現代工業生產流程中, 測試幾乎是最不可或缺的一部分：連續大批量生產中的每個制程都有一定次品率，單獨看雖然比率很小，但相乘后卻成為工廠提高良率的瓶頸。過去，在電子制造業，工人需要手持復雜的印刷電路板，花費很長時間檢查板卡外觀有無缺陷，難以適應高速生產的需求。

      視源股份（CVTE）旗下控股子公司鐳晨科技，將機器人應用、機器視覺和自動測試技術應用到檢測系統上，致力于打造高端柔性化、智能化的工業生產及檢測設備。其中鐳晨科技將深度學習算法，結合大數據訓練智能模型應用在自動光學檢測（AOI）中，幫助實現高效準確的工業外觀檢測。

你聽過自動光學檢測（AOI）嗎？

      自動光學檢測（AOI）是一種基于光學原理，利用機器視覺替代人工目檢的外觀檢測技術。系統自帶高分辨率工業相機，在電子電路板頂面拍照后，通過智能圖像分析，檢測電子電路板上的插件元器件的錯、漏、反等缺陷，其中就包含了人眼無法看到的細節特征。

深度學習，更加聰明

       傳統AOI是自動化的，在人工設定規則下，能替代大量重復性外觀檢測工作。但工業檢測中所產生的海量數據，傳統AOI難以針對其進行處理及訓練，可能會導致數據的浪費以及其自身應用的停滯不前。

       為了讓檢測更加“自主聰明”，鐳晨科技自主研發了深度學習的人工智能技術，并將其應用在AOI中。這種深度學習算法能模擬人類大腦工作，構建深度神經網絡，在原始數據中進行自動特征的提取。當出現無法檢測的缺陷時，檢測系統可以通過設備采集數據，在一定的人工干預下進行模型的微調訓練。在訓練過程中，隨著數據集的擴充和模型的強化，檢測結果也在不斷優化。

強適應力，多行業應用

       然而制造業里，每個垂直領域的生產流程和工藝都千差萬別，AOI進入每個行業的理解成本都很高。所以傳統機器視覺在工業檢測應用上，仍面臨著適應不同生產環境的挑戰，即便是微小的環境因素差異都可能會影響檢測精度。

       針對這種情況，鐳晨科技自研的深度學習算法本身就擁有很強的通用性、柔性以適應不同的行業。舉個例子，鐳晨科技AOI在進行元件極性識別時，基本不會受到元件成像角度、位置、光照、紋理、顏色、大小等差異的影響，兼容多種工業環境。現在該AOI系統已應用在多個行業，包括顯示液晶屏幕的自動化檢測、汽車電子產品的外觀檢測、電子產品的組裝加工過程等。

       以上你所看到的“黑科技應用”都離不開背后的技術支撐：視源股份中央研究院和鐳晨自身專業的機器視覺研發團隊。視源股份中央研究院在視覺計算、數據挖掘、機器人等多個領域進行基礎科研，以探究未知、發現新知。基于中央研究院提供的底層技術支持，鐳晨科技自身的研發團隊將進行技術落地與產品化，把這些 “黑科技應用”帶入更多的工業場景。

       未來的工廠將會擁有靈活的協同系統，自主運行整個生產過程，在全局范圍內自我優化，實時適應新的環境。視源股份（CVTE）將以視覺計算、數據挖掘等前沿技術賦能制造模式和工業體系，為智慧工業建設注入新的能量，讓科技設想照進現實。