1、方案背景與目標

中國瓷磚產(chǎn)業(yè)轉型升級和發(fā)展正在取得巨大成果，當前已形成較大的瓷磚產(chǎn)業(yè)集群20余個(gè)，瓷磚生產(chǎn)企業(yè)超1500余家，年產(chǎn)量125億平方米，但我國瓷磚依舊未擺脫品質(zhì)普遍偏低的困境，處于“大”而不“精”的現狀。瓷磚生產(chǎn)環(huán)節一般經(jīng)過(guò)原材料混合研磨、脫水、壓胚、噴墨印花、淋釉、燒制、拋光，最后進(jìn)行質(zhì)量檢測和包裝。得益于產(chǎn)業(yè)自動(dòng)化的發(fā)展，目前生產(chǎn)環(huán)節已基本實(shí)現無(wú)人化，而質(zhì)量檢測環(huán)節仍大量依賴(lài)人工完成。該方式面臨以下幾項挑戰，一是人工檢測速度較慢，無(wú)法滿(mǎn)足高速生產(chǎn)節拍，影響生產(chǎn)速度；二是人工長(cháng)時(shí)間作業(yè)極度容易出現疲勞，檢測的準確性得不到保證；三是不同質(zhì)檢員之間判斷標注不一致，導致不穩定的漏檢或誤檢；四是成本壓力，揀選過(guò)程每班次2-6名揀選工三班倒，企業(yè)需承擔較多人力成本，同時(shí)漏檢還會(huì )造成廢品流入市場(chǎng)，為企業(yè)帶來(lái)大量售后成本，通常一塊瓷磚的售后成本是生產(chǎn)成本的十幾倍?？梢?jiàn)，瓷磚表面缺陷是瓷磚行業(yè)生產(chǎn)和質(zhì)量管理的重要環(huán)節，也是困擾行業(yè)多年的技術(shù)瓶頸。為解決以上問(wèn)題，本方案開(kāi)發(fā)了一套瓷磚表面缺陷自動(dòng)化揀選系統，有效幫助瓷磚生產(chǎn)企業(yè)提升產(chǎn)品的質(zhì)量及產(chǎn)量。

2、方案詳細介紹

2.1邊緣計算軟件平臺

沈自所自主研發(fā)的AI4Industry平臺是整個(gè)解決方案的核心架構，該平臺為云、邊、端一體化架構，是面向應用場(chǎng)景的數據處理、算法開(kāi)發(fā)及模型迭代部署的一站式服務(wù)平臺。在用戶(hù)應用視覺(jué)技術(shù)解決具體需求時(shí)，AI4Industry能夠無(wú)代碼的完成從數據管理到現場(chǎng)應用的整個(gè)流程。平臺為深度學(xué)習提供個(gè)人數據集等資源的自由管理，支持數據靈活的預處理、團隊標注及智能標注，支持高度定制的模型訓練，以及按需配置的模型部署能力，幫助用戶(hù)快速創(chuàng )建和部署模型，覆蓋AI視覺(jué)應用的每個(gè)環(huán)節，具體如下圖所示。

圖1 AI4Industry平臺架構

·  AI4Industry云側

云側作為整個(gè)架構的指揮中心，主要分為用戶(hù)接口層、系統接口層、應用服務(wù)層、領(lǐng)域服務(wù)層、基礎設施層，共5層。云側負責數據處理、算法開(kāi)發(fā)、模型迭代、應用托管和遠程監控等功能。

具體來(lái)說(shuō)，AI4Industry云側的功能包括：

①　數據存儲與分析：將數據存儲在云端，利用團隊標注或智能標注模式進(jìn)行數據標注、以及分析和挖掘，為企業(yè)提供更全面的數據支持。

②　算法開(kāi)發(fā)與迭代：為企業(yè)提供無(wú)代碼方式算法開(kāi)發(fā)和模型訓練，平臺提供一體化編程工具IDE，該工具針對自動(dòng)化硬件任務(wù)，基于工業(yè)自動(dòng)化特征，使用復合微服務(wù)抽象任務(wù)級指令?？蓪C器人等工業(yè)自動(dòng)化設備功能組件進(jìn)行建模，實(shí)現控制代碼與物理工藝過(guò)程的映射，實(shí)現任務(wù)的多層抽象與工藝級編程。IDE的核心優(yōu)勢是針對工序工步建立標準工步/工序庫，進(jìn)一步開(kāi)發(fā)工藝模板，先預編譯，然后根據硬件平臺實(shí)現代碼生成，實(shí)現工藝級配置，代碼自動(dòng)生成。針對深度學(xué)習CV任務(wù)，基于內置的人工智能應用接口，可實(shí)現各類(lèi)算子拖拽式集成調用，以極簡(jiǎn)的方式實(shí)現復雜的算法開(kāi)發(fā)任務(wù)，從而極大程度降低開(kāi)發(fā)者的重復工作。此外，一體化編程工具IDE是國內首個(gè)支持工業(yè)業(yè)務(wù)語(yǔ)義服務(wù)與語(yǔ)義關(guān)聯(lián)的組態(tài)IDE，兼容輕量級微服務(wù)與標準工作流的工業(yè)領(lǐng)域組態(tài)IDE。

圖2 AI4Industry平臺人工智能應用接口各層功能

①　應用托管與部署：為企業(yè)提供應用托管和部署服務(wù)，降低企業(yè)IT成本，提高應用部署和管理效率。

②　遠程監控和維護：對整個(gè)系統進(jìn)行遠程監控和維護，及時(shí)發(fā)現和解決問(wèn)題，確保系統的穩定性和安全性。

·  AI4Industry邊側

邊側作為云端和端側之間的橋梁，主要負責數據緩存、就近計算和實(shí)時(shí)控制等功能。通過(guò)在靠近設備或現場(chǎng)的位置設置邊緣計算節點(diǎn)，可以降低網(wǎng)絡(luò )延遲、提高數據處理速度和響應速度。同時(shí)，邊側還可以減輕云端的負載，提高整個(gè)系統的穩定性和可靠性。

具體來(lái)說(shuō)，AI4Industry邊側的功能包括：

①　數據緩存與預處理：在靠近設備或現場(chǎng)的位置設置數據緩存區，如架構圖中繪制的磁盤(pán)陣列，對數據進(jìn)行預處理和篩選，降低網(wǎng)絡(luò )傳輸成本和延遲。

②　就近計算與快速響應：利用邊緣計算技術(shù)進(jìn)行數據處理和分析，如架構圖中繪制的GPU后端計算集群，快速響應設備或現場(chǎng)的需求，提高生產(chǎn)效率和響應速度。

③　實(shí)時(shí)控制與協(xié)同作業(yè)：對設備或現場(chǎng)進(jìn)行實(shí)時(shí)控制和協(xié)同作業(yè)，確保生產(chǎn)流程的順暢進(jìn)行和設備的安全穩定運行。

·  AI4Industry端側

端側作為直接與設備或現場(chǎng)交互的層級，主要負責數據采集、設備控制和人機交互等功能，AI4Industry已應用已在多種工業(yè)場(chǎng)景中落地應用，目前集成了數十種智能硬件的交互控制，包括不同品牌的機器人、工業(yè)相機、光源、PLC等，形成大規模的硬件生態(tài)系統。端側通過(guò)將設備或現場(chǎng)的數據采集到系統中，可以實(shí)現數據共享、分析和挖掘，為生產(chǎn)和管理提供更全面的數據支持，同時(shí)還可以對設備進(jìn)行遠程控制和監測，提高設備的運行效率和安全性，此外，端側還可以提供人機交互界面，方便用戶(hù)進(jìn)行操作和管理。

具體來(lái)說(shuō)，AI4Industry端側的功能包括：

①　算法部署與應用：將AI4Industry云側開(kāi)發(fā)好的算法部署至端側智能設備中，實(shí)現核心算法功能。

②　數據采集與傳輸：基于沈自所自研ThingOriginGateway網(wǎng)關(guān)產(chǎn)品，將設備或現場(chǎng)的數據采集并傳輸到系統中，確保數據的準確性和完整性。

圖3 ThingOriginGateway網(wǎng)關(guān)系統界面

③　設備控制與監測：對設備進(jìn)行遠程控制和監測，提高設備的運行效率和安全性，同時(shí)，還可以及時(shí)發(fā)現和解決設備故障或異常情況。

④　人機交互與操作界面：提供簡(jiǎn)單、直觀(guān)的人機交互界面，方便用戶(hù)進(jìn)行操作和管理。用戶(hù)可以通過(guò)界面查看實(shí)時(shí)數據、控制設備或調整生產(chǎn)參數等。

2.2瓷磚表面缺陷揀選流程

在瓷磚表面缺陷檢測解決方案中，瓷磚表面缺陷揀選流程由三層循環(huán)結構組成。

圖4 瓷磚表面缺陷檢測三層循環(huán)流程

·  外循環(huán)

外循環(huán)負責AI4Industry平臺云、邊、端三層任務(wù)交互，打通數據管理、算法管理、模型迭代、算法部署完整技術(shù)路線(xiàn)。首先通過(guò)ThingOriginGateway網(wǎng)關(guān)實(shí)現了對底層設備的數據采集，實(shí)現瓷磚圖像的獲取，然后通過(guò)網(wǎng)絡(luò )傳輸將數據上傳至AI4Industry平臺，利用團隊標注或智能標注的方式，對缺陷數據完成篩選和標注，利用一體化編程工具IDE開(kāi)發(fā)瓷磚缺陷檢測監控系統，并調用人工智能應用接口進(jìn)行瓷磚檢測算法開(kāi)發(fā)及檢測模型的訓練，將在A(yíng)I4Industry平臺上開(kāi)發(fā)好的瓷磚缺陷檢測監控系統上位機軟件、深度學(xué)習檢測模型及檢測算法部署至端側服務(wù)器中。

·  中循環(huán)

中循環(huán)負責每張瓷磚的表面缺陷檢測完整過(guò)程，可分為瓷磚傳送、圖像采集、算法推理、結果反饋、機器人分揀動(dòng)作，共5個(gè)步驟。

·  內循環(huán)

內循環(huán)負責核心算法的執行，可分為后端推理算法和業(yè)務(wù)邏輯算法兩部分。后端推理算法利用基于深度學(xué)習開(kāi)發(fā)的CIS+CCD雙相機檢測模型實(shí)現瓷磚表面缺陷檢測，從而獲得原始檢測結果。業(yè)務(wù)邏輯算法包括結果后處理、尺寸及平整度計算、色號劃分、版面分類(lèi)等算法，將最終表面缺陷檢測出結果發(fā)送給PLC，反饋中循環(huán)實(shí)現機器人分揀動(dòng)作。

2.3專(zhuān)機硬件系統

皮帶傳送系統：用于穩定傳送瓷磚通過(guò)設備，保證拍攝效果統一；

觸發(fā)傳感系統：用于發(fā)送信號實(shí)現各項揀選數據采集；

邊緣計算硬件系統：用于向邊緣計算提供算力和數據存儲服務(wù)；

圖像采集系統：利用CIS和CCD線(xiàn)掃相機實(shí)現瓷磚高清圖像采集；

照明系統：用于提供穩定光源，輔助圖像采集系統獲取清晰瓷磚圖像及缺陷特征；

瓷磚分揀系統：基于檢測結果利用機械臂完成瓷磚分流分揀動(dòng)作；

其他控制單元系統：用于串聯(lián)皮帶傳送、圖像采集、數據交互、結果報警等流程。

2.4數據通訊

數據傳輸和通訊協(xié)議：使用標準通信協(xié)議，確保各個(gè)硬件和軟件組件之間的數據傳輸順暢。

2.5安全措施

系統訪(fǎng)問(wèn)控制：確保只有授權用戶(hù)可以訪(fǎng)問(wèn)系統，同時(shí)授權不同級別的權限。

數據安全性：確保從攝像頭到存儲的數據都受到適當的加密和保護。

審計與日志記錄：記錄系統的活動(dòng)和軟件算法執行過(guò)程，以便在發(fā)生安全事件時(shí)進(jìn)行調查。

3、代表性及推廣價(jià)值

·  代表性成果

瓷磚表面缺陷形狀差異較大且尺寸不固定，小尺寸缺陷檢測尤為困難，本方案基于深度學(xué)習的高精度CIS+CCD雙相機檢測模型，并利用傳統視覺(jué)算法對檢測結果進(jìn)行嚴格后處理篩選和分級，在大缺陷檢測不被影響的條件下有效提高細小缺陷檢測能力，當前缺陷檢測誤、漏檢率均低于0.5%。為適應高速生產(chǎn)節拍，本方案基于TensorRT封裝一套業(yè)界領(lǐng)先的高速模型推理引擎TensorRT_Pro，同時(shí)加持業(yè)務(wù)引擎和模型推理并行計算框架，從數據采集、數據傳輸、模型推理，再到結果處理，一片瓷磚完整檢測時(shí)間僅需0.6s，可滿(mǎn)足瓷磚（400mm*800mm尺寸）80片/分鐘甚至更快的生產(chǎn)速度。本方案已轉化成產(chǎn)品并應用到多家瓷磚生產(chǎn)頭部企業(yè)，量產(chǎn)并應用已有兩年時(shí)間，具備較高的可靠性和穩定性，目前已成功部署應用十余臺套設備，為相關(guān)客戶(hù)至少節省50%以上人力成本，并減少客訴率近80%。

此外，該項目目前已產(chǎn)出專(zhuān)利10余篇、軟著(zhù)1篇、高品質(zhì)論文2篇、培養研究生5人。

·  商業(yè)價(jià)值與社會(huì )價(jià)值

本方案可無(wú)縫遷移至多種表面缺陷檢測生產(chǎn)場(chǎng)景，具有較強的商業(yè)價(jià)值，該解決方案的成功實(shí)施，為相關(guān)領(lǐng)域如木板、鋼板等表面缺陷檢測場(chǎng)景，通過(guò)邊緣計算技術(shù)處理實(shí)際生產(chǎn)問(wèn)題提供了先行示范作用。同時(shí)，利用AI4Industry平臺采集到的瓷磚圖像及持續收集到的推理結果大數據，通過(guò)數據挖掘及知識圖譜等技術(shù)，分析預判生產(chǎn)過(guò)程中每個(gè)環(huán)節的當前狀態(tài)及可能出現的問(wèn)題，對問(wèn)題預防、結果追溯、設備改進(jìn)等，都有極大的幫助，可不斷提高瓷磚制造效率和質(zhì)量，具有較高的社會(huì )價(jià)值。