近日，富士通實(shí)驗(yàn)室宣布，公司已經(jīng)成功開(kāi)發(fā)了一種用于圖像檢查的 AI 技術(shù)，該技術(shù)可以高度精確地檢測(cè)制成品上的各種外部異常，包括劃痕和生產(chǎn)錯(cuò)誤的等。同時(shí)，該技術(shù)也大大減少了產(chǎn)品的質(zhì)檢人力與時(shí)間成本。

　　機(jī)器視覺(jué)給產(chǎn)品「挑刺」，又快又準(zhǔn)

　　長(zhǎng)期以來(lái)，產(chǎn)品質(zhì)量檢測(cè)都是依賴人工肉眼檢測(cè)，這樣的方式，不僅效率低，而且很容易因人為因素，造成漏檢、錯(cuò)檢、標(biāo)準(zhǔn)不統(tǒng)一等問(wèn)題。

　　為此，富士通決定用機(jī)器視覺(jué)代替人類肉眼，來(lái)檢測(cè)成品的外部異常。「AI 質(zhì)檢員」可根據(jù)產(chǎn)品的近似形狀、詳細(xì)結(jié)構(gòu)和質(zhì)地等特征，確定產(chǎn)品是否有缺陷。

　　在不同類型的測(cè)試中，「AI 質(zhì)檢員」也能夠把握檢測(cè)重點(diǎn)，精準(zhǔn)分析產(chǎn)品異常。比如，在形狀變形測(cè)試中，它會(huì)理解，近似形狀的判斷是最重要的;而在條件或圖案測(cè)試中，「AI 質(zhì)檢員」就會(huì)認(rèn)為，紋理的檢測(cè)是最重要的。

　　此外，即使產(chǎn)品看起來(lái)正常，但如果涂層、顏色和接線形狀等元素存在個(gè)體差異，AI 也會(huì)針對(duì)每個(gè)項(xiàng)目檢查這些特性，并在檢查的同時(shí)，判斷出個(gè)體差異或異常是否在可接受的范圍內(nèi)。

　　據(jù)介紹，訓(xùn)練 AI 來(lái)執(zhí)行質(zhì)量控制任務(wù)的挑戰(zhàn)在于，此前通常使用個(gè)體特征的加權(quán)和累加指數(shù)來(lái)訓(xùn)練模型，如此一來(lái)，要?jiǎng)?chuàng)建一個(gè)能夠掌握所有檢查特征的模型，可能會(huì)比較困難。

　　對(duì)此，富士通已經(jīng)開(kāi)發(fā)出一種新的 AI 模型訓(xùn)練方法，讓 AI 能夠基于 5000 多種人工物體的圖像庫(kù)，生成各種形狀、大小和顏色的材料，并在其中隨機(jī)添加異常，然后用這些帶有異常的圖片訓(xùn)練模型。

　　在訓(xùn)練過(guò)程中，富士通研究人員將正常圖像與 AI 還原后的圖像進(jìn)行比較，評(píng)估每種功能的訓(xùn)練程度，例如近似形狀、詳細(xì)結(jié)構(gòu)和紋理，并控制要添加的異常的大小、顏色和數(shù)量，以便 AI 優(yōu)先學(xué)習(xí)未捕獲的特征。之后，通過(guò)對(duì) AI 還原的圖像進(jìn)行評(píng)估，對(duì)其薄弱方面進(jìn)行加強(qiáng)訓(xùn)練。

　　簡(jiǎn)而言之，這一過(guò)程相當(dāng)于，AI 自己創(chuàng)造異常，再交給自己進(jìn)行檢測(cè)，并將圖像恢復(fù)至正常狀態(tài)，從而在不斷的自我博弈中，精進(jìn)技藝。

　　富士通在其日本長(zhǎng)野工廠的檢驗(yàn)過(guò)程中，驗(yàn)證了該技術(shù)的有效性。當(dāng)其 AI 應(yīng)用于外觀正常的產(chǎn)品時(shí)，AUC 得分超過(guò) 98%，而且，該技術(shù)將印刷電路板的檢驗(yàn)工時(shí)減少了 25%。

　　富士通表示，未來(lái)公司將進(jìn)一步開(kāi)發(fā)相關(guān)技術(shù)，應(yīng)用于其 COLMINA 數(shù)字解決方案，實(shí)現(xiàn)企業(yè)的數(shù)字化轉(zhuǎn)型。