（一）項(xiàng)目背景

工業(yè)中的質(zhì)檢是一個(gè)千億級(jí)的市場，由于傳統(tǒng)人工有著較大不足以及諸多不可控的主觀因素，產(chǎn)品缺陷種類繁多，在不同線路、不同產(chǎn)品上的缺陷特征又不一樣。同時(shí)從人工成本和人員培養(yǎng)時(shí)間線角度考慮，一個(gè)質(zhì)檢員從入職到上崗，需要2-3個(gè)月的崗前培訓(xùn)才能勝任，但結(jié)果卻是人力成本節(jié)節(jié)攀升但附加值依然偏低，重復(fù)勞動(dòng)的過程性依然存在。目前，雖然越來越多的工廠開始使用機(jī)器視覺技術(shù)來代替人工進(jìn)行產(chǎn)品質(zhì)檢，也通過這種技術(shù)的使用替代人工，解放部分生產(chǎn)力，實(shí)現(xiàn)檢測環(huán)節(jié)基本自動(dòng)化。但是由于僅使用單一技術(shù)，不能完全實(shí)現(xiàn)線上檢測環(huán)節(jié)盲點(diǎn)的PDCA全覆蓋，因而導(dǎo)致技術(shù)疊加后有效覆蓋率不足5%。檢測環(huán)節(jié)機(jī)器視覺應(yīng)用依然存在概念大于實(shí)際，人工多于自動(dòng)的現(xiàn)狀。因此，對(duì)于企業(yè)而言，迫切需要有更全面的技術(shù)方法來實(shí)現(xiàn)生產(chǎn)線的自動(dòng)化檢測。

（二）項(xiàng)目簡介

本項(xiàng)目研發(fā)了工業(yè)產(chǎn)線在線實(shí)時(shí)質(zhì)量檢測平臺(tái)，兼顧行業(yè)通用化和特定產(chǎn)品專屬化需求。設(shè)計(jì)工業(yè)場景通用視覺檢測框架，采用云+邊+端分層架構(gòu)，各層獨(dú)立且可根據(jù)需要靈活部署。同時(shí)，根據(jù)不同行業(yè)和產(chǎn)線特點(diǎn)需求，研發(fā)多種適應(yīng)性深度學(xué)習(xí)算法，并將其封裝為可復(fù)用模塊，實(shí)現(xiàn)對(duì)常見產(chǎn)品形態(tài)各類缺陷的有效檢測。項(xiàng)目前期在制造業(yè)多個(gè)領(lǐng)域的產(chǎn)品質(zhì)檢中進(jìn)行了初步驗(yàn)證，已成功落地應(yīng)用于企業(yè)實(shí)際生產(chǎn)線，并已申請(qǐng)多項(xiàng)國家發(fā)明專利。

（三）關(guān)鍵技術(shù)

單階段輕量級(jí)多尺度卷積神經(jīng)網(wǎng)絡(luò)。邊側(cè)使用LSN-DarkNet-CSP模型對(duì)產(chǎn)品進(jìn)行檢測， 并且引入CSPNet的思想，給出目標(biāo)檢測和分類結(jié)果，并將結(jié)果通知到端側(cè)系統(tǒng)。檢測結(jié)果實(shí)時(shí)處 理系統(tǒng)部署在各生產(chǎn)線上（端側(cè)），根據(jù)邊緣側(cè)返回的檢測結(jié)果，控制PLC自動(dòng)分揀出不合格品；

產(chǎn)品分區(qū)域使用不同檢測模型。將一個(gè)產(chǎn)品根據(jù)缺陷特點(diǎn)分成不同區(qū)域，采用適用于不同區(qū)域的深度學(xué)習(xí)算法對(duì)區(qū)域內(nèi)的缺陷進(jìn)行單階段并行檢測，單張圖像小于20ms，最后將檢測結(jié)果匯總到完整產(chǎn)品中，能夠滿足工業(yè)生產(chǎn)線對(duì)實(shí)時(shí)性的需求。