12月22日，在2020高工機器人&高工移動機器人年會應用向新專場上，科瑞技術研發副總Dr. KK.Chang以“AI+機器視覺，引領智能檢測新風口”為主題發表了演講。

科瑞技術研發副總Dr. KK.Chang

Dr. KK.Chang首先介紹了作為精密檢測設備——AOI的發展歷程：上世紀50年代，關于2D圖像識別的研究正式開啟；歷經幾十年的技術迭代發展，1982年世界領先的SMT AOI設備廠商——以色列奧寶科技，開發了第一臺裸板PCB AOI；90年代，國外廠商率先在3C電子、半導體等領域應用AOI；在國內，AOI則進入實驗室研發階段；2001年，歐姆龍全3D AOI——VT530被用于PCB板檢測；自此，視覺檢測與AI深度融合成為智能檢測新風口。

隨著電子產品的小型化以及低能耗化，其產品元器件趨于微型化，組件在裝配過程中越來越不可能采用人工檢視的方式，必須采用自動檢測設備；另一方面，隨著用工成本越來越高，電子制造企業出于對產品質量和成本控制的需求，將加速AOI檢測設備替代人工的進程。在這種環境下，全球及中國自動光學檢測設備迎來高速發展期。

AOI的市場壁壘

但與其它高端設備一樣，AOI市場長期由外資品牌把持，國產AOI發展良莠不齊。Dr. KK.Chang指出，目前國產AOI設備大部分面臨著技術壁壘不強、核心人才缺失等問題。首先，在技術壁壘方面，AOI集成多學科技術，包括圖像傳感技術、光源技術、數據處理技術、運動控制技術等，以承擔起產品生產過程中的精密測量、檢測、識別和引導等一系列任務。

正是AOI技術準入門檻高，導致其研發費用占比較高。Dr.KK.Chang表示，AOI核心技術在于算法，包括平衡算法開發和算法應用；同時還涉及到大數據管理、光譜/打光、自適應運動等技術難題，都需要設備廠商進行大量研發投入才能一一攻克。

而核心人才的缺失則進一步限制了關鍵技術的迭代與更新，因此企業需要在內部建立良好的管理、優秀的企業文化、合適的人才選拔培養機制和技術引導分享機制等，培養公司核心人才。

在產品市場化的過程中，Dr. KK.Chang認為，品牌優勢欠缺、客戶資源短缺，是國產AOI廠商明顯的短板。在品牌優勢的構建上，進一步表現為質量和服務保證優勢、品牌粘性、參與國際項目等；客戶資源欠缺，主要是視覺檢測的終端目標不明確、對AOI缺乏正確認知、AOI深層需求挖掘不充分，廠商更注重單純應用而非自主創造等產業上下游存在的系列問題共同導致的。

科瑞技術AOI的核心技術優勢

目前，科瑞技術在AOI系統平臺上，已經徹底打通了從核心技術到市場應用的關鍵鏈路。在技術層面上，科瑞技術掌握了包括光譜科學、打光技術、自適應運動&自動調整、Eigen算法& 深度學習、大數據應用(MES/FIS/Data Ctr/etc)等多項核心技術。

事實上，AOI圖像采集過程中照明系統非常重要，選擇最佳光源的目的，是保證被檢測物體的特征區別于其他背景，其中涉及到光源的光譜特性、光源顏色、色溫特性。高效率、長壽命、高亮度且均勻的光源，是達到高精密檢測的首要條件，高亮度、均勻性好的光源可提高信噪比，而長壽命、高效率則可以提高設備穩定性，降低工作負荷。

Dr. KK.Chang介紹，關于光譜科學，目前主要以可見光為主，紅外光和紫外光為輔，例如一些特殊材料在可見光范圍內吸收差別不大、灰階變化不明顯時，可以考慮采用特殊波長光源。所檢測的缺陷越精密，就越能準確排查掉誤差。因此，視覺檢測不能單純依靠軟件升級，還需要環境支持，這就涉及到光譜學。

而打光技術目的則是均勻照射物體表面，光越均勻，看得越清楚，檢測結果越精確。目前打光技術主要以反光科學為主，它在光譜里面分成兩種光，一種是特殊光譜學，另一種則是色溫光譜。

“當我們應用吸光光譜學時，其實看到的是反射光，而反射光中既有可能存在單波吸光光譜，也有可能出現多波吸光光譜；因此在檢測部分物體的顏色、質量、材料時，如何正確檢測到被檢物體發出來的是單波光還是多波光，發揮關鍵作用的就是打光技術?！盌r.KK.Chang進一步解釋道。

系統補償層面，在材料及設計上，如果只采用Cpk，就只能控制某個部件的精度，而評判一個系統的穩定性和操作能力，重點在于整個部件合成體的情況，因此基本以GRR、P/T為主，或者是性能比為主。另外關于系統補償的精準性、穩定性問題，在整個設備層面，涉及到機械運動的六軸、運輸模組、光相模組、芯片選擇、系統補充、電氣控制等各個層面，如何配合機械與運動合成一體，決定設備的整體性能。

科瑞技術自主開發的軟件算法一般被稱之為一種特征算法，Dr.KK.Chang表示，檢測中圖像因顏色不同，呈現的高斯變化也是不一樣的，科瑞技術可以根據圖像反射出來的光轉化成數碼、數據，從而提取二維高斯變化；通過二維轉換為多維線性回歸；最后進行相關性分析，也就是對比性，從原材料與待測材料的對比性，可以最終實現缺陷識別，并在進行位置確認后顯示出來。

接下來是深度學習的應用。深度學習目前已經被廣泛應用在汽車、自動駕駛，個人電動車、無人餐廳、醫療護理等場合，Dr.KK.Chang認為，深度學習的應用后期將會深入發展為仿生時代。但深度學習的準確性取決于訓練模型，當缺少訓練模型或模型不準確時，特征算法能保證檢測結果的正確輸出。

科瑞技術以精準的特征算法為主，深度學習為輔，形成了科瑞技術的AOI測試系統，兼顧了高速和高精度。

最后是大數據，每個系統都存在著海量數據，獲得大數據中每個缺陷的關聯性，才是大數據能夠真正發揮作用的關鍵。舉例來說，在做精加工時，存在一個固定定位，當這個定位點到達某一個精加工點時，它是固定的，一旦它的定位有所偏移，那么它所造成的缺陷，在視覺里就不一定能被看到，而借助科瑞技術的特征值算法，則完全可以獲知在什么定位點出現了怎樣的問題。

目前，科瑞技術AOI已經在鋰電制造裝備、3C測試及制造裝配、醫藥食品制造裝配、制造數字化解決方案、精密零部件及夾模具、智能物流、精密機械制造等七大行業中廣泛應用，未來，科瑞技術將在立足以上行業的基礎上，開拓更多新市場。

展望未來技術發展，Dr.KK.Chang表示，科瑞技術已建立未來十年的智能發展路線圖。到2022年，以多輸送系統、智能傳感技術為主，到2024年，以數據分析、傳感+監控、結構健康檢測、SHM為主，直至2030年進入前仿生時代。

原文標題：【KHGEARS鈞興諧波 | 高工年會】科瑞技術Dr.KK.Chang：AI+機器視覺，引領智能檢測新風口

文章出處：【微信公眾號：高工機器人】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq