郭 熹，李 斌，馬文輝，賀 鳴，陳亞峰（.中國(guó)聯(lián)通研究院，北京 0076；.珠海格力電器股份有限公司，廣東珠海 509070）

0 前言

機(jī)器視覺檢測(cè)是指利用機(jī)器替代人工實(shí)現(xiàn)檢測(cè)和判斷［1］。典型的機(jī)器視覺檢測(cè)系統(tǒng)包括相機(jī)、鏡頭、光源、工控機(jī)、圖像處理系統(tǒng)、執(zhí)行機(jī)構(gòu)、被測(cè)物等。其檢測(cè)原理是通過相機(jī)對(duì)被測(cè)對(duì)象進(jìn)行圖像拍攝，然后將圖像數(shù)據(jù)傳送至圖像處理系統(tǒng)。圖像處理系統(tǒng)通過檢測(cè)算法對(duì)圖像進(jìn)行特征提取、識(shí)別，輸出檢測(cè)結(jié)果并執(zhí)行相應(yīng)操作［2］。機(jī)器視覺檢測(cè)在工業(yè)領(lǐng)域具有廣闊的市場(chǎng)空間，主要應(yīng)用場(chǎng)景包括目標(biāo)檢測(cè)（如對(duì)產(chǎn)品外觀瑕疵檢測(cè)、對(duì)產(chǎn)品零部件的有無檢測(cè)等）、目標(biāo)識(shí)別（如文字識(shí)別、顏色識(shí)別等）、目標(biāo)定位（如PCB 加工定位、標(biāo)簽定位等）和目標(biāo)測(cè)量（如對(duì)指針儀表的長(zhǎng)度、角度測(cè)量、對(duì)零部件的尺寸測(cè)量等）。

傳統(tǒng)方式的機(jī)器視覺檢測(cè)主要以人工特征提取、分類、識(shí)別為主，檢測(cè)方法具有針對(duì)性，系統(tǒng)魯棒性差［3］。常見的處理方法包括如圖像灰度處理、濾波算法、圖像算數(shù)、圖像二值化、霍夫變換等。隨著人工智能技術(shù)的不斷發(fā)展，以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)正逐步應(yīng)用在機(jī)器視覺領(lǐng)域。深度學(xué)習(xí)利用機(jī)器模仿人類思考，實(shí)現(xiàn)對(duì)圖像的理解，被用來解決復(fù)雜場(chǎng)景的模式識(shí)別［4］。其典型應(yīng)用領(lǐng)域包括目標(biāo)檢測(cè)、圖像分類、圖像分割等。與傳統(tǒng)方式相比，深度學(xué)習(xí)可以在訓(xùn)練過程中自學(xué)習(xí)相關(guān)屬性，省去特征工程環(huán)節(jié)，識(shí)別精度更高、更加靈活［5］。但是對(duì)硬件的內(nèi)存和計(jì)算能力要求較高，通常需要額外的硬件投入。此外，在應(yīng)用開發(fā)過程中，需要收集大量的樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練以提高模型精度。雖然機(jī)器學(xué)習(xí)相對(duì)于傳統(tǒng)方式有諸多優(yōu)勢(shì)，在實(shí)際工業(yè)應(yīng)用場(chǎng)景中，既需要基于深度學(xué)習(xí)的視覺檢測(cè)，又需要傳統(tǒng)的視覺檢測(cè)方式。如對(duì)表計(jì)尺寸的測(cè)量、條碼識(shí)別等場(chǎng)景，傳統(tǒng)方式簡(jiǎn)單而高效，使用機(jī)器學(xué)習(xí)方法則費(fèi)時(shí)費(fèi)力。

通過在5G 試點(diǎn)項(xiàng)目的大量實(shí)地調(diào)研發(fā)現(xiàn)，工業(yè)企業(yè)在現(xiàn)有視覺檢測(cè)應(yīng)用上存在諸多不足，具體表現(xiàn)在以下4個(gè)方面。

a）部分企業(yè)采用傳統(tǒng)方式依靠人眼做視覺檢測(cè)，存在效率低，漏檢率高等問題。

b）部分企業(yè)采用一體化智能工業(yè)相機(jī)做視覺檢測(cè)，但單點(diǎn)設(shè)備成本高，不適合規(guī)模應(yīng)用，且無法有效管理。

c）部分企業(yè)采用基于云端的視覺檢測(cè)系統(tǒng)，存在響應(yīng)慢、數(shù)據(jù)安全性低等問題。

d）企業(yè)缺乏AI 視覺相關(guān)專業(yè)技術(shù)人員，難以滿足視覺檢測(cè)項(xiàng)目建設(shè)需求。

基于上述分析，認(rèn)為支持多場(chǎng)景應(yīng)用、平臺(tái)化的視覺檢測(cè)系統(tǒng)是工業(yè)視覺的重要發(fā)展方向。隨著互聯(lián)網(wǎng)+制造業(yè)轉(zhuǎn)型升級(jí)步伐的不斷推進(jìn)，5G、AI、大數(shù)據(jù)等高新技術(shù)手段將為工業(yè)視覺檢測(cè)技術(shù)的發(fā)展注入新動(dòng)能，推進(jìn)工業(yè)視覺檢測(cè)技術(shù)變革。

1 格力視覺檢測(cè)需求分析

視覺檢測(cè)貫穿零件加工、組裝、包裝等各個(gè)環(huán)節(jié)，是企業(yè)產(chǎn)品質(zhì)量的關(guān)鍵保障，提升視覺檢測(cè)水平能有效降低企業(yè)經(jīng)營(yíng)成本。格力空調(diào)在生產(chǎn)過程中存在大量視覺檢測(cè)場(chǎng)景，包括壓縮機(jī)線視覺檢測(cè)、外機(jī)自動(dòng)電氣安全檢測(cè)、整機(jī)外觀檢測(cè)、印刷品質(zhì)量檢測(cè)等。當(dāng)前存在大量依靠人眼做視覺檢測(cè)的現(xiàn)象，檢測(cè)效率低，漏檢率高，容易帶來產(chǎn)品質(zhì)量隱患。因此，格力急需一套自動(dòng)化、平臺(tái)化的視覺檢測(cè)系統(tǒng)替代人工檢測(cè)。一方面，需要滿足各生產(chǎn)環(huán)節(jié)的多場(chǎng)景檢測(cè)需求，有效提升檢測(cè)效率，降低檢測(cè)成本，實(shí)現(xiàn)智能檢測(cè)管理。另一方面，為應(yīng)對(duì)消費(fèi)者個(gè)性化產(chǎn)品需求，新系統(tǒng)需要具備易擴(kuò)展、易操作性，能靈活快速適應(yīng)新場(chǎng)景檢測(cè)要求。

2019 年，中國(guó)聯(lián)通與格力電器開展5G 智慧工廠暨全業(yè)務(wù)戰(zhàn)略合作，基于5G、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新型技術(shù)，打造家電產(chǎn)業(yè)5G 智慧工廠示范區(qū)。5G 作為新一代無線通信技術(shù)，在帶寬、時(shí)延、連接數(shù)等網(wǎng)絡(luò)性能上較上一代蜂窩網(wǎng)絡(luò)實(shí)現(xiàn)全方位提升，可為工業(yè)網(wǎng)絡(luò)連接提供高可靠服務(wù)保障［6］（見表1）。通過5G 網(wǎng)絡(luò)可構(gòu)建平臺(tái)化的視覺檢測(cè)模式，實(shí)現(xiàn)多檢測(cè)點(diǎn)并行檢測(cè)、智能管理。移動(dòng)邊緣計(jì)算（MEC）是5G 重要能力之一，可在移動(dòng)網(wǎng)絡(luò)的邊緣提供IT 服務(wù)和計(jì)算能力，支持將業(yè)務(wù)處理卸載到移動(dòng)網(wǎng)絡(luò)邊緣節(jié)點(diǎn)［7-8］。利用MEC 本地分流能力，可極大降低端到端通信時(shí)延，同時(shí)保證生產(chǎn)數(shù)據(jù)安全?；?G 技術(shù)的平臺(tái)化視覺檢測(cè)系統(tǒng)，將為企業(yè)帶來更多價(jià)值。

表1 工業(yè)無線網(wǎng)絡(luò)指標(biāo)對(duì)比

2 基于5G的工業(yè)AI視覺檢測(cè)系統(tǒng)解決方案

基于5G 的工業(yè)視覺檢測(cè)系統(tǒng)是平臺(tái)化、支持多檢測(cè)點(diǎn)并行的工業(yè)檢測(cè)系統(tǒng)。通過5G +MEC 的工廠內(nèi)網(wǎng)架構(gòu)與現(xiàn)場(chǎng)瘦客戶端進(jìn)行交互，實(shí)現(xiàn)企業(yè)整體視覺檢測(cè)體系，可同時(shí)滿足多場(chǎng)景、多檢測(cè)點(diǎn)并行的檢測(cè)及智能化管理需求。通過將主要算力及算法放置于平臺(tái)端，極大提升分析處理能力，現(xiàn)場(chǎng)端僅需普通工業(yè)相機(jī)等少數(shù)設(shè)備即可實(shí)現(xiàn)AI視覺檢測(cè)，有效降低單點(diǎn)檢測(cè)成本，提升部署靈活性。此外，平臺(tái)側(cè)支持對(duì)檢測(cè)點(diǎn)的能力配置，單一檢測(cè)點(diǎn)僅需微調(diào)即可適配新檢測(cè)場(chǎng)景，可滿足對(duì)不同產(chǎn)品的快速檢測(cè)需求。

如圖1 所示，基于5G 的工業(yè)AI 視覺檢測(cè)系統(tǒng)架構(gòu)包括現(xiàn)場(chǎng)設(shè)備端和智能監(jiān)測(cè)平臺(tái)。

2.1 現(xiàn)場(chǎng)設(shè)備端

現(xiàn)場(chǎng)設(shè)備端負(fù)責(zé)與產(chǎn)線聯(lián)動(dòng)，包括系統(tǒng)觸發(fā)與結(jié)果反饋。需將圖像采集并上傳至服務(wù)端，并獲取服務(wù)端的處理結(jié)果?，F(xiàn)場(chǎng)設(shè)備由以下3個(gè)部分組成。

a）工業(yè)相機(jī)系統(tǒng)，包括工業(yè)相機(jī)、鏡頭、光源等，工業(yè)相機(jī)系統(tǒng)主要負(fù)責(zé)現(xiàn)場(chǎng)端圖像獲取，需根據(jù)不同檢測(cè)場(chǎng)景及檢測(cè)需求進(jìn)行適配及選型。

b）現(xiàn)場(chǎng)工控終端，一般為工控機(jī)，負(fù)責(zé)控制工業(yè)相機(jī)系統(tǒng)及現(xiàn)場(chǎng)設(shè)備，實(shí)現(xiàn)圖像上傳、控制指令下發(fā)、運(yùn)行現(xiàn)場(chǎng)客戶端軟件等功能。

c）現(xiàn)場(chǎng)設(shè)備，包括傳感器、急停開關(guān)、三色燈、掃碼槍、顯示器等，負(fù)責(zé)信號(hào)檢測(cè)及結(jié)果顯示，實(shí)現(xiàn)系統(tǒng)觸發(fā)、運(yùn)行控制、結(jié)果顯示等功能。

2.2 智能檢測(cè)平臺(tái)架構(gòu)

智能檢測(cè)平臺(tái)是視覺檢測(cè)系統(tǒng)的核心，可部署在企業(yè)數(shù)據(jù)機(jī)房或云端服務(wù)器，主要負(fù)責(zé)處理視覺檢測(cè)流程，完成包括場(chǎng)景管理、業(yè)務(wù)管理、算法模型訓(xùn)練、算法管理、檢測(cè)業(yè)務(wù)編排、檢測(cè)結(jié)果分析等功能。平臺(tái)提供狀態(tài)查看和統(tǒng)一管理接口，可適配不同場(chǎng)景的檢測(cè)需求。智能檢測(cè)平臺(tái)通過5G 網(wǎng)絡(luò)與各檢測(cè)點(diǎn)相聯(lián)，實(shí)現(xiàn)1對(duì)n的檢測(cè)管理與應(yīng)用服務(wù)支持。

智能檢測(cè)平臺(tái)可以滿足的各類制造企業(yè)對(duì)工業(yè)視覺檢測(cè)業(yè)務(wù)的需求，為上層應(yīng)用提供服務(wù)。智能檢測(cè)平臺(tái)架構(gòu)如圖2所示。

a）基礎(chǔ)能力層。通過統(tǒng)一的接口為上層應(yīng)用提供基礎(chǔ)檢測(cè)能力。

圖2 智能檢測(cè)平臺(tái)架構(gòu)圖

b）編排器層。通過編排器的方式將基礎(chǔ)能力進(jìn)行組合、協(xié)同及調(diào)用，用以完成對(duì)下層基礎(chǔ)檢測(cè)能力的封裝；同時(shí)，針對(duì)特定場(chǎng)景的檢測(cè)需求（如暗光），可以通過對(duì)基礎(chǔ)能力的封裝形成特定場(chǎng)景下的解決方案，形成功能更強(qiáng)大、更具針對(duì)性的基礎(chǔ)檢測(cè)能力庫。

c）編排流程庫層。針對(duì)不同的應(yīng)用，需要建立一套支持將基礎(chǔ)能力編排用以解決應(yīng)用實(shí)際檢測(cè)需求的編排流程庫。

d）應(yīng)用層。通過使用編排器及編排流程庫調(diào)用基礎(chǔ)檢測(cè)能力，滿足全部檢測(cè)業(yè)務(wù)需求，并通過輸入輸出接口，向現(xiàn)場(chǎng)設(shè)備及人員提供工業(yè)檢測(cè)應(yīng)用服務(wù)。

e）云計(jì)算平臺(tái)。根據(jù)實(shí)際情況，使用Kubernetes或Docker技術(shù)構(gòu)建上層應(yīng)用的部署平臺(tái)。

f）基礎(chǔ)設(shè)施層。包括CPU 服務(wù)器、GPU 服務(wù)器及GPU推理單板機(jī)等計(jì)算資源。

g）輸入及輸出適配器。通過插件化的方式支持主流工業(yè)相機(jī)通信協(xié)議及工業(yè)總線協(xié)議，便于快速與工裝環(huán)境對(duì)接。

2.3 關(guān)鍵技術(shù)

2.3.1 平臺(tái)化的系統(tǒng)設(shè)計(jì)

現(xiàn)階段工業(yè)視覺檢測(cè)產(chǎn)品大多數(shù)是以工業(yè)智能相機(jī)或傳統(tǒng)視覺檢測(cè)方式為主。傳統(tǒng)單點(diǎn)檢測(cè)系統(tǒng)通常由光源、相機(jī)、圖像采集單元、圖像處理單元等模塊組成，各模塊分散部署在現(xiàn)場(chǎng)側(cè)，多為針對(duì)單一檢測(cè)場(chǎng)景定制化開發(fā)，體積較大系統(tǒng)復(fù)雜，難以升級(jí)維護(hù)［9］。智能相機(jī)是一種高度集成化的微小型機(jī)器視覺系統(tǒng)，將圖像的采集、處理與通信功能集成于一體［10］。相對(duì)于傳統(tǒng)視覺檢測(cè)系統(tǒng)，智能相機(jī)在部署上更加靈活便捷，但是由于體積限制，其處理能力通常較差，只能運(yùn)行簡(jiǎn)單算法且單機(jī)成本高昂。

相對(duì)于現(xiàn)有視覺系統(tǒng)，基于5G 的AI 視覺檢測(cè)系統(tǒng)是基于C/S 架構(gòu)設(shè)計(jì)的視覺檢測(cè)PaaS 平臺(tái)，將主要處理能力集中在后端智能檢測(cè)平臺(tái)，各檢測(cè)點(diǎn)通過現(xiàn)場(chǎng)終端將圖片發(fā)送至智能檢測(cè)平臺(tái)并實(shí)時(shí)獲取檢測(cè)結(jié)果。智能檢測(cè)平臺(tái)內(nèi)置多類算法能力，包括傳統(tǒng)的機(jī)器視覺算法以及更為復(fù)雜的深度學(xué)習(xí)模型算法等。通過平臺(tái)化的系統(tǒng)設(shè)計(jì)可支持多場(chǎng)景并行的視覺檢測(cè)并實(shí)現(xiàn)算法能力的復(fù)用。

2.3.2 深度學(xué)習(xí)視覺能力平臺(tái)

缺少專業(yè)AI 技術(shù)人員是企業(yè)視覺發(fā)展面臨的難題，本系統(tǒng)搭建了基于深度學(xué)習(xí)的視覺檢測(cè)能力平臺(tái)，支持視覺檢測(cè)模型訓(xùn)練的全部流程，提供包括數(shù)據(jù)集管理、樣本標(biāo)注、模型訓(xùn)練、模型發(fā)布、模型管理等功能。深度學(xué)習(xí)是傳統(tǒng)機(jī)器學(xué)習(xí)的延伸，廣泛應(yīng)用在圖像識(shí)別，目標(biāo)檢測(cè)諸多領(lǐng)域。典型的深度學(xué)習(xí)模型主要有卷積神經(jīng)網(wǎng)絡(luò)（CNN——Convolutional Neural Network）、深度置信網(wǎng)絡(luò)（DBN——Deep Belief Networks）、堆棧自編碼網(wǎng)絡(luò)（SAE——Stacked Auto-Encoder Network）模型等。CNN 是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)［11］，通過卷積和池化操作自動(dòng)學(xué)習(xí)圖像在各個(gè)層次上的特征。DBN 是一種生成模型，通過訓(xùn)練其神經(jīng)元間的權(quán)重，可以讓整個(gè)神經(jīng)網(wǎng)絡(luò)按照最大概率來生成訓(xùn)練數(shù)［12］。SAE與DBN類似，區(qū)別在于其結(jié)構(gòu)單元為自編碼模型［13］。其中，CNN 是在圖像識(shí)別領(lǐng)域應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)之一，基于CNN 模型的視覺檢測(cè)典型算法包括用于如目標(biāo)檢測(cè)的RCNN、Fast RCNN、Faster RCNN、YOLO、SSD等，用于圖像分類的LeNet、AlexNet、VGG、GoogLeNet算法等［14-15］。

當(dāng)前系統(tǒng)深度學(xué)習(xí)視覺能力平臺(tái)已部署YOLOv3、SSD、Fast RCNN、RetinaNet 等算法主要應(yīng)用于目標(biāo)檢測(cè)場(chǎng)景。平臺(tái)支持用戶模型自訓(xùn)練使用，通過設(shè)計(jì)標(biāo)準(zhǔn)化操作流程，降低了場(chǎng)景應(yīng)用開發(fā)難度，無需專業(yè)開發(fā)人員即可完成模型訓(xùn)練、校驗(yàn)與部署，實(shí)現(xiàn)新視覺檢測(cè)應(yīng)用的快速上線。

2.3.3 算法能力集成

工業(yè)視覺檢測(cè)場(chǎng)景復(fù)雜多類，檢測(cè)需求從簡(jiǎn)單的尺寸測(cè)量到復(fù)雜的多目標(biāo)識(shí)別。因此，需要依據(jù)場(chǎng)景實(shí)際情況合理選擇算法能力，既需要傳統(tǒng)的視覺檢測(cè)方法又需要基于深度學(xué)習(xí)的視覺檢測(cè)方法。在算法層面，平臺(tái)提供開放、可擴(kuò)展的視覺檢測(cè)算法能力庫，支持集成第三方算法能力，當(dāng)前提供深度學(xué)習(xí)檢測(cè)能力庫、OpenCV 檢測(cè)能力庫、Halcon 檢測(cè)能力庫等。平臺(tái)提供標(biāo)準(zhǔn)的接口能力單元，用戶也可將企業(yè)原有視覺檢測(cè)算法自行移植到平臺(tái)中使用。

2.3.4 能力編排引擎

能力編排引擎是視覺檢測(cè)系統(tǒng)的核心能力之一，針對(duì)多場(chǎng)景應(yīng)用需求，通過檢測(cè)能力編排引擎為用戶提供可視化集成編排開發(fā)環(huán)境，用戶可針對(duì)新檢測(cè)場(chǎng)景對(duì)視覺檢測(cè)算法、檢測(cè)業(yè)務(wù)流程等進(jìn)行編排及配置，快速形成新的視覺檢測(cè)能力。

2.3.5 基于5G＋MEC網(wǎng)絡(luò)的承載方案

格力對(duì)生產(chǎn)數(shù)據(jù)安全有嚴(yán)格要求，為實(shí)現(xiàn)生產(chǎn)數(shù)據(jù)不出園區(qū)，在網(wǎng)絡(luò)建設(shè)上需要支持5G+MEC 網(wǎng)絡(luò)架構(gòu)，一方面利用5G 網(wǎng)絡(luò)作為設(shè)備連接手段，提供高可靠數(shù)據(jù)傳輸保障。另一方面，借助MEC 本地分流能力，關(guān)鍵生產(chǎn)數(shù)據(jù)直接分流至本地?cái)?shù)據(jù)中心視覺檢測(cè)平臺(tái)，確保生產(chǎn)數(shù)據(jù)不出廠，保證數(shù)據(jù)安全性。同時(shí)，通過本地分流還能降低端到端通信時(shí)延，提升系統(tǒng)響應(yīng)速度。

3 系統(tǒng)測(cè)試

結(jié)合格力5G 試點(diǎn)工廠的實(shí)際生產(chǎn)視覺檢測(cè)場(chǎng)景檢測(cè)需求，在試點(diǎn)工廠對(duì)系統(tǒng)進(jìn)行整體測(cè)試。測(cè)試內(nèi)容分為2個(gè)部分：網(wǎng)絡(luò)架構(gòu)測(cè)試及系統(tǒng)測(cè)試。

3.1 網(wǎng)絡(luò)架構(gòu)測(cè)試

格力試點(diǎn)工廠在園區(qū)部署3 臺(tái)5G 基站實(shí)現(xiàn)園區(qū)網(wǎng)絡(luò)覆蓋，同時(shí)部署MEC 服務(wù)器實(shí)現(xiàn)本地業(yè)務(wù)分流控制。為驗(yàn)證系統(tǒng)網(wǎng)絡(luò)架構(gòu)可行性，在格力試點(diǎn)工廠進(jìn)行了系統(tǒng)測(cè)試及驗(yàn)證（見圖3）。其中，現(xiàn)場(chǎng)終端設(shè)備通過CPE 接入5G 網(wǎng)絡(luò)，在園區(qū)部署MEC 服務(wù)器，車間采集的圖像數(shù)據(jù)經(jīng)MEC 分流至格力數(shù)據(jù)機(jī)房。測(cè)試結(jié)果表明，在5G +MEC 網(wǎng)絡(luò)承載環(huán)境下，系統(tǒng)可正常運(yùn)行，且數(shù)據(jù)傳輸通信時(shí)延可滿足企業(yè)檢測(cè)需求。

3.2 系統(tǒng)測(cè)試

針對(duì)格力視覺檢測(cè)需求，以空調(diào)外機(jī)為檢測(cè)目標(biāo)，進(jìn)行空調(diào)外機(jī)整體外觀檢測(cè)，通過在測(cè)試環(huán)境下模擬產(chǎn)線運(yùn)行，空調(diào)進(jìn)入檢測(cè)區(qū)域后觸發(fā)器產(chǎn)生觸發(fā)信號(hào)，同時(shí)觸發(fā)4臺(tái)工業(yè)相機(jī)拍照，工控機(jī)將圖像文件通過5G 網(wǎng)絡(luò)上傳至視覺檢測(cè)平臺(tái)并實(shí)時(shí)讀取檢測(cè)結(jié)果，輸出顯示檢測(cè)內(nèi)容并下發(fā)控制指令。

圖3 網(wǎng)絡(luò)架構(gòu)

空調(diào)外機(jī)視覺檢測(cè)場(chǎng)景具體檢測(cè)內(nèi)容包括螺絲釘數(shù)量識(shí)別、接線盒ROHS標(biāo)識(shí)有無、接線盒警告標(biāo)識(shí)有無、空調(diào)銘牌有無、空調(diào)銘牌文字識(shí)別（重點(diǎn)識(shí)別名稱、型號(hào)、制造日期、出廠編號(hào)）、標(biāo)簽上冷媒型號(hào)是否正確、空調(diào)2個(gè)防塵帽有無等。

現(xiàn)場(chǎng)測(cè)試環(huán)境如圖4所示。

圖4 現(xiàn)場(chǎng)測(cè)試環(huán)境

現(xiàn)場(chǎng)測(cè)試結(jié)果表明系統(tǒng)可在規(guī)定時(shí)間內(nèi)完成對(duì)空調(diào)外機(jī)進(jìn)行4面多目標(biāo)檢測(cè)，并實(shí)時(shí)反饋檢測(cè)結(jié)果，在檢測(cè)效率和識(shí)別準(zhǔn)確度上均達(dá)到預(yù)期要求（見表2）。

3.3 應(yīng)用效果

基于5G 的工業(yè)AI 視覺檢測(cè)系統(tǒng)，將5G、MEC、AI技術(shù)與視覺檢測(cè)相結(jié)合，打造平臺(tái)化、智能化的工業(yè)視覺檢測(cè)系統(tǒng)，實(shí)現(xiàn)了多場(chǎng)景并行的視覺檢測(cè)。相較于企業(yè)現(xiàn)有視覺檢測(cè)能力單一、成本高、管理差等問題，該系統(tǒng)成本低，適合大規(guī)模部署；系統(tǒng)算法能力強(qiáng)，支持集成主流算法庫；管理能力強(qiáng)，支持對(duì)檢測(cè)流程及檢測(cè)結(jié)果進(jìn)行大數(shù)據(jù)分析；提供標(biāo)準(zhǔn)化操作流程，能有效降低人員準(zhǔn)入門檻。該系統(tǒng)的應(yīng)用可有效提升企業(yè)視覺檢測(cè)智能化水平，滿足多場(chǎng)景視覺檢測(cè)需求，減少人員成本投入，提升生產(chǎn)效率，助力企業(yè)數(shù)字化、智能化轉(zhuǎn)型。

表2 空調(diào)外機(jī)4面視覺檢測(cè)結(jié)果

4 價(jià)值分析

4.1 產(chǎn)品自身價(jià)值分析

在成本層面，相對(duì)于現(xiàn)有的工業(yè)智能相機(jī)，平臺(tái)化的視覺檢測(cè)系統(tǒng)，現(xiàn)場(chǎng)端無需復(fù)雜硬件及高算力要求，可極大降低視覺檢測(cè)規(guī)模部署成本，實(shí)現(xiàn)新檢測(cè)場(chǎng)景快速批量部署。

在算法層面，平臺(tái)化的視覺系統(tǒng)具備更強(qiáng)的算法能力和算法復(fù)雜度，可擴(kuò)展性強(qiáng)、易維護(hù)，具備更高的檢測(cè)效率和識(shí)別精度。

在使用層面，利用模型訓(xùn)練平臺(tái)及業(yè)務(wù)編排能力，無需專業(yè)開發(fā)人員即可實(shí)現(xiàn)新檢測(cè)場(chǎng)景快速部署，有效降低了用戶使用門檻。

在管理層面，平臺(tái)化的視覺檢測(cè)系統(tǒng)可以支持多場(chǎng)景并行接入，可實(shí)現(xiàn)全場(chǎng)景視覺檢測(cè)的精細(xì)化管理，解決傳統(tǒng)視覺檢測(cè)數(shù)據(jù)孤島問題，可實(shí)現(xiàn)工業(yè)視覺檢測(cè)整體管控與數(shù)據(jù)分析，提高生產(chǎn)工藝。

4.2 產(chǎn)品工業(yè)應(yīng)用價(jià)值分析

基于5G 的工業(yè)AI視覺檢測(cè)系統(tǒng)可以為企業(yè)提供端到端視覺檢測(cè)解決方案，建立全場(chǎng)景視覺檢測(cè)接入及監(jiān)控管理體系，實(shí)現(xiàn)低成本、智能化、高效率的視覺檢測(cè)應(yīng)用，有效提升生產(chǎn)效率及產(chǎn)品質(zhì)量，降低生產(chǎn)成本，為企業(yè)帶來更多利潤(rùn)。

同時(shí)，系統(tǒng)基于5G+MEC 所構(gòu)建的企業(yè)內(nèi)網(wǎng)來承載數(shù)據(jù)業(yè)務(wù)，為5G 工業(yè)網(wǎng)絡(luò)的建設(shè)帶來了應(yīng)用價(jià)值，使5G 網(wǎng)絡(luò)能更好地服務(wù)工業(yè)生產(chǎn)，帶來新業(yè)務(wù)點(diǎn)，該模式具備復(fù)用推廣價(jià)值，可以擴(kuò)展到其他5G 工業(yè)應(yīng)用場(chǎng)景之中。

5 結(jié)束語

本文基于5G、AI 等新興技術(shù)，結(jié)合格力視覺檢測(cè)需求，設(shè)計(jì)了平臺(tái)化的視覺檢測(cè)系統(tǒng)，該系統(tǒng)契合企業(yè)智能化發(fā)展需求，能夠有效解決企業(yè)工業(yè)視覺檢測(cè)當(dāng)前面臨的成本高、開發(fā)難、管理差等問題，該系統(tǒng)具備通用性及可復(fù)制性，通過微調(diào)即可復(fù)制推廣到其他工業(yè)企業(yè)，具有一定的行業(yè)示范及推廣意義。