公司名稱: 上海洪樸信息科技有限公司

公司介紹:

上海洪樸信息科技有限公司，將人工智能技術帶進制造業生產線，幫助制造企業提升生產效率。

洪樸擁有中國領先的科學家團隊，將實驗室中的***科技：機器學習、深度學習、機器視覺等技術帶到生產線。洪樸產品圍繞“人機料法環”諸多場景，結合團隊積淀多年的生產管理經驗，將人工智能“植入”生產線的各個環節，以提升生產工藝，減少人工操作，提高良品率，降低生產成本。

解決方案介紹:

基于深度學習的工業外觀缺陷檢測

工業產品在生產出來后，需要通過外觀缺陷檢測工序來確定產品外觀是否達到質量標準。

傳統外觀檢測使用人工目視檢測方式來識別工業產品是否符合外觀質量標準，這種方式存在以下問題：

1、檢測不穩定：工人需要培訓，新工人經驗、技能不如熟練工人，同時檢測過程易受工人主觀情緒影響。

2、容易漏檢：人眼能分辨出的顏色與灰度等級不會超過20級，但圖像的灰度等級達到256級，遠高于人眼分辨能力。

3、宏觀因素，我國人口年齡中位數上升，導致工人人力成本呈上升趨勢。

部分工業企業已經開始使用機器視覺來對圖像進行分類，其中最有效的方式就是利用AI手段（深度學習或機器學習）作為產品外觀質量判斷的算法，歷史產品圖像樣本足夠的情況下，其識別精度遠超常規的圖像識別技術。

解決方案帶來的好處

1、 基于AI的工業外觀缺陷檢測解決方案

（1）獲取客戶的產品外觀缺陷定義，獲取每一種需要檢測的缺陷的一定數量的樣本圖像；

（2）在IBM OpenPOWER異構計算服務器上，利用樣本圖像進行深度學習或機器學習訓練，建立外觀缺陷分類識別模型；

（3）將模型、調用模型的軟件及OpenPOWER服務器部署到工廠生產線上，實施自動檢測、分揀，提高識別精度和效率；

（4）對檢測速度不同的需求，使用OpenPOWER異構計算平臺提供算力支持，在高密計算場景下，IBM OpenPOWER DDL技術可線性提升計算能力。

2、解決方案收益

（1）穩定識別，同樣的缺陷總是能被檢出；穩定提高，新的缺陷類型一經發現，即可“教”計算機去認知這種新缺陷；經驗不會被遺忘；

（2）節約人力成本，降低在制品庫存；

（3）在IBM OpenPOWER服務器的強有力加速下，每件產品的識別時間可以有效降低。

解決方案使用場景和案例:

1、使用場景：

2、案例：

光伏組件EL自動檢測：

光伏組件廠對組件進行EL（電致發光）測試，EL設備取得圖像后，由人工識別其是否為缺陷產品，人力消耗大、效率低；

使用工業外觀缺陷檢測解決方案，可以代替工人對EL檢測圖像進行判定，漏檢率低于1%，AI算法檢測速度高于人工檢測。