定位缺陷位置,对多种形态各异的焊点做出准确的判断,解决传统算法仅对缺陷进行OK/NG粗分类问题。

缺陷类型

经市场和客户验证,追光AI-AOI检出率可达到99.99%,误判率低于0.3%。其中,PCBA-DIP 炉后AOI已实现核心指标行业领先,有效提升了工厂工艺品质。

结语:自主、专精仍是工业核心

当前来看,机器视觉主要玩家仍是美、日、德等巨头企业,不过近年来我国对于高端装备制造业越来越重视。整体产业需要摆脱进口依赖、发展高端制造,机器视觉技术必不可少,其对精准度的严格要求也必须从机器智能技术层面识别来实现。

方育柯和宋安兴作为主推数之联进军AOI的负责人,认为“追光AI-AOI”已经达成了数之联工业硬件的第一步。“但未来还有很长的路要走。”宋安兴表示,“工业检测硬件产业也分上中下游,越上游越高精尖。现在我们打磨了2年,打造出了追光AI-AOI,能够满足下游的PCBA检测,未来我们也会保持研发,快速拓展到PCB、封测等工业领域。”

对于这是不是数之联「未来要做国内最大的工业数据企业」的重要一步,方育柯笑称,“希望这是数之联为中国制造2025作出贡献的一小步。”

审核编辑：汤梓红