在現(xiàn)代工業(yè)生產(chǎn)中，視覺檢測技術的應用正變得越來越廣泛，它在提高產(chǎn)品質量、優(yōu)化生產(chǎn)流程方面發(fā)揮著至關重要的作用。然而，與人臉識別、交通監(jiān)控、安防監(jiān)控等應用場景相比，工業(yè)視覺檢測項目的場景更為特殊，它很難與當下主流的AI平臺工具配型，或者是通過單一算法模型進行訓練，通常情況下，工業(yè)視覺檢測項目面臨著一系列獨特的難點與挑戰(zhàn)。比如：

算法實現(xiàn)難。工業(yè)環(huán)境中的背景往往非常復雜，對比度較低，而且工業(yè)產(chǎn)品中的缺陷種類繁多，簡單的項目就可能涉及10種以內的缺陷類型，復雜的項目則可能包含上百種不同的缺陷類型。這些缺陷不僅數(shù)量眾多，而且差異較小，給算法的設計和優(yōu)化帶來了極大的挑戰(zhàn)。

樣本收集難。在許多質量控制嚴格的生產(chǎn)線上，缺陷樣本非常稀缺，特別是在高良品率的產(chǎn)品制造過程中，特定缺陷的出現(xiàn)頻率極低，這導致相關缺陷樣本的收集周期可能長達數(shù)月甚至數(shù)年。

檢測要求高。通常情況下，工業(yè)視覺檢測項目不僅需要達到零漏檢的標準，同時還必須保證圖像處理的速度足夠快（往往要求在毫秒級別內完成），這樣的高標準對算法的設計提出了更高的要求。

客戶非常關心部署與維護的成本。為了確保系統(tǒng)的穩(wěn)定運行，工業(yè)視覺檢測系統(tǒng)不僅需要具備高度的可靠性，還應易于維護，并能夠迅速復制到其他生產(chǎn)線上，這要求系統(tǒng)設計時充分考慮硬件和軟件的兼容性、可擴展性和易用性等。

設計一套工業(yè)視覺檢測算法方案的具體步驟

在種種挑戰(zhàn)下，如何才能設計出一套工業(yè)視覺檢測算法方案？

阿丘科技認為，確保檢測系統(tǒng)的性能和效率是關鍵，以下是較為詳細的步驟指南，可幫助工程師或項目管理者理解并制定可落地的工業(yè)視覺檢測算法方案。01

明確需求

在開始設計算法方案之前，首要任務是進行詳盡的需求梳理。包括對需求項進行細致的拆解，以確認項目中涉及的多個工位、所需處理的圖像數(shù)量、檢測項的數(shù)量以及相應的標準。這一步驟至關重要，它為整個項目設定了基礎和方向。

同時，檢測要求包括對過檢和漏檢指標的具體要求，以及CT（Cycle Time，周期時間）的要求。過檢和漏檢指標是衡量檢測系統(tǒng)性能的關鍵參數(shù)，它們直接影響到產(chǎn)品質量和生產(chǎn)效率。CT時間要求則關系到檢測系統(tǒng)在生產(chǎn)線上的實時響應能力，對于保證生產(chǎn)流程的連續(xù)性和穩(wěn)定性至關重要。

02

單圖方案設計

（1）算法方案設計流程

對于單張圖像的算法方案設計，步驟如下。

第一步，完成單一檢測項的算法方案設計。這一步涉及到選擇合適的算法工具和參數(shù)，以實現(xiàn)對特定缺陷的檢測。

第二步，在單一檢測項算法方案的基礎上，進行局部算法流程的合并。這一步的目的在于優(yōu)化算法流程，提高檢測效率，減少冗余步驟。

（2）單圖算法整合

在單圖算法整合階段，常見的做法是讓不同的檢測項共用一個ROI提取工具，如下圖所示。這種方法可以提高算法的效率，減少對計算資源的需求，同時保持檢測的準確性。

（3）產(chǎn)品算法方案整合

在完成了各個工位的單圖方案設計后，下一步是整合這些方案，形成產(chǎn)品的完整算法方案。這一過程需要結合視覺系統(tǒng)檢測流程，繪制出算法流程與時序圖，以評估當前方案是否能夠滿足速度要求，并對硬件配置（主要為顯卡）進行評估。在整合算法方案時，需要注意以下幾點：

第一，設計整體算法流程時，如果對速度的要求較高，則應盡可能并行處理。例如，在下方展示的時序圖中，采集圖像、傳統(tǒng)前處理、AI檢測和結果匯總等步驟都應實現(xiàn)并行處理，以保證檢測流程的節(jié)奏緊湊，滿足生產(chǎn)線的高速要求。

第二，當多個AI模型同時進行推理時，應按照串行方式預估總耗時。盡管在實際操作中可以并行處理，但由于顯卡運算機制的限制，并行處理帶來的效率提升有限。例如，統(tǒng)計AI部分的耗時預估，可以分別對每個模型進行預估，然后將時間相加，得到AI處理的總時間。

通過上述詳細的步驟和考慮因素，可以盡可能地確保算法方案的科學性、合理性和可行性，為工業(yè)視覺檢測項目的成功實施奠定堅實的基礎。

算法方案優(yōu)劣評價的標準

在設計出一套工業(yè)視覺檢測算法方案之后，可以通過以下三個維度，對算法方案進行評價。

01

技術可行性

判斷算法方案的技術可行性，即能否滿足客戶的檢測效果要求與性能要求。此時，通常會選擇有代表性的難點項目進行輕量級的離線POC（Proof of Concept）測試。這些測試項目會涵蓋關鍵檢測項，以確保算法在實際應用中能夠有效工作，并且滿足速度要求。

如果測試結果不理想，可能需要與客戶協(xié)商調整項目范圍或降低某些指標的要求。例如，如果檢測系統(tǒng)的漏檢率無法達到零，可以與客戶討論是否可接受一定的漏檢率，以換取更高的處理速度。

02

算法的投入產(chǎn)出比

工業(yè)視覺檢測系統(tǒng)通常需依賴高性能的硬件支持，如多張高性能顯卡。這些硬件設備的成本較高，因此在評估算法方案時，需要考慮硬件投入是否經(jīng)濟合理（例如，使用高性能GPU可以顯著提高圖像處理速度，但也增加了初始投資成本）。

而且，有些項目的算法開發(fā)周期過長，不僅會影響項目的按時交付，還會增加人力和資源的投入，且交付過程的復雜度也會增加項目的總體成本。因此，需要評估項目的開發(fā)周期和交付流程，確保項目能夠在預定的時間內順利交付。同時，過程中還需要技術人員與業(yè)務部門密切合作，共同判斷項目的商業(yè)可行性。

另外，AI技術在開發(fā)階段門檻低、投入少，是其相對比傳統(tǒng)算法的一大優(yōu)勢。許多客戶通過阿丘科技的工業(yè)AI視覺算法平臺軟件AIDI，使得原本需要調用幾十甚至上百個算子的傳統(tǒng)方法，變?yōu)橹恍枰粋€AI模塊就能實現(xiàn)缺陷檢測，而且初版模型的訓練、測試，不需要圖像算法基礎，也無需代碼基礎。

03

算法的維護成本

項目后期的維護成本往往在項目前期時會被忽略，但當項目批量交付，維護成本開始顯現(xiàn)，通常會占用算法團隊大量的時間。

傳統(tǒng)的算法方案在維護階段需要算法工程師頻繁調參，不僅增加了維護成本，還影響了系統(tǒng)的穩(wěn)定性和可靠性。而當大部分檢測方案改為以AI為主或AI與傳統(tǒng)算法結合后，算法維護工作逐漸轉給售后團隊，甚至客戶產(chǎn)線上的一線員工也可以承擔起AI模型訓練的工作。

以上核心內容均來自阿丘科技《工業(yè)視覺檢測算法方案》白皮書，其中全面介紹工業(yè)視覺檢測技術的現(xiàn)狀與趨勢，深入分析當前面臨的技術難題，并提出創(chuàng)新的算法解決方案。