*圖片來源：SMT行業頭條

01.缺陷檢測速度：高速產線品質保障的關鍵

“當缺陷檢出精度達標時，拼的就是速度。” ——視覺系統專案楚經理

“2023年，即使AI檢測方案已日漸完善，我們有時還是會選用傳統演算法的檢測方案，關鍵就在於要適應高速產線。像我們經手的專案，3C產品（LED、電容、電感等）找缺陷時間普遍就給5毫秒，磁材產線速度普遍要求10毫秒。如果檢測效果都能達到產線對於過殺和漏殺的要求，那我們選型時重點關注的就是缺陷檢測的效率。”

“如果缺陷檢出速度提升1倍，利潤就能提升25%。” ——視覺工程師趙工

“我們一個機台每天跑料約1萬個，之所以不是2萬個，除了固有硬體的限制，還受制於演算法速度這一塊，AI演算法時間占50%，如果AI推理速度提升一倍，那利潤就提升25%。”

“高價採購顯卡，不是長久之計。” ——自動化部門牛經理

“我們要跟上產線的節奏要求，就必須要配置3080ti以上顯卡，這個成本是現階段的痛點之一。”

02.提高缺陷檢測速度面臨多重挑戰

提高缺陷檢測速度是適應高速產線節奏的重要嘗試，但是它同時受到多重因素的制約。

提升品檢精度、適應產線節奏、控制品檢成本是工廠需要權衡的三大核心要素，如何實現三足鼎立的平衡之道是產線降本增效的關鍵課題。

業界中常見的解決方案可能會優先保證其中一個或兩個要素，以達到降本增效的目的。

*工廠降本增效的三大核心要素

● 如果優先保證高精度、低成本

採用低配置顯卡也可精確檢測出產品缺陷，但這可能造成檢測速度跟不上產線節奏，為保證產品品質只得降低產線速度，導致生產進度緩慢。

● 如果優先保證快節奏、低成本

壓縮待檢測圖片的尺寸，即使搭配性能較低的顯卡也可達到快速檢出缺陷的目的，但這也將導致檢測精度偏低，無法檢出微小尺寸缺陷，漏檢率偏高。

● 如果優先保證快節奏、高精度

使用高配置顯卡和工業相機，以適應高速產線的節奏，並提升缺陷檢測的速度，但硬體成本高，可能影響收支平衡，導致投入產出比降低。

-> 同時保證，快節奏、高精度、低成本的方案有沒有？

-> 有的！

阿丘科技團隊積極聆聽用戶回饋，歷經數輪反覆運算，完成了AIDI的優化升級。

缺陷檢測速度再次提升30%

並且依舊能夠保證微小缺陷的精準檢出，檢測指標全線達標，滿足用戶需求，實現快、穩、準!

▶︎擅長更小缺陷檢測: 待檢測的圖像尺寸大小與缺陷檢測速度成反比。阿丘科技擅長小缺陷檢測，對圖像大小要求較低，因此缺陷檢測速度更快。無需採購高像素的工業相機和高配置的顯卡，也可輕鬆檢出圖中的細小缺陷。

▶︎更高效的底層演算法: 阿丘科技演算法底層針對工業圖像大解析度的特點設計演算法，同時針對性自研底層演算法框架，優化記憶體結構和運算元實現，快於現有主流深度學習框架。

▶︎更豐富的落地經驗: 阿丘科技通過多年項目實戰經驗的積累和沉澱，結合成熟的落地方法論，完成了對檢測流程的簡化，能夠合理分配顯卡算力，重點把控關鍵缺陷，實現高精度檢測目標。

AIDI各功能的極速推理

*以AIDI布匹表面缺陷檢測為例

AI推理速度將直接影響產線上的缺陷檢測速度，AIDI在保證檢測效果的同時，做到了各功能模組的AI極速推理。

03.經典案例分享：新能源太陽能AI缺陷檢測項目

太陽能行業單台分選機普遍入門門檻要求是每小時檢測完成8,000片，一般是要完成10,000片可以在行業有不錯的競爭力，而12,000片/時的檢測速度在業內屬於鳳毛麟角般的存在。

▶︎專案需求：用8K線掃相機取像，待檢產品尺寸是210mm*210mm，要求檢出最小缺陷尺寸為0.14mm*0.14mm。同時，還要保證明顯缺陷漏檢為0%，其他缺陷漏檢<0.1%，過檢<1%。

▶︎項目難點：缺陷檢測速度要求嚴苛，預留給單張圖像的處理時間只有160ms。

▶︎專案成果：導入AIDI後，在滿足項目需求的前提下，完成了產線速度從8000片/時到12,000片/時的突破，且將顯卡成本控制在了理想範圍內。