隨著工業物聯網技術的迅猛發展，掀起了以云計算、大數據、以及人工智能 AI 等信息技術正與傳統工業深入融合，由此衍生的 “智能制造4.0” 理念，正在為工業帶來深遠變革。
中國的制造業巨頭也紛紛借此發力，向智能化、數字化制造演進，實施戰略轉型。如何科學的管理和分析制造業務鏈上的生產價值，推進制造企業生產工藝優化與產品質量提升是每一個制造企業在數字化、智能化轉型過程中的必經之路。
業務發展帶來的挑戰
1. 精力疲勞
人眼識別的方式對產品進行檢測，產生疲勞而導致注意力不集中，出現偏差。
2. 二次損傷
人手觸摸產品，觀察產品不同角度的亮度及表面差異，給產品造成二次損傷。
3. 多道檢測流程
檢測產品工藝缺陷、產品LOGO、銘牌漏裝、螺釘漏裝等層層的檢測流程，時間長會導致產品疏忽及漏檢。
藍海大腦智能視覺識別解決方案
基于機器視覺和人工智能搭建產品外觀質量智能判別與優化平臺，本著軟科技、硬落地的方針，搭建集結構化與非結構化數據采集與存儲、圖像處理、機器學習與數據關聯分析預測的產品質量綜合提升平臺。
通過利用機器視覺硬件組件的設計搭建和圖像識別算法開發,可實現對產品外觀質量快速、準確的智能化檢測。完成對所有產品質量數據的全樣本量化存儲?；诋a品質檢數據與生產制造過程數據的閉環關聯與分析挖掘, 對產品成品件質量影響因素進行全面分析和開裂缺陷的準確預測,實現生產線問題及時告警和支持決策響應。
基于邊緣計算和AI的視覺識別平臺
藍海大腦基于AI技術的視覺識別平臺，主要由邊緣端（邊緣計算）和中心端（中心計算）兩部分組成，其中工業相機，工業機器人以及英偉達NVIDIA Jetson Nano研發的HI 209V產品等嵌入式智能設備構成了圖像視頻采集端，部署在工廠自動化產線上；邊緣計算部署的采集端及中心計算部署的液冷GPU工作站集群則撐起了該AI平臺的主控系統。視覺識別平臺整體架構圖如下：
邊緣計算端
- 在邊緣計算端執行圖像采集的機器人裝有一個工業攝像機，一個工業照相機。工業照像機進行遠距離拍攝，用于檢測有無和定位；工業攝像機進行攝像，用于 OCR 識別。
- 以烤箱檢測為例，當系統開始工作時，通過機器人與旋轉臺的聯動，先使用攝像機對烤箱待檢測面的全局視頻攝像，并檢測計算后，提取需要進行 OCR 識別位置，驅動工業相機進行局部拍攝。
- 相機采集到的不同視覺圖像，會首先交由基于英偉達NVIDIA Jetson Nano開發的HI 209V邊緣計算進行視頻處理：快速降噪（修復）、視覺增強、失焦修復、風格轉換等預處理。
- 根據標準圖像機本庫進行數據的預處理：數據清洗、圖像預處理、數據集構造、歸一化處理、檢測需求確定是否需要傳輸回到中心計算端，如果需要，則通過網絡傳送到中心端交由液冷GPU工作站HD210 分析處理。
中心計算端
- 中心計算端是由藍海大腦?液冷GPU工作站 HD210 和視覺識別平臺兩部分組成。
- 系統在收到邊緣端發來的數據后，首先會利用藍海大腦?視覺識別平臺提供的初樣模型對預處理過的圖像進行提取識別，提取出需要進行檢測的標的物，例如型號、合格證、銘牌或線纜等等。
- 藍海大腦?視覺識別平臺提供的 AI能力，將幫助邊緣計算數據進行數據管理、訓練引擎、機器視覺模型、模型算法庫等一系列 AI 處理流程。通過藍海大腦?視覺識別平臺中集成的深度學習開發框架，系統可以通過不斷地迭代分布式訓練，提升檢測物識別率。
- 將深度學習模塊引入制造業識別，不僅可以讓視覺識別平臺快速、敏捷、自動地識別出待測產品的諸多缺陷，如產品工藝缺陷、產品LOGO、銘牌漏裝、外觀整潔度等問題。更重要的是，該視覺識別平臺能夠對非標準變化因素有良好的適應性，即便檢測內容和環境發生變化，藍海大腦?視覺識別平臺也能很快地予以適應，省去冗長新特征識別、驗證時間。同時這一方案也能有效地提高檢測的魯棒性，令識別率高達 99.81%，克服了傳統視覺檢測過于依賴圖像質量的問題。
藍海大腦 AI 視覺系統特點
1. 核心技術
- 采用國際前沿的深度學習算法
- 支持多種缺陷類型，適應多種產品
- 自學習性，可不斷迭代改善
- 小樣本訓練及模型的裁剪
2. 優勢
- 無需編程，降低集成難度
- 快速部署，極大縮短時間
- 適應性強，快速遷移能力
3. 特點
- 協同合作 （GPU+CPU）
- 缺陷定位、缺陷分割、缺陷分類、缺陷檢測
- 無序分揀、拆垛碼垛
- 多維數據實戰應用能力
藍海大腦技術優勢
1. 安全可靠
從設備到云內置的可信、多層安全性
2. 技術資源
設計和構建物聯網工具和支持
3. 生態系統
廣泛合作伙伴生態系統的可互操作物聯網解決方案
客戶收益
采用藍海大腦解決方案，瑕疵準確率達到 99.9%，項目部署周期縮短 56%，物料成本減少 30%，人工成本減少 70%。
1. 預測性維護、精確定時
通過在裝配線上使用聯網的工業物聯網傳感器，智能制造可以跟蹤設備磨損的關鍵指標，如振動和溫度?？稍诰W絡邊緣提供實時數據分析，準確提示需要維護時間，盡可能減少停機時間及降低成本。
2. 更嚴格的質量管理
檢測產品異常，避免影響產品質量。通過計算機視覺查看微小的缺陷。加強質量控制，在整個生產過程中（從供應鏈
到工廠車間）增加了數據分析和情報。
3. 測量和管理機器藍海大腦的工業物聯網技術具有開放和可互操作的特點，通過與現有設備集成，可收集和分析整個生產線上的性能數據。通過使用聯網的工業物聯網傳感器和智能設備來提高機械操作的可見度，智能工廠整體設備效率 (OEE)得到提高。
4. 安全傳輸、效率更高
支持工業物聯網的傳感器、設備和可穿戴設備可在智能工廠出現危險時提醒工人 ， 并提高工人在嚴峻環境中工作表現 。 從海上鉆機到物流倉庫，藍海大腦的工業物聯網解決方案可為聯網工人提供信息，提高安全性和生產力。
應用場景
挑 戰
鋼鐵企業工藝繁多、運行工況復雜，大量采用自動化設備。一般采用熱軋精軋機、金屬冷軋機等冶金專用設備, 生產過程存在危險性和重復性。在鋼鐵生產中需要對帶鋼等產品的規格尺寸及缺陷進行自動檢測。
解決方案
- 采用多臺工業相機、攝像機對成卷前的帶鋼表面和端面進行圖像采集
- 基于GPU液冷工作站的機器視覺智能檢測系統對目標進行識別和外觀檢測
- 與產線現有設備及功能單元實時通信，多系統間協同工作
- 通過深度學習技術和核心軟件算法對帶鋼的寬度、厚度等尺寸進行測量，有效識別結疤、翹皮、裂痕、夾層、 輥印、劃痕、孔洞、污痕、毛刺等。
- 不斷識別和自我學習，有效提高實際缺陷的識別速度和檢出率。
- 將所有數據儲存到數據庫中，極大地降低人員勞動強度。
