檢視基于AI的智能化检测的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://p7.itc.cn/q_70/images03/20220825/6884831fd3d64e7997cdcfadf5a496e3.jpeg width="350"></center>
<small>[https://www.sohu.com/a/579666678_121458368 来自 搜狐网 的图片]</small>
|}

'''基于AI的智能化检测'''本次[[项目]]通过将AI人工智能与工业检测相结合，将人工智能检测运用于半导体<ref>[https://www.sohu.com/a/458573868_120975791 半导体是如何分类的] ，搜狐，2021-04-02 </ref>面板行业，实现了面板的全面智能检测，从而解决了之前的面板检测效率低、速度慢、精确度低等问题。

==一、案例简介==

半导体面板的检测耗费大量人力且检测过程中人员检测并不准确，其检测后的数据也无法整合进行运用，针对这一现象，本次项目中企业导入大数据分析系统与AI诊断学习系统，实现AI自感知，自[[学习]]，自决策，自执行；导入实时排程，实现生产线的自动实时排产。实现了面板AI的智能化监测。解决了传统视觉中未出现过的缺陷无法识别、传统视觉项目周期长、验证慢等问题。提升了检测效率，同时节约了人力资源降低了生产[[成本]]，提高了生产良率。

==二、案例背景介绍==

面板行业投资大，设备昂贵，产品的成本都很高，[[企业]]从各方面尽可能的减少各项成本，同时以其极致良率来降低损失成本；而随着面板行业高规格多样性等产品技术趋势，面临的成本和良率挑战将更大，就急迫的需要新的技术提供新的方向。

面板的产品要经过近40道工序，每个产品在这些工序中需要管控约2.5万个参数，每天有超过2TB级的生产数据产生及被收集；整个生产流程中有近100个检测站点，其中[[光学]]<ref>[https://www.sohu.com/a/325151290_100005635 小知识:光学基础知识!!!!] ，搜狐，2019-07-06 </ref>和点灯站点每天需要判定的图片数量超过200万张，需要大量的人力。传统的AOI（自动光学检测）设备可以锁定产品缺陷和自动拍照，但检测人员依据经验规则对缺陷进行分类判定，存在偏差浮动大、检测效率低、劳动强度高、人力成本高等挑战。因此本项目引进了AI智能检测技术实现面板的智能化检测，ADC系统利用大数据、AI深度学习、机器[[视觉]]等技术，将产品图像与已知缺陷图像库进行比对，通过先进的算法模型，智能检测缺陷种类，自动分析异常并给出解决方案。通过该系统与现有检验流程的集成，够迅速启动和运行该解决方案。

==三、案例应用详情==

企业联合外部厂商导入图像识别技术ADC，实现面板AI的智能化检测；导入[[大数据]]分析系统，突破人员经验从海量数据里找到异常真因并监控实时拦截；导入虚拟量测，实现产品实时预测全检；导入全面的AI自动诊断系统，实现AI自感知，自学习，自决策，自执行；导入实时排程，实现生产线的自动实时排产。

本项目是国内面板业缺陷判别的首例[[人工智能]]落地项目-AI图像识别技术-ADC，其代替人员进行缺陷判别，目前已全面上线，在每天几百万张图片量的生产线上，实现了缺陷判别站点人力50%的替代以及5~10倍速度的提升，对降低人力成本的贡献是非常巨大的。

ADC除了人力的贡献外，因AI识别的持续稳定和高效，能比人员判定更[[准确]]，同时更早的发现异常，在良率提升方面也有一定的贡献；而对良率更有效的提升来自于AI诊断。项目导入AI系统解决了机台参数及产品缺陷无法实时监控问题，做到及时分析数据，及时拦截异常，减少异常品生产；同时利用深度学习算法建立产品预测模型也就是虚拟量测，及时预测产品品质，并联动生产系统实现自动拦截异常。AI诊断已在企业产线全面导入，建立了近50万个模型，结合大数据分析系统优化规格，让模型更科学、合理，减少过杀漏放，实现年拦截效益近一亿。AI诊断的全面导入，对良率提升的贡献不仅有效的推动制造工厂的高效运作，提升产品的[[市场]]竞争力。

==四、创新性与优势==

随着人工智能的发展，制造企业开始引进人工智能检测技术来对产品外观缺陷进行检测，减少了人工成本，还大大提高了检测的精度和[[效率]]，给企业带来了更好的声誉和更大的收益。人工智能检测设备对产品外观缺陷检测效果惊人，与人工相比，它有着巨大优势。

1、人工智能[[检测]]，降低人力成本。人工智能（AI）视觉检测系统检测速度快，每台设备可代替10人，且可24小时不停检测，人力成本可节约80%以上。

2、精确识别细微缺陷，提高检测效率。解决了细微缺陷，肉眼检测容易漏检、误判的[[问题]]。

3、满足客户动态品质管控需求。人工智能视觉检测系统可根据工单为不同种类的缺陷设置不同的分选条件，以满足不同批次产品的质量需求。

4、根据查询[[系统]]，开展产品质量追溯。检测数据与图片信息保存于数据库服务器，归纳及分析缺陷检测结果，实时开展产品质量追溯。[2]

本项目中将人工智能应用于[[半导体]]显示行业，对于人工智能AI在工业检测上的应用具体借鉴性意义，目前人工智能与工业检测相结合，在企业智能化升级中发挥着重要作用。

==五、案例应用效益分析==

构建[[计算机]]视觉识别系统（ADC），替代重复劳动人员作业，实现产品质量提升。检测效率大幅提高，其中整体生产效率相比之前提升6%；避免因人员主观检测造成的偏差，准确率提升2%；减少人力成本，综合效益提升1500万/年。

==参考文献==
[[Category:500 社會科學類]]