借助VisionPro Deep Learning 開啟外觀瑕疵檢測的無人化之路

挑戰(zhàn)：

傳統(tǒng)檢測方法是用電子顯微鏡放大和人工目視檢測外觀瑕疵的方式，長期下來作業(yè)員識別率降低，無法保證精密連接器缺陷檢測的質(zhì)量和效率；

由于人工檢測的方法導(dǎo)致標(biāo)準(zhǔn)不一致，易發(fā)生質(zhì)量問題，給企業(yè)帶來不利影響；

傳統(tǒng)檢測方法沒有實現(xiàn)檢測自動化，產(chǎn)生了大量人工成本。

效果：

實現(xiàn)外觀瑕疵檢測的自動化，減少企業(yè)成本；

整體檢測能力大大提升，機(jī)臺判定標(biāo)準(zhǔn)一致，完全避免了人為因素導(dǎo)致的檢驗問題；

實現(xiàn)了無人化智能工廠，有力支持了企業(yè)智能制造戰(zhàn)略的實施。

作為全球化的領(lǐng)先解決方案提供商，鴻騰精密（Foxconn Interconnect Technology，F(xiàn)IT）旨在構(gòu)建互聯(lián)互通，實現(xiàn)更美好的世界。FIT關(guān)鍵產(chǎn)品包含纜線組件、連接器、主動式光纖電纜、嵌入式光學(xué)模塊、可插拔的收發(fā)器模塊、天線、無線充電產(chǎn)品與組件、音頻、電力與纜線配件等。 FIT是富士康科技集團(tuán)最早成立的事業(yè)群。憑借在消費者洞察、行業(yè)趨勢、設(shè)計、開發(fā)、研究、制造工程、生產(chǎn)、供應(yīng)鏈方面出類拔萃的能力，服務(wù)橫跨B2C與B2B的各種世界級品牌與自有品牌產(chǎn)品，是全世界技術(shù)趨勢的先驅(qū)者，為消費者提供富有吸引力的用戶體驗。公司擁有7萬多員工，2018年度銷售額達(dá)40億余美元。

老方法難以解決復(fù)雜的外觀瑕疵問題

目前，隨著應(yīng)用領(lǐng)域的飛速發(fā)展和市場規(guī)模擴(kuò)大，對精密連接器的要求越來越高，逐步向微型化、高頻率高速度無線傳輸、智能化等方向發(fā)展，需要精密連接器更小巧，更精密、趨于完美。因此，精密連接器對生產(chǎn)質(zhì)量和精度的要求逐步提升，產(chǎn)品質(zhì)量檢測在精密連接器生產(chǎn)步驟中成為至關(guān)重要的環(huán)節(jié)。

精密連接器的生產(chǎn)過程工序比較復(fù)雜，原材料的選用、設(shè)備的精度、設(shè)備的參數(shù)、操作人員的手法、車間的溫度、濕度等都有可能影響精密連接器的某一質(zhì)量特性。

“精密連接器的缺陷遍布于本體的內(nèi)外表面，缺陷種類多、形態(tài)多變、檢測區(qū)域背景復(fù)雜，材質(zhì)多樣，而且檢測涉及多個表面?！盕IT的吳柏翰課長介紹說，“所以，管控參數(shù)較多，檢測要求復(fù)雜繁瑣?！?

人工外觀瑕疵檢驗

傳統(tǒng)的精密連接器外觀瑕疵檢測主要靠線上品檢員進(jìn)行目檢或半自動檢驗，這種檢驗方法存在效率低、成本高、人員重復(fù)性、漏檢等問題，嚴(yán)重影響了產(chǎn)品的生產(chǎn)效率和質(zhì)量。檢測方式不到位易發(fā)生質(zhì)量問題，不但會影響產(chǎn)品功能性，傷害客戶對產(chǎn)品的購買信心。同時，也會造成客戶投訴，返工甚至退單，給企業(yè)帶來損失。

FIT憑借先進(jìn)的研發(fā)和制造技術(shù)及自動化和分析、檢測能力的優(yōu)勢，已成為眾多國際知名客戶的緊密合作伙伴。在產(chǎn)品質(zhì)量管控上，F(xiàn)IT一直致力于三不政策：不接受不良、不制造不良、不流出不良。傳統(tǒng)視覺檢測雖然可以應(yīng)對不那么復(fù)雜的外觀檢測，但是對于非常復(fù)雜的外觀檢測需求，技術(shù)有所欠缺，已經(jīng)難以滿足FIT的質(zhì)量管控要求。

VisionPro Deep Learning化繁為簡，實現(xiàn)缺陷檢 測自動化

為徹底解決檢測難題，提升工廠自動化生產(chǎn)水平，F(xiàn)IT在與多家視覺檢測解決方案供貨商了解溝通后，決定引進(jìn)基于深度學(xué)習(xí)算法的AI檢測技術(shù)?？的鸵曌鳛槿蛑臋C(jī)器視覺解決方案供貨商，與FIT合作已久。經(jīng)過調(diào)研，F(xiàn)IT發(fā)現(xiàn)，康耐視基于深度學(xué)習(xí)算法的VisionPro Deep Learning，在其綜合檢測能力、開發(fā)周期等各方面性能上，非常貼合FIT自動化生產(chǎn)線的檢測要求。

檢測畫面

在瑕疵檢測應(yīng)用中，缺陷往往是沒有規(guī)律的，傳統(tǒng)視覺產(chǎn)品用代碼難以去明確判斷或分類不同種類瑕疵或?qū)Ρ榷容^低的瑕疵。而VisionPro Deep Learning的深度學(xué)習(xí)算法針對工業(yè)圖像分析進(jìn)行了優(yōu)化，只需較少的瑕疵圖像樣本和較短的標(biāo)注訓(xùn)練時間即可完成驗證。

劃傷NG圖片

耳朵發(fā)黃NG圖片，塑料損傷NG圖片

臟污NG圖片

VisionPro Deep Learning不但順利解決了對于傳統(tǒng)機(jī)器視覺過于繁重、復(fù)雜或者昂貴的應(yīng)用，而且其靈活的圖形化程序設(shè)計環(huán)境，使FIT的工程師們能夠構(gòu)建靈活自定義的深度學(xué)習(xí)解決方案。

“選擇一個優(yōu)秀的解決方案供貨商，不僅僅要衡量其產(chǎn)品、技術(shù)的高質(zhì)量高性能，而是否能夠提供高質(zhì)量的快捷服務(wù)保障，也是一項重要的考慮因素。在首次導(dǎo)入VisionPro Deep Learning過程中，康耐視為FIT提供了極大的幫助?！盕IT的吳柏翰課長為康耐視所展現(xiàn)的優(yōu)質(zhì)技術(shù)支持服務(wù)點贊，“從面對面的技術(shù)教學(xué)、協(xié)助項目開發(fā)，一直到設(shè)備使用等全流程，康耐視都積極解決遇到的各種技術(shù)問題，并共同與我們一起來完善項目程序，確保了本次項目的成功實施！”

解決應(yīng)用痛點，全面提升生產(chǎn)效能

目前，F(xiàn)IT已在自動化瑕疵檢測設(shè)備中成功部署了60多套VisionPro Deep Learning。在實際運行中，其性能表現(xiàn)出色。整體檢測能力，如漏檢率控制在< 0.1%、過殺率<1~2%，檢測準(zhǔn)確率大大提升。

實施VisionPro Deep Learning后，F(xiàn)IT節(jié)省了100多位現(xiàn)場作業(yè)人員，且漏檢率、人員判定差異等問題大大降低，完全避免了人為因素導(dǎo)致的檢驗問題。檢測結(jié)果不但更客觀穩(wěn)定，而且大大降低了企業(yè)生產(chǎn)成本。

自動線外觀檢測設(shè)備

現(xiàn)在，全球精密連接器行業(yè)正在經(jīng)歷快速的技術(shù)發(fā)展，產(chǎn)品功能更好、兼容性更高，這使得連接器產(chǎn)品可應(yīng)用于更多的情況及情景。而正是在康耐視VisionPro Deep Learning的幫助下，F(xiàn)IT的精密連接器可以輕松應(yīng)對未來的各種復(fù)雜應(yīng)用挑戰(zhàn)，并為FIT抓住不同連接器終端市場的多樣化發(fā)展趨勢，提供了持續(xù)的創(chuàng)新技術(shù)支持。

“康耐視作為全球最早涉足機(jī)器視覺領(lǐng)域的企業(yè)，擁有豐富的深度學(xué)習(xí)部署經(jīng)驗，而且深刻理解客戶需求，擅長解決應(yīng)用痛點，是理想的機(jī)器視覺合作伙伴?！眳前睾舱n長指出，“希望今后康耐視能打造出更加貼合自動化生產(chǎn)線的設(shè)備，幫助客戶降低成本，實現(xiàn)共贏。未來雙方將持續(xù)緊密合作，F(xiàn)IT將繼續(xù)導(dǎo)入VisionPro Deep Learning，全面實現(xiàn)外觀瑕疵檢測的無人化！”