揭秘富士康自動(dòng)化產(chǎn)線(xiàn)背后的“AI眼睛”

5g+AI，如何改造富士康自動(dòng)化產(chǎn)線(xiàn)？

富士康，一家全球公認的超級制造業(yè)巨頭，如今已經(jīng)占據全球超過(guò)42%的代工市場(chǎng)份額。

當外界對這艘“工業(yè)航母”的印象還停留在“蘋(píng)果御用代工廠(chǎng)”時(shí)，富士康已經(jīng)陸續完成大陸地區30余座內部燈塔工廠(chǎng)的升級改造，全面投身下一代半導體、智能汽車(chē)等新興產(chǎn)業(yè)。

據官方報道稱(chēng)，在富士康成都廠(chǎng)區，通過(guò)AI、物聯(lián)網(wǎng)（IoT）等技術(shù)，該工廠(chǎng)生產(chǎn)效率提高了200%，設備綜合效率提高了17%。而類(lèi)似的數字化改造項目也在其他廣區也得到了推廣。

但數字化改造終究是一項長(cháng)期的系統工程。站在企業(yè)視角上看，單靠自身技術(shù)很難做到面面俱到，這時(shí)便需要專(zhuān)業(yè)技術(shù)公司的助力。

以自動(dòng)化產(chǎn)線(xiàn)上常見(jiàn)的外觀(guān)檢測項目為例，在引入清湛研究院的“外觀(guān)缺陷檢測方案”后，改造后的富士康自動(dòng)化產(chǎn)線(xiàn)，在工作效率方面得到卓有成效的提升。

5G加持下，“AI眼睛”更智能

與人類(lèi)視覺(jué)相比，使用機器進(jìn)行缺陷檢測有著(zhù)明顯的優(yōu)勢。它精度高，速度快，可“看”清人眼無(wú)法看清的快速運動(dòng)的目標，具有較高的穩定性，提升質(zhì)量的可控性，同時(shí)可以進(jìn)行信息的集成與留存，方便人員追溯。

因此，機器視覺(jué)在多個(gè)領(lǐng)域都有著(zhù)頻繁的應用，幫助人工進(jìn)行缺陷的檢測識別并標記。

但是，早期富士康自動(dòng)化產(chǎn)線(xiàn)上的機器視覺(jué)項目仍然存在部分問(wèn)題：

1、難以區分黑點(diǎn)和吸附，易將OK品判定為NG品，造成一定的資源浪費；

2、難以準確分辨流紋、劃痕、鼓包、起皮等瑕疵；

3、人檢與機檢標準界限定位不清楚；

4、現有檢測設備接口不開(kāi)放，二次開(kāi)發(fā)不可行；

5、生產(chǎn)節拍固定，數據處理效率要求高，自動(dòng)化改造要求高。

圖 | 產(chǎn)線(xiàn)現場(chǎng)圖片

針對上述問(wèn)題，經(jīng)過(guò)多次實(shí)地調研考察，清湛研究院提出了一套“5G+AI”的工業(yè)視覺(jué)檢測方案：

對于5個(gè)CCD相機拍攝的樣本圖片，3臺視覺(jué)主機會(huì )先對其進(jìn)行一遍初篩，過(guò)濾出NG的樣本圖像；

隨后將圖像/信號通過(guò)5G傳輸的方式發(fā)送到AI邊緣服務(wù)器，通過(guò)服務(wù)器上搭載的AI算法完成缺陷樣本的檢測與分類(lèi)，并將分類(lèi)的結果傳輸給PLC，PLC驅動(dòng)分揀機構完成NG和OK樣品的分揀；

AI算法將數據通過(guò)5G傳輸的方式與云端進(jìn)行通訊，完成模型的訓練任務(wù)并下發(fā)到服務(wù)器進(jìn)行部署。

從工廠(chǎng)反饋的實(shí)際效果來(lái)看，在改用清湛研究院的工業(yè)視覺(jué)檢測方案之后，富士康原有產(chǎn)線(xiàn)中遺留的問(wèn)題得到了有效的解決。

圖 | 自動(dòng)化改造方案架構

5G環(huán)境下，實(shí)現真正強技術(shù)需求

據清湛研究院透露，該項目中涉及到海量的圖像數據。

具體來(lái)看，每個(gè)樣品拍5個(gè)面，每個(gè)面3個(gè)角度，每個(gè)角度4-5張圖（取決于不同位置的CCD相機），每張圖5MB，即每個(gè)樣品數據量在375MB左右，并且一秒內會(huì )拍攝多個(gè)樣品。

這些數據需要實(shí)時(shí)地被處理，利用千兆有線(xiàn)網(wǎng)絡(luò )傳輸一組樣品圖片需耗時(shí)400ms左右，使用4G網(wǎng)絡(luò )傳輸需耗時(shí)4000ms左右，而基于5G的圖像傳輸延時(shí)僅為50ms左右。

圖 | 5G傳輸時(shí)延對比圖

但是對于如此龐大的圖像數據，如果只依靠5G傳輸的速度仍達不到理想的效果，因此還需要對數據采用壓縮技術(shù)，實(shí)現數據的約簡(jiǎn)。

具體實(shí)現方式：當視覺(jué)主機發(fā)送NG信號的時(shí)候，基于深度學(xué)習的數據壓縮，利用圖像數據中空間冗余的思想，對數據進(jìn)行編碼，不但提高壓縮率，而且可以避免冗余計算，大大提高傳輸速度。5G+深度學(xué)習壓縮重建后，單組圖片平均傳輸速度為1ms，實(shí)現了真正的“秒”傳。

一套系統，多項亮點(diǎn)

在完成了數據傳輸后，下一步就是讓整套AI系統完成龐大數據的處理工作。

通過(guò)各個(gè)模塊的拆解分析，我們可以能清晰感受整套改造方案架構的精巧之處。

·超大規模數據標注

據清湛研究院介紹，該套檢測方案使用的人工智能算法是數據驅動(dòng)型算法，首先需要把人類(lèi)理解和判斷事物的能力教給計算機，再讓計算機學(xué)習到這種識別能力。

要學(xué)習數據中的規律，就要假設數據是有正確答案的，很多數據是不存在所謂答案的，那么如果我們想讓數據能有“規律”就要給數據標注。

據悉在本項目中，共計標注10000+圖像數據，包含30000+圖像標注框。在龐大的數據集的支持下，檢測方案的準確率在工作過(guò)程中不斷提升。

圖 | 數據標注界面

·高準確率的人工智能算法

傳統的機器學(xué)習在特征提取上主要依靠人來(lái)分析和建立邏輯，而深度學(xué)習則通過(guò)多層感知機模擬大腦工作，構建深度神經(jīng)網(wǎng)絡(luò )來(lái)學(xué)習簡(jiǎn)單特征、建立復雜特征、學(xué)習映射并輸出。

最終在整個(gè)訓練過(guò)程中，所有的層級都會(huì )被不斷優(yōu)化。

在本項目中，基于清湛自研的AI算法，配合大量的訓練數據，檢測準確率可達99.99%以上，并且優(yōu)化了算法的檢測速度，優(yōu)化后單幀圖像檢測僅需4ms即可完成。

圖 | 圖像檢測算法

·5G傳輸+云服務(wù)器模型訓練

海量標注的圖像數據僅依靠邊緣服務(wù)器難以進(jìn)行訓練任務(wù)，通過(guò)5G+云服務(wù)器的形式，可以大幅減少圖像傳輸時(shí)間，同時(shí)降低訓練所需時(shí)間，最高降幅可達80%，僅需一天時(shí)間即可完成數據訓練。

圖 | 算法訓練終端

·AI中臺——零代碼AI訓練平臺

本項目中的數據標注以及模型訓練，均使用清湛研究院自研的AI中臺進(jìn)行開(kāi)發(fā)部署，亮點(diǎn)如下：

1、零代碼可視化分析，無(wú)需編程簡(jiǎn)單拖拽；

2、涵蓋海量前沿機器學(xué)習和深度學(xué)習算法；

3、個(gè)性化定制，可與自寫(xiě)代碼無(wú)縫銜接；

4、多種預訓練模型，可更快速收斂至高精度；

5、可解釋性功能，打破深度學(xué)習黑箱，為模型結果呈現判斷依據/生物學(xué)基礎；

6、印刷級高清圖表，邊緣計算和云計算可協(xié)同作業(yè)。

圖 | AI中臺系統界面

除此以外，清湛研究院還為其配備了數據展示終端，特點(diǎn)如下：

1、無(wú)縫嵌入原有系統，僅增加微量的計算時(shí)間，可大幅降低人工/耗材損耗；

2、一鍵修改IP，可適配不同計算單元；

3、動(dòng)態(tài)化參數配置，現場(chǎng)工作人員根據情況調整相應的閾值。

圖 | 系統展示界面

據統計，在項目上線(xiàn)后，機臺總良率有了明顯的上升，良率提升至96.60%左右，提升幅度超7%；

同時(shí)，誤檢率下降至1.5%左右，降幅超4%；單個(gè)樣本處理時(shí)間控制在7ms以?xún)龋◤慕邮杖D信號到給PLC發(fā)送OK/NG信號為一個(gè)周期）；

最終，本項目較好地完成了交付標準。

圖 | 上線(xiàn)后機臺總良率

結語(yǔ)

未來(lái)，隨著(zhù)AI的不斷迭代自學(xué)習，AI對傳統制造業(yè)的降本、增效、提質(zhì)效果將更加明顯，越來(lái)越多的制造廠(chǎng)也將會(huì )在各個(gè)質(zhì)檢環(huán)節甚至全流程運用AI實(shí)現更高效、更準確、更自動(dòng)化的作業(yè)，來(lái)提升生產(chǎn)質(zhì)量。

清湛研究院也將協(xié)同廣大供應商合作伙伴致力于實(shí)現我國由工業(yè)大國向工業(yè)強國的轉變，讓中國成為第四次工業(yè)革命的引領(lǐng)者。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！