12月22日，在2020高工機器人&高工移動機器人年會應用向新專場上，科瑞技術研發(fā)副總Dr. KK.Chang以“AI+機器視覺，引領智能檢測新風口”為主題發(fā)表了演講。

科瑞技術研發(fā)副總Dr. KK.Chang

Dr. KK.Chang首先介紹了作為精密檢測設備——AOI的發(fā)展歷程：上世紀50年代，關于2D圖像識別的研究正式開啟；歷經(jīng)幾十年的技術迭代發(fā)展，1982年世界領先的SMT AOI設備廠商——以色列奧寶科技，開發(fā)了第一臺裸板PCB AOI；90年代，國外廠商率先在3C電子、半導體等領域應用AOI；在國內(nèi)，AOI則進入實驗室研發(fā)階段；2001年，歐姆龍全3D AOI——VT530被用于PCB板檢測；自此，視覺檢測與AI深度融合成為智能檢測新風口。

隨著電子產(chǎn)品的小型化以及低能耗化，其產(chǎn)品元器件趨于微型化，組件在裝配過程中越來越不可能采用人工檢視的方式，必須采用自動檢測設備；另一方面，隨著用工成本越來越高，電子制造企業(yè)出于對產(chǎn)品質(zhì)量和成本控制的需求，將加速AOI檢測設備替代人工的進程。在這種環(huán)境下，全球及中國自動光學檢測設備迎來高速發(fā)展期。

AOI的市場壁壘

但與其它高端設備一樣，AOI市場長期由外資品牌把持，國產(chǎn)AOI發(fā)展良莠不齊。Dr. KK.Chang指出，目前國產(chǎn)AOI設備大部分面臨著技術壁壘不強、核心人才缺失等問題。首先，在技術壁壘方面，AOI集成多學科技術，包括圖像傳感技術、光源技術、數(shù)據(jù)處理技術、運動控制技術等，以承擔起產(chǎn)品生產(chǎn)過程中的精密測量、檢測、識別和引導等一系列任務。

正是AOI技術準入門檻高，導致其研發(fā)費用占比較高。Dr.KK.Chang表示，AOI核心技術在于算法，包括平衡算法開發(fā)和算法應用；同時還涉及到大數(shù)據(jù)管理、光譜/打光、自適應運動等技術難題，都需要設備廠商進行大量研發(fā)投入才能一一攻克。

而核心人才的缺失則進一步限制了關鍵技術的迭代與更新，因此企業(yè)需要在內(nèi)部建立良好的管理、優(yōu)秀的企業(yè)文化、合適的人才選拔培養(yǎng)機制和技術引導分享機制等，培養(yǎng)公司核心人才。

在產(chǎn)品市場化的過程中，Dr. KK.Chang認為，品牌優(yōu)勢欠缺、客戶資源短缺，是國產(chǎn)AOI廠商明顯的短板。在品牌優(yōu)勢的構建上，進一步表現(xiàn)為質(zhì)量和服務保證優(yōu)勢、品牌粘性、參與國際項目等；客戶資源欠缺，主要是視覺檢測的終端目標不明確、對AOI缺乏正確認知、AOI深層需求挖掘不充分，廠商更注重單純應用而非自主創(chuàng)造等產(chǎn)業(yè)上下游存在的系列問題共同導致的。

科瑞技術AOI的核心技術優(yōu)勢

目前，科瑞技術在AOI系統(tǒng)平臺上，已經(jīng)徹底打通了從核心技術到市場應用的關鍵鏈路。在技術層面上，科瑞技術掌握了包括光譜科學、打光技術、自適應運動&自動調(diào)整、Eigen算法& 深度學習、大數(shù)據(jù)應用(MES/FIS/Data Ctr/etc)等多項核心技術。

事實上，AOI圖像采集過程中照明系統(tǒng)非常重要，選擇最佳光源的目的，是保證被檢測物體的特征區(qū)別于其他背景，其中涉及到光源的光譜特性、光源顏色、色溫特性。高效率、長壽命、高亮度且均勻的光源，是達到高精密檢測的首要條件，高亮度、均勻性好的光源可提高信噪比，而長壽命、高效率則可以提高設備穩(wěn)定性，降低工作負荷。

Dr. KK.Chang介紹，關于光譜科學，目前主要以可見光為主，紅外光和紫外光為輔，例如一些特殊材料在可見光范圍內(nèi)吸收差別不大、灰階變化不明顯時，可以考慮采用特殊波長光源。所檢測的缺陷越精密，就越能準確排查掉誤差。因此，視覺檢測不能單純依靠軟件升級，還需要環(huán)境支持，這就涉及到光譜學。

而打光技術目的則是均勻照射物體表面，光越均勻，看得越清楚，檢測結果越精確。目前打光技術主要以反光科學為主，它在光譜里面分成兩種光，一種是特殊光譜學，另一種則是色溫光譜。

“當我們應用吸光光譜學時，其實看到的是反射光，而反射光中既有可能存在單波吸光光譜，也有可能出現(xiàn)多波吸光光譜；因此在檢測部分物體的顏色、質(zhì)量、材料時，如何正確檢測到被檢物體發(fā)出來的是單波光還是多波光，發(fā)揮關鍵作用的就是打光技術。”Dr.KK.Chang進一步解釋道。

系統(tǒng)補償層面，在材料及設計上，如果只采用Cpk，就只能控制某個部件的精度，而評判一個系統(tǒng)的穩(wěn)定性和操作能力，重點在于整個部件合成體的情況，因此基本以GRR、P/T為主，或者是性能比為主。另外關于系統(tǒng)補償?shù)木珳市浴⒎€(wěn)定性問題，在整個設備層面，涉及到機械運動的六軸、運輸模組、光相模組、芯片選擇、系統(tǒng)補充、電氣控制等各個層面，如何配合機械與運動合成一體，決定設備的整體性能。

科瑞技術自主開發(fā)的軟件算法一般被稱之為一種特征算法，Dr.KK.Chang表示，檢測中圖像因顏色不同，呈現(xiàn)的高斯變化也是不一樣的，科瑞技術可以根據(jù)圖像反射出來的光轉化成數(shù)碼、數(shù)據(jù)，從而提取二維高斯變化；通過二維轉換為多維線性回歸；最后進行相關性分析，也就是對比性，從原材料與待測材料的對比性，可以最終實現(xiàn)缺陷識別，并在進行位置確認后顯示出來。

接下來是深度學習的應用。深度學習目前已經(jīng)被廣泛應用在汽車、自動駕駛，個人電動車、無人餐廳、醫(yī)療護理等場合，Dr.KK.Chang認為，深度學習的應用后期將會深入發(fā)展為仿生時代。但深度學習的準確性取決于訓練模型，當缺少訓練模型或模型不準確時，特征算法能保證檢測結果的正確輸出。

科瑞技術以精準的特征算法為主，深度學習為輔，形成了科瑞技術的AOI測試系統(tǒng)，兼顧了高速和高精度。

最后是大數(shù)據(jù)，每個系統(tǒng)都存在著海量數(shù)據(jù)，獲得大數(shù)據(jù)中每個缺陷的關聯(lián)性，才是大數(shù)據(jù)能夠真正發(fā)揮作用的關鍵。舉例來說，在做精加工時，存在一個固定定位，當這個定位點到達某一個精加工點時，它是固定的，一旦它的定位有所偏移，那么它所造成的缺陷，在視覺里就不一定能被看到，而借助科瑞技術的特征值算法，則完全可以獲知在什么定位點出現(xiàn)了怎樣的問題。

目前，科瑞技術AOI已經(jīng)在鋰電制造裝備、3C測試及制造裝配、醫(yī)藥食品制造裝配、制造數(shù)字化解決方案、精密零部件及夾模具、智能物流、精密機械制造等七大行業(yè)中廣泛應用，未來，科瑞技術將在立足以上行業(yè)的基礎上，開拓更多新市場。

展望未來技術發(fā)展，Dr.KK.Chang表示，科瑞技術已建立未來十年的智能發(fā)展路線圖。到2022年，以多輸送系統(tǒng)、智能傳感技術為主，到2024年，以數(shù)據(jù)分析、傳感+監(jiān)控、結構健康檢測、SHM為主，直至2030年進入前仿生時代。

原文標題：【KHGEARS鈞興諧波 | 高工年會】科瑞技術Dr.KK.Chang：AI+機器視覺，引領智能檢測新風口

文章出處：【微信公眾號：高工機器人】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq