在制造业中，外观缺陷检验测试一直是影响生产所带来的成本的主要的因素。11月11日，中山大学数学学院举办了以“AI与数字化的经济新发展”为主题的活动，会上，中山大学计算机学院的赖剑煌教授对此问题深入探讨，并提出了基于AI的新解决方案。赖教授的研究集中在3C产品的外观检测，展示了一种柔性视觉检测技术在工业中的应用。

  赖剑煌教授在演讲中指出，外观品质检测是制造流程中的高成本环节，不一样的行业的产品在出厂前都必须经历多次严格的检测，包括机器人码垛、喷码检测和外观检测等。在传统的检测的新方法中，单一的检验测试手段往往只能针对特定类型的缺陷，这在面对一个可能有数十种不同缺陷的产品时显得捉襟见肘。因此，亟需开发出一种更为灵活和高效的检测系统。

  赖教授提到，深度学习为解决这一问题带来了新的可能性。他指出，智能检测行业未来市场规模预计将在2025年达到5745.2亿元。这一增长主要得益于AI技术的驱动，尤其是在图像识别和数据分析领域。同时，他也剖析了当前在实现这一目标时面临的四大挑战：样本不平衡、缺陷尺度变化、不同批次产品差异与推理速度。

  针对样本不平衡问题，多数情况下，合格的样本数量远超过缺陷样本。赖教授建议，通过数据增强技术来扩充缺陷样本库，利用孪生网络提取不同样本的深度特征，从而提升检测的准确性。而对于缺陷尺度变化的问题，赖教授提出结合Haar小波提升特征提取能力，以增强对小目标的检测能力。

  在应对多批次少批量的生产现状时，赖教授强调了利用旧产线的标注数据来提高新产线的检测效果，同时避免了繁琐的数据标注过程。对于保证检测速度，他则介绍了一种轴向分解的自注意模块，以优化推理速度，确保检测与生产节拍的匹配。

  通过实时监控和优化的流程，赖教授的团队在一项3C外观检测的案例中，成功将裂纹等重点缺陷的漏检率控制在0%，而过检率也有效控制在15%以下。同时，该技术已在实际生产中得以复制，实现了日产能120万片的规模。

  该活动的举办不仅为行业发展指明了方向，也为企业在智能制造领域的转型升级提供了宝贵的经验。伴随着AI技术的慢慢的提升，未来的制造业有望在提高生产效率与减少相关成本的道路上取得更大的突破。正如赖教授所说，这一切都是以数据驱动为核心的，全力推动数字化的经济与实体经济的深层次地融合，助力中国制造业的转型升级。返回搜狐，查看更加多