2024年工业视觉检测算法方案白皮书

工业视觉检测技术作为智能制造的关键支撑，在提高生产效率和产品质量方面发挥着重要作用，但实际应用中面临背景复杂、对比度低、缺陷种类多样等挑战。阿丘科技作为行业先行者，通过《工业视觉检测算法方案》白皮书，深入分析了工业视觉检测项目的特点及解决方案。

一、工业视觉检测项目的特点 工业视觉检测项目具有算法实现难、样本收集难、检测要求高、客户关注部署与维护成本等特点。具体表现为：

• 算法实现难：工业环境背景复杂，对比度低，缺陷种类繁多（简单项目10种以内，复杂项目上百种），且缺陷常分布在多个平面上，需多角度采集图像。
• 样本收集难：高良品率生产线缺陷样本稀缺，收集周期长（数月甚至数年），影响模型训练效果。
• 检测要求高：需达到零漏检标准，图像处理速度要求在毫秒级别（如半导体制造中晶圆检测）。
• 客户关注成本：系统需高可靠性、易维护、可快速复制，兼顾硬件和软件兼容性、可扩展性、易用性，以降低初期投资和运维费用。

二、工业视觉检测算法方案的基础概念

1. 算法工具的概念：算法工具是独立解决特定问题的技术模块，如定位（确定目标位置和姿态）、分割（生成多边形分割区域）等，但单一工具难以满足复杂需求。
2. 算法工具的能力边界：
   • AI与传统算法：AI在低对比度、背景干扰情况下表现优异（最小检测精度3x3像素），传统算法在高精度定位和测量中更精确（亚像素级别）。
   • AI各工具：分割工具提供像素级结果（如焊点检测、病灶分割），定位和检测工具提供区域级信息（如零部件定位、文字识别）。
   • 非监督学习：在缺乏标注数据时有效工作，如阿丘科技的非监督分割算法可检测最小7x7像素缺陷，适用于稀有缺陷场景。
3. 工业视觉检测算法方案的概念：将多个算法工具组合解决复杂问题，如定位、分割、OCR模块协同工作实现最终检测目标。

三、算法方案优劣评价的标准

1. 技术可行性：通过轻量级离线POC测试验证检测效果和性能，如调整项目范围或降低指标要求以达成目标（如漏检率无法零可接受一定漏检以换取速度）。
2. 算法的投入产出比：评估硬件投入（如高性能GPU增加成本）、开发周期（避免过长影响交付和成本）、商业可行性（如阿丘科技AIDI平台降低开发门槛，传统方法需调用多个算子）。
3. 算法的维护成本：AI方案（如AI为主或AI与传统算法结合）可将维护工作转给售后团队甚至一线员工，降低算法工程师调参频率，提高系统稳定性和可靠性。

四、制定工业视觉检测算法方案

1. 明确需求：梳理需求项（工位、图像数量、检测项数量及标准）、检测要求（过检/漏检指标、CT时间要求）。
2. 单图方案设计：
   • 算法方案设计流程：先设计单一检测项方案，再合并局部算法流程优化效率。
   • 单图算法整合：不同检测项共用ROI提取工具提高效率。
3. 产品算法方案整合：
   • 绘制算法流程与时序图评估速度要求，评估硬件配置（如显卡）。
   • 并行处理关键步骤（如采集图像、传统前处理、AI检测、结果汇总）以满足高速要求。
   • 多AI模型推理按串行方式预估总耗时，因显卡机制限制并行效率提升有限。

总结：设计优秀的算法方案需兼顾技术可行性、可交付性、易维护性，通过综合运用多种算法工具（如定位、分割、OCR）并优化流程（如并行处理、共用工具），实现高性价比、高稳定性的工业视觉检测系统，推动智能制造发展。