工業視覺檢測平台檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

工業視覺檢測平台亞馬遜雲科技助力施耐德電氣構建 AI 工業視覺檢測平台，近15年來，亞馬遜雲科技(Amazon Web Services）一直是世界上以服務豐富、應用廣泛而著稱的雲平台。亞馬遜雲科技一直不斷擴展其服務組合以支持幾乎雲上任意工作負載，目前提供了超過200項全功能的服務，涵蓋計算、存儲、數據庫、聯網、分析、機器人、機器學習與人工智能、物聯網、移動、安全、混合雲、虛擬現實與增強現實、媒體、以及應用開發、部署與管理等方面，遍及25 個地理區域的80個可用區（AZ），並已公布計劃在澳大利亞、印度、印度尼西亞、西班牙和瑞士新建5個區域、15個可用區。全球數百萬客戶，包括發展迅速的初創公司、大型企業和領先的政府機構都信賴亞馬遜雲科技，通過亞馬遜雲科技的服務強化其基礎設施，提高敏捷性，降低成本。

簡潔介紹案例

作為全球能源管理和自動化領域數字化轉型的專家，施耐德電氣在2018年率先在其EcoStruxure 架構與平台全球首家試點工廠 -- 武漢工廠實施並完成了數字化升級改造，實現了高度自動化，使生產和運營流程得到了優化，並將能效提高至新的水平，是施耐德電氣內部認證的「零碳工廠」及國家工信部認證的「綠色工廠」，同時也被達沃斯世界經濟論壇專家委員會評為發展中的「燈塔工廠」。為了進一步引領智能生產技術的應用和優化武漢工廠的製造流程，施耐德電氣選擇了亞馬遜雲科技及其合作夥伴中科創達來構建智能工業視覺質量檢測解決方案。本案例旨在描述如何利用亞馬遜雲科技廣泛而深入的雲服務，包括機器學習、數據庫和計算服務，助力施耐德電氣構建 AI 工業視覺檢測平台，該平台實現了在雲端進行數據存儲和標註及模型訓練，並把雲端模型下發到產線邊緣側，執行邊緣推理。該方案率先在施耐德電氣武漢工廠上線，顯著提高了生產線的檢測效率，將誤檢率降低到0.5%以內，並實現了零漏檢率。在武漢工廠成功部署基礎上，施耐德電氣將在中國另外十多家工厂部署基於亞馬遜雲科技機器學習服務的解決方案，進一步帶動中國製造業的數字化轉型。

1.客戶背景

施耐德電氣作為全球能源管理和自動化領域數字化轉型的專家，業務遍及全球100多個國家和地區，為客戶提供能源管理和自動化領域的數字化解決方案，以實現高效和可持續。施耐德電氣的宗旨，是賦能所有人對能源和資源的最大化利用，推動人類進步與可持續的共同發展，施耐德電氣稱之為Life Is On。施耐德電氣推動數字化轉型，服務於家居、樓宇、數據中心、基礎設施和工業市場。通過集成世界領先的工藝和能源管理技術，從終端到雲的互聯互通產品、控制、軟件和服務，貫穿業務全生命周期，實現整合的企業級管理。施耐德電氣的使命是成為實現高效和可持續發展的數字化夥伴。

2.實施目標

在2018年，通過應用施耐德電氣面向工業領域的EcoStruxure架構與平台，武漢工廠實施並完成了數字化升級改造，實現了高度自動化，使生產和運營流程得到了優化，並將能效提高至新的水平。施耐德電氣擁有眾多類似武漢工廠這樣的工廠，僅在中國就有23家工廠，7家物流中心，在生產種類繁多的各類產品中，為了確保產品的高質量，施耐德電氣所有生產線都遵循嚴格的質量檢測流程。 施耐德電氣武漢工廠的主要產品，是我們日常生活中相當常見的小型斷路器、接觸器以及各種控制按鈕和信號電器部件。儘管這些部件本身的結構並不算複雜，但它們的生產過程中會涉及大量的焊接、繞線操作，即便是用全自動化設備來生產，也不可能將液態的焊錫、柔軟的銅絲加工到每一次的厚度、形態都100%完美無缺。如此一來，對產品進行逐個質檢的需求自然就產生了。此前，施耐德電氣採用的是常規的人工檢測及自動化檢測方式。人工檢測即由熟練的質檢員比對「標準樣品」的照片判斷；自動化檢測是在生產線上安裝工業相機，對產品的多個角度進行拍照，由機器與系統中的標準模版對比，進行外觀缺陷判斷。但是人工質檢的方式，存在着一定的缺陷。一方面，產品出現缺陷的位置本就不會固定不變，反而有着極大的隨機性，所以這就導致質檢員需要憑藉自身經驗進行產品外觀的比對；另一方面，質檢員長時間盯着屏幕工作，效率和注意力也很難一直維持，因此也會直接影響到生產能力。為了進一步引領智能生產技術的應用和優化武漢工廠的製造流程，施耐德電氣希望引入一套AI 工業視覺檢測解決方案，替代現有的人工肉眼判斷及傳統視覺檢測，實現質量檢測的自動化和智能化，從而降低產品質量檢測中的誤檢和漏檢，提升質量檢測效率，推動施耐德電氣供應鏈的數字化轉型。

3.面臨挑戰： AI工業視覺檢測的成功關鍵是檢測模型的建模、訓練和迭代以及生產環境下的推理判斷。如果採用傳統的線下自建服務器的方式，將面臨兩方面的挑戰：其一是模型的訓練和迭代需要巨大的算力，成本非常高；其二是在進行模型訓練時需要工程師到全國各地工廠去採集數據，需要投入大量的人力。如果採用線上全雲化的方式，也會面臨生產環境下如何保障推理的有效和避免延時的問題。

1.方案介紹

為了應對業務需求和實際挑戰，施耐德電氣經過多重考量和選型，最終選擇與亞馬遜雲科技合作。亞馬遜雲科技利用Amazon SageMaker、Amazon Relational Database Service（Amazon RDS）、Amazon Elastic Container Service（Amazon ECS）及其相關服務，助力施耐德電氣構建智能化的「雲邊」結合的AI視覺檢測平台。

2.功能設計

利用亞馬遜雲科技的雲服務，助力施耐德電氣構建的AI視覺檢測平台採用了「雲邊」結合的方式，雲上負責模型訓練和迭代及模型的全生命周期管理，邊緣端軟件是邊緣檢測系統，硬件是帶GPU的推理機和工業相機，通過工業相機採集產品外觀照片，並在通過一系列安全認證後上傳到雲端，存儲在Amazon S3上。後續的處理分為兩步，首先利用Amazon SageMaker完成模型訓練和迭代，在精準度達標後，將模型部署到邊緣檢測系統上；隨後來自生產線的照片實時進入邊緣檢測系統，並進行邊緣推理運算，再將結果返回到邊緣檢測系統，自動標識出產品是否合格並能標識出不合格的缺陷位置。

3.拓樸結構

上圖是AI視覺檢測平台的架構示意圖。所使用的亞馬遜雲科技的雲服務包括：Amazon EC2、Amazon S3、Amazon RDS、Amazon ECS、Amazon ECR、Amazon SageMaker等。

4.技術實現

亞馬遜雲科技機器學習服務 Amazon SageMaker 可幫助開發人員和數據科學家快速構建、訓練和部署機器學習模型。藉助 Amazon SageMaker，能夠成功且準確地構建適應實際製造場景的機器學習模型，通過將生產線的產品圖像與合格產品的標準樣品進行對照，通過自動化的工業視覺檢測來識別產品中的複雜缺陷。 亞馬遜雲科技的 Amazon Relational Database Service（Amazon RDS）服務可幫助客戶在雲中設置、操作和擴展關係型數據庫。該解決方案使用工業相機捕捉生產線上的產品圖像，將每個產品的正樣本圖像索引存儲在 Amazon RDS 中，以便 Amazon SageMaker 引擎進行調用來實現推理計算。 Amazon Elastic Container Service（Amazon ECS）是一種高度安全、可靠且可擴展的容器運行方式。使用 Amazon ECS 輕鬆部署、管理和擴展容器化應用程序，實現機器學習模型在生產線邊緣設備的容器中的輕鬆部署和管理。

5.安全及可靠性

施耐德電氣將生產線數據上雲有一個非常大的前提，就是要保證數據是安全的。在AI視覺檢測平台的部署中，施耐德電氣提供了專線和專網，即可以理解AI視覺檢測平台是部署在施耐德電氣的內網當中。在技術支持上，亞馬遜雲科技始終把客戶需求放在第一位，為客戶提供及時的支持服務。「我們是第一次接觸Amazon SageMaker，開始的時候很多內容不清楚，亞馬遜雲科技的技術人員總能在我們遇到問題的時候及時給予解答，他們的架構師每次都參加我們的項目會議，一起討論解決方案的架構、如何實施、如何符合施耐德電氣對網絡和系統的安全要求等方方面面的問題。」施耐德電氣全球供應鏈 中國區數字化解決方案負責人冒飛飛說。

6.方案亮點

1.技術特點： Amazon SageMaker在單個工具集中提供了用於機器學習的所有組件，使用戶能以更低的成本、更輕鬆地在更短的時間內將模型投入生產。傳統上，機器學習採用GPU服務器，該服務器要承接存儲、計算、框架等全部任務，模型訓練的效率、精準度取決於GPU服務器的硬盤空間、讀取速度、框架選擇等多種因素，過程中的每一步都包含繁複的設置、調整等工作，而利用Amazon SageMaker，框架選擇、GPU選擇都可以一鍵部署，模型訓練只需要採用簡單的「文本文件+命令行」方式就可以完成。

2.技術先進性： Amazon SageMaker與Amazon S3的協同，使得AI視覺檢測平台實現了存儲與計算的分離，這帶來了兩方面的便利：其一，來自邊緣端的訓練數據都存儲在Amazon S3，模型訓練時可以直接讀寫數據，無需進行數據遷移，且存儲容量可無限擴展；其二，如果某個模型不理想或者採用多個模型進行訓練，只需直接替換模型即可，數據任然可以用原來的數據。如果用戶不打算採用Amazon SageMaker本身提供的40多種通用模型，而選擇自建模型，則可以簡單地利用Amazon SageMaker與Amazon ECS的協同來完成模型的部署，用戶只需要將自建的模型生成容器的鏡像，就可以直接部署到Amazon SageMaker中。在實際應用中，施耐德電氣的AI視覺檢測平台就是利用了Amazon ECS將自建的模型直接部署到Amazon SageMaker上。

3.行業應用的創新性： AI視覺檢測平台的核心是模型訓練，創新點是將來自生產線的正樣本（而非負樣本）上傳到雲端，並作為訓練的輸入數據傳輸到機器學習框架中進行模型訓練，通過持續的訓練和迭代，提升模型的精準度，在模型精度達標後再部署到生產系統上，後續的推理判斷都是在本地完成的。

4.業務模式創新 與自建數據中心相比，施耐德電氣選擇亞馬遜雲科技的雲服務，獲得更高的可擴展性、敏捷性和效率。亞馬遜雲科技能夠根據工業視覺自動檢測所需的工作負載，提供和擴展客戶所需的雲計算資源。

5.創新工法、經驗技巧、操作要領等：

1.適用範圍： 在全球化部署方面，亞馬遜雲科技在全球有25個地理區域、81個可用區，施耐德電氣未來可以方便地將AI視覺檢測平台複製到全球其他區域的工廠，訓練好的模型和架構都可以利用亞馬遜雲科技的全球一致性架構部署到全球範圍內的生產線，避免重複開發。

2.應用效果： 該雲邊協同 AI 工業視覺檢測平台解決方案率先在施耐德電氣武漢工廠上線，顯著提高了生產線的檢測效率，將誤檢率降低到0.5%以內，並實現了零漏檢率，並取消了之前依賴人工光檢測的工站，實現全自動和智能化。通過採用這一高效的檢測解決方案，施耐德電氣武漢工廠進一步實現了製造流程的標準化，節省了時間和成本，同時確保所有產品都符合公司嚴格的質量標準。

3.經濟價值： AI視覺檢測平台的成果部署為施耐德電氣帶來了三方面的價值。其一是實現了檢測自動化和智能化，與原來的傳統視覺檢測模式相比，在中國區已經部署的5家工廠9條生產線中，AI視覺檢測的誤檢率降到0.5%，大大降低了返工的工作量，同時漏檢率能降為0%，提高了客戶滿意度；其二是與原來採用人工檢測的產線相比，還可以優化產線檢測人員配置。其三是通過雲邊協同，實現了雲端對邊緣端的統一管理，確保多邊緣端能夠同時完成模型迭代升級和管控，從全生命周期的角度管理分布在不同工廠的模型。

4.可借鑑性： 在施耐德電氣武漢工廠成功部署基礎上，施耐德電氣將在中國另外十多家工厂部署基於亞馬遜雲科技機器學習服務的解決方案，進一步帶動中國製造業的數字化轉型。 施耐德電氣中國區供應鏈績效及數字化副總裁顧俊表示：「亞馬遜雲科技正在幫助我們加快數字化轉型之旅。AI 工業視覺檢測平台展示了如何通過使用機器學習等先進的雲服務進行創新，大幅提升工廠效率。我們期待未來向全球更多製造企業分享智能工業視覺質量檢測解決方案。」

亞馬遜雲科技中國國際客戶及合作夥伴生態系統事業部總經理沈濤表示：「施耐德電氣正在將世界領先的雲技術引入供應鏈，提高產品質量和運營效率。亞馬遜雲科技作為施耐德電氣首選的雲和機器學習服務提供商，我們很高興支持施耐德電氣的智能工廠實現了質量檢測流程的自動化，改進了質量控制；幫助施耐德電氣藉助雲技術實現了智能製造，打造更加智能的生產線。」