揭秘富士康自動化產線背后的“AI眼睛”

5g+AI，如何改造富士康自動化產線？

富士康，一家全球公認的超級制造業巨頭，如今已經占據全球超過42%的代工市場份額。

當外界對這艘“工業航母”的印象還停留在“蘋果御用代工廠”時，富士康已經陸續完成大陸地區30余座內部燈塔工廠的升級改造，全面投身下一代半導體、智能汽車等新興產業。

據官方報道稱，在富士康成都廠區，通過AI、物聯網（IoT）等技術，該工廠生產效率提高了200%，設備綜合效率提高了17%。而類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期的系統工程。站在企業視角上看，單靠自身技術很難做到面面俱到，這時便需要專業技術公司的助力。

以自動化產線上常見的外觀檢測項目為例，在引入清湛研究院的“外觀缺陷檢測方案”后，改造后的富士康自動化產線，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

與人類視覺相比，使用機器進行缺陷檢測有著明顯的優勢。它精度高，速度快，可“看”清人眼無法看清的快速運動的目標，具有較高的穩定性，提升質量的可控性，同時可以進行信息的集成與留存，方便人員追溯。

因此，機器視覺在多個領域都有著頻繁的應用，幫助人工進行缺陷的檢測識別并標記。

但是，早期富士康自動化產線上的機器視覺項目仍然存在部分問題：

1、難以區分黑點和吸附，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放，二次開發不可行；

5、生產節拍固定，數據處理效率要求高，自動化改造要求高。

圖 | 產線現場圖片

針對上述問題，經過多次實地調研考察，清湛研究院提出了一套“5G+AI”的工業視覺檢測方案：

對于5個CCD相機拍攝的樣本圖片，3臺視覺主機會先對其進行一遍初篩，過濾出NG的樣本圖像；

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

AI算法將數據通過5G傳輸的方式與云端進行通訊，完成模型的訓練任務并下發到服務器進行部署。

從工廠反饋的實際效果來看，在改用清湛研究院的工業視覺檢測方案之后，富士康原有產線中遺留的問題得到了有效的解決。

圖 | 自動化改造方案架構

5G環境下，實現真正強技術需求

據清湛研究院透露，該項目中涉及到海量的圖像數據。

具體來看，每個樣品拍5個面，每個面3個角度，每個角度4-5張圖（取決于不同位置的CCD相機），每張圖5MB，即每個樣品數據量在375MB左右，并且一秒內會拍攝多個樣品。

這些數據需要實時地被處理，利用千兆有線網絡傳輸一組樣品圖片需耗時400ms左右，使用4G網絡傳輸需耗時4000ms左右，而基于5G的圖像傳輸延時僅為50ms左右。

圖 | 5G傳輸時延對比圖

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，實現數據的約簡。

具體實現方式：當視覺主機發送NG信號的時候，基于深度學習的數據壓縮，利用圖像數據中空間冗余的思想，對數據進行編碼，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+深度學習壓縮重建后，單組圖片平均傳輸速度為1ms，實現了真正的“秒”傳。

一套系統，多項亮點

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。

通過各個模塊的拆解分析，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型算法，首先需要把人類理解和判斷事物的能力教給計算機，再讓計算機學習到這種識別能力。

要學習數據中的規律，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

傳統的機器學習在特征提取上主要依靠人來分析和建立邏輯，而深度學習則通過多層感知機模擬大腦工作，構建深度神經網絡來學習簡單特征、建立復雜特征、學習映射并輸出。

最終在整個訓練過程中，所有的層級都會被不斷優化。

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，并且優化了算法的檢測速度，優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+云服務器模型訓練

海量標注的圖像數據僅依靠邊緣服務器難以進行訓練任務，通過5G+云服務器的形式，可以大幅減少圖像傳輸時間，同時降低訓練所需時間，最高降幅可達80%，僅需一天時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中臺進行開發部署，亮點如下：

1、零代碼可視化分析，無需編程簡單拖拽；

2、涵蓋海量前沿機器學習和深度學習算法；

3、個性化定制，可與自寫代碼無縫銜接；

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，打破深度學習黑箱，為模型結果呈現判斷依據/生物學基礎；

6、印刷級高清圖表，邊緣計算和云計算可協同作業。

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，特點如下：

1、無縫嵌入原有系統，僅增加微量的計算時間，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、動態化參數配置，現場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，誤檢率下降至1.5%左右，降幅超4%；單個樣本處理時間控制在7ms以內（從接收取圖信號到給PLC發送OK/NG信號為一個周期）；

最終，本項目較好地完成了交付標準。

圖 | 上線后機臺總良率

結語

未來，隨著AI的不斷迭代自學習，AI對傳統制造業的降本、增效、提質效果將更加明顯，越來越多的制造廠也將會在各個質檢環節甚至全流程運用AI實現更高效、更準確、更自動化的作業，來提升生產質量。

清湛研究院也將協同廣大供應商合作伙伴致力于實現我國由工業大國向工業強國的轉變，讓中國成為第四次工業革命的引領者。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！