广告

AI学会“挑刺”,可揪出光伏、PCB、芯片瑕疵

2019-04-25 阅读:
随着近年深度学习的兴起,瑕疵检测也出现新的技术演变,从传统的 AOI 转向与 AI 结合,不少初创公司开发用以检测元件瑕疵的 AI 软件,或与 AOI、AVI 设备结合使用。另一方面,检测设备商也通过 AI 技术优化 AOI 设备的准确度。

AI 要能发挥价值、创造效益,落地到行业里头是关键,相较于营销广告、安防、新零售等,工业领域更像是一片蓝海,目前在 AI 与工业的结合,多提到大数据优化生产排程、监控零部件或机台设备运作以及故障预警等,还有一个领域也有不少研究及进展,就是生产过程中的瑕疵检测,包括线路瑕疵、外观瑕疵等。h80ednc

制造行业强调品质控管,把产品出货给客户前,必须确保其功能正常,一旦检测出错,会导致很大商业的损失,除了靠人力检验之外,在生产过程中,使用非接触式的自动光学检测(AOI,Automated Optical Inspection)或自动视觉检测(AVI,Automated Visual Inspection)设备已经行之有年,旨在通过高精度摄像头、机器视觉技术等,抓出有瑕疵或缺陷的产品,像是金属零部件制造厂通过 AOI 设备来检测金属扣件、螺丝是否光滑、有无细微裂缝等,自动化程度相对较高的电子业,像是 PCB、PCBA 电路板、Wafer 晶圆及面板行业采用的比例也非常高。h80ednc

以电子业来说,市占率较高的设备检测商首推以色列公司奥宝(orbotech),在 PCB、面板领域有很高的市占率,不过,美国的半导体检测设备大厂科磊(KLA-Tencor)在去年 3 月收购了奥宝,扩大服务范畴。其他知名的公司还有像是美国的 Rudolph Technologies、日本 Takano 等。h80ednc

国内的检测设备商像是东旭光电、惠州高视科技、神州视觉科技、力德创(LeadAOI)等。去年,东旭光电与京东方签订近 7000 万人民币的装备订单,包括宏观及微观缺陷检测设备、玻璃边缘检查机等高端装备,主要应用于 OLED 面板产线的缺陷检测。而惠州高视科技的设备也应用于面板行业,进行屏幕的缺陷检测,客户包括京东方、华星光电、欧菲光等。h80ednc

随着近年深度学习的兴起,瑕疵检测也出现新的技术演变,从传统的 AOI 转向与 AI 结合,不少初创公司开发用以检测元件瑕疵的 AI 软件,或与 AOI、AVI 设备结合使用。另一方面,检测设备商也通过 AI 技术优化 AOI 设备的准确度。h80ednc

049ednc20190425h80ednc
h80ednc

图|硅谷公司 Instrumental 专攻 AI 瑕疵检测市场(来源:Instrumental 网站)h80ednc

另外,去年中,阿里云 ET 工业大脑提出 AI 视觉产品“见远“,其中就有 AI 质检员方案,当时阿里云指出,在电池片瑕疵检测领域,“见远”的识别准确度达 95%,节省人力率比为每 33 个人节省 1 人。通过深度学习和图像识别算法,阿里云 ET 工业大脑集中学习了 40000 多张样片,将图像转换为机器能读懂的二进制语言,能让质检机器实时、自动判断电池片的缺陷。并与光伏公司浙江正泰合作,通过“见远“实现单、多晶电池片电致发光(EL,electroluminescence)缺陷的毫秒级自动判定。h80ednc

在创业公司部分,源自于清华大学 AI 研究院的产学研结合技术公司—瑞莱智慧(RealAI)锁定工业三个领域:工业视觉检测、预测性维护、工艺优化,其中已通过计算机视觉的手段,开发光伏面板 EL 缺陷自动检测算法。h80ednc

中国已是工业制造大国,一直以持续提升制造的品质及效率为目标,瑕疵检测迈向 AI 化,也可望对国内制造业带来新的契机。h80ednc

050ednc20190425h80ednc
h80ednc

图:阿里云 ET 工业大脑的“见远“,可做瑕疵检测(来源:阿里云)h80ednc

传统 AOI 与 AI 瑕疵检测

谈论瑕疵检测 AI 之前,有必要先了解 AOI,其核心技术大致有四块:h80ednc

  • 光学光源:取像元件、感光模组、光学镜头、光源照明设备
  • 机构控制:可程序逻辑控制器、PC-Base 控制主机单芯片控制板
  • 影像处理:边缘侦测、图像匹配、特征侦测、摄像头校正等
  • 分析软件:统计分析、数据处理

广义的 AOI 设备是结合光学、讯号处理系统和分析软件,可应用在生物医学、指纹比对、品质检测等方面;狭义的 AOI 多是指应用在工业上,利用高精度摄像头拍摄产线上的产品,查看是否有瑕疵。h80ednc

不过,以往的 AOI 检测常见几个遭诟病的问题,首先是误报率(False Alarm)过高,行业人士对 DeepTech 表示,目前 PCB 瑕疵检测设备的误判率甚至高达 5 成,需再透过大量人力搭配后端验证修复站(VRS,Verify Repair Station),将 PCB 图像放大数百倍显示在屏幕上让操作人员确认。而往往造成设备误报的原因还不少,包括产品色差不同、环境光源、算法能力、摄像头等级等。h80ednc

同时,各行业遇到的检测瓶颈也不同,像是 PCB 遇到的瓶颈主要在“终检站”;晶圆生产则是在“黄光站”,想要解决这些问题,非常需要与行业专业知识(domain knowhow)深度配合。h80ednc

其次,传统的 AOI、AVI 设备通常适用于检查二维平面结构的产品,所以这也是为什么 PCB、面板行业导入的比例很高,后续有部分 AOI 业者开始推出三维检测,但系统检测的时间拉长。此外,AOI 设备价格相对昂贵等也是一个问题。h80ednc

对比传统模式,AI 瑕疵检测有三大优势:第一也是最重要的是准确率提升,当误判率下降后,就不用像过去一样雇用许多人力来进行二次确认。第二则是检测速度变快,而且可分类缺陷,举例来说,半导体检测设备多是侦测瑕疵,鲜少将其分类,但不同瑕疵类别产线会产生不同程度的严重性,尤其是 Defect Type 1 为极重大瑕疵,一旦发生就要停机检查,时间可能长达 2~3 天,影响产能,目前半导体检测厂仍是高度倚赖人工分类瑕疵,通过 AI 有助于降低瑕疵分类的时间。第三则是后续可以进一步诊断瑕疵出现的原因,但此部分必须跟生产机台数据串接,属于较长期的发展方向。h80ednc

051ednc20190425h80ednc

图:PCB 行业使用 AI 执行瑕疵检测(来源:台湾工研院)h80ednc

痛点明确,电子行业陆续导入

训练一个检测产品瑕疵的 AI,做法像是使用计算机视觉+深度学习,从原始图像中提取感兴趣区域(ROI),这会经过多个处理程序包括图像的灰度、型态转化如腐蚀(eroding)、膨胀(dilating)等,最后勾勒出 ROI 区域,并利用深度学习算法如 CNN,在 ROI 区域侦测瑕疵。数据则包括众多有标记出缺陷的独特图像、以及标记为正常产品的图像,来进行监督式学习。也有人使用端到端的深度学习架构,以深度学习来预测 ROI,而非计算机视觉。使用带有标注的数据集来训练可预测 ROI 的架构,不过标注的数据集必须明确且足够广泛。h80ednc

适用于 AI 检测产品瑕疵的制造行业其实非常广,包括食品、金属部件、汽车金属轴件、电子业等,电子业已经有不少企业导入,像是台湾知名的 DRAM 大厂就导入了台湾工研院开发的 AI 检测方案。h80ednc

另外,印刷电路板业者欣兴电子不久前也表示,已经在生产线导入 AI 进行瑕疵检测,并且产品检测效率提升了 70%。欣兴电子指出,过去生产线采用 AVI 设备检测瑕疵,但检测的结果常受到产品色差、高度等因素影响,还得加派 11~15% 的人力来复检。目前他们结合了深度学习和 AVI 设备,原本所有产品都需人工复检,现在只剩其中 30% 需再次人工检查,大幅提高了效率。h80ednc

而国内的 RealAI 则是锁定光伏行业,他们开发光伏面板 EL 缺陷自动检测算法,通过计算机视觉的手段,针对太阳能光伏面板的多种缺陷进行自动检测,替代人工视检过程。h80ednc

RealAI CEO 田天在接受 DeepTech 采访时表示,这一问题的难点主要在于多晶太阳能电池板的 EL 图像本身存在晶界等花纹,对缺陷识别产生干扰。同时,不仅缺陷的种类较多,同一种缺陷的形态也变化多端,RealAI 通过使用自主研发的缺陷检测模型,并引入相关领域知识,开发出 EL 缺陷自动检测算法,已经在多家光伏组件头部制造厂商试用。h80ednc

052ednc20190425h80ednc

图:RealAI 重点关注无监督、半监督学习、小样本机器学习等场景(来源:RealAI 网站)h80ednc

2019 年将是 AI 快速落地工业制造领域的一年

先前 AI 落地安防、新零售、医疗等的讨论较多,但其实在工业上也可发挥很大的效用,目前哪些领域应用的比较多,或是企业接受度较高?田天指出,目前在“缺陷检测”和“预测性维护”两大方面客户接受度和需求较高,主要是因为该领域为客户痛点,能直接为客户节省大量的费用。预测性维护也有利于避免重大事故,对于安全制造和安全生产至关重要。h80ednc

对于 2019 年人工智能在工业制造领域的发展,他认为将是快速发展以及各种技术落地的一年,主要来到了三方面时机点的良好交会:首先是已积累大量算法及行业示范效应,过去 10 年间,AI 领域开发了大量优秀算法,为实际应用储备了大量的工具。近年来,人工智能开始大规模应用于金融和互联网等领域,起到了较好的示范效应。h80ednc

同时,经过此前工业数字化转型,目前工业领域中已经广泛使用传感器等设备,且积累了大量的数据,为人工智能应用提供了坚实的基础。h80ednc

再来就是政策方面,国家快速推进工业互联网的发展,并鼓励企业进行智能化转型。随着社会对人工智能的逐渐熟悉与接受,工业领域的大量企业开始寻求使用人工智能深度结合领域知识,切实解决领域内的问题。h80ednc

因此,在人工智能具有较高的社会接受度和丰富的技术储备;工业领域具有大量的数据积累,且普及应用传感器;国家层面在政策上大力支持,他看好 2019 年都会是人工智能技术在工业制造领域中快速发展与落地的一年。h80ednc

缺少数据的工业制造领域,迈向非监督学习 AI

除了行业需求外,在技术方面则有一个非常值得关注的发展趋势,也就是非监督式学习也逐渐走进工业领域。这一波的 AI 浪潮始于视觉任务展现了很大的进展,通过标注数据来训练出识别、分类的 AI,就像前述的 AI 瑕疵检测,同样利用有标注瑕疵的图像数据来训练,不过,瑕疵数据量是否收集足够就成了挑战。另外,如果出现不曾被标注训练过的瑕疵,系统是否能发现,也是一个问题。h80ednc

这也就是 RealAI 发展无监督学习 AI 的原因,田天说,“在工业应用领域,收集高质量训练数据的过程往往成本高昂,且耗费时间,如果采用无监督或者半监督的学习方法,就能有效降低训练数据需求,针对碎片化的工业视觉检测场景具有更广的应用前景”。在没有训练数据时,可以考虑采用异常检测、或者变化检测等方法,让机器学会什么是正常的数据,进而在出现异常数据或者变化时能够做出准确判断。h80ednc

比如,RealAI 自研的无监督算法就成功运用于石油管线故障检测问题。在这一问题中,信号数据噪音大,且没有标注,他们利用无监督算法,成功预测出存在缺陷的管线位置,并且已交付使用。此外,也利用无监督学习方法解决了卷烟机和包装机预测性维护问题。“在许多缺少或没有训练数据的领域,无监督学习是唯一可用的选择,”他说。h80ednc

(来源:DeepTech深科技)h80ednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • Microchip模拟嵌入式SuperFlash技术助力存算一体创新 SuperFlash memBrain存储器解决方案使知存科技片上系统(SoC)能够满足最苛刻的神经处理成本、功耗和性能要求
  • 用TinyML开始设计——开发评估套件 本文中展示的开发套件和评估板得到一些流行的机器学习库和用于 TinyML 工作流程资源的支持,包括用于微控制器的 Google TensorFlow Lite 和 Edge Impulse,因而它们能够成为您第一个项目的理想起点。
  • “中国IC设计成就奖”提名产品简介:全志科技高性能智能 高性能三重异构智能语音应用处理器R329芯片,采用业界先进的半导体工艺,首款集成Arm中国周易语音处理器。集成DSP、NPU、64位CPU及丰富的外设接口,创新突破了低功耗、边缘语音AI超级算力、多重异构通讯、多核调度等关键技术,处于国内领先水平。
  • “中国IC设计成就奖”提名产品简介:追萤3D AI芯片Ai310 埃瓦科技自主研发的追萤 3D AI芯片创新的采用了异构架构 SOC 设计和微内核架构设计,包含 NPU 神经网络加速核、3D 立体匹配加速核、ISP 核等功能性处理核心;其中 NPU 神经网络加速核基于可重构以及片上多级存储和缓存设计,使数据可高效送达加速核心,使该芯片拥有领先的高效智能处理能力、分析以及低功耗管理的能力;其设计架构的资源复用性使硬件计算单位可灵活分配,适应于不同场景的计算需求;在 3D 视觉算法加速方面创新的采用了自研立体匹配算法的 3D 加速微内核架构设计,可有效加速双目立体视觉、结构光等多种 3D 视觉算法。
  • “中国IC设计成就奖”提名产品简介:ada200优势 1.九天睿芯,感存算一体芯片,可以在功耗和性能满足”低功耗AI场景“的同时,成本也大幅度下降。2.采用模数混合的存内计算架构,ADA200相比传统数字芯片,1/3成本,1/10功耗。
  • “中国IC设计成就奖”提名产品简介:面向边缘视觉分析的 面向边缘视觉分析的数据流AI芯片CAISA是鲲云科技自主研发的专为人工智能图像提供高性能计算加速的AI芯片产品,是全球首个量产的数据流AI芯片。
  • “中国IC设计成就奖”提名产品简介:人工智能语音芯片CI 1、人工神经网络硬件引擎架构:具备高计算性能,进行神经网络计算时相当于数十个CPU并行计算的能力;低访问带宽和低功耗,通过并行计算和共用神经元权重参数,大幅降低访问带宽及功耗;高可配置性,支持神经元层数和节点数、神经网络结构的配置。 2、单、双、及麦克风阵列降噪增强技术:支持各种平稳、非平稳环境噪声抑制;可支持线阵、圆阵结构等常用麦阵结构;采用定向波束形成与自适应信号处理技术相结合;拾取方向动态可调;支持单声道、立体声等回声抑制;采用独立研发的空间预测技术,支持强回声情况下回声抑制;与降噪处理技术相结合;自动增益调节、高通、带通滤波等。 3、低功耗和可靠性设计技术:具备低功耗集成电路设计技术,包括基于活动语音检测的低功耗控制技术和时钟门控技术。 4、逻辑设计技术:掌握了语音信号处理IP的设计方法,包括算法硬件化、定点、浮点运算处理等。同时积累了整套SoC设计所需的控制类IP,并成功通过流片验证。
  • “中国IC设计成就奖”提名产品简介:智能安防AI SoC芯片 亿智SV826是2021年推出的高性能的安防AI SoC芯片,主要面向视频编解码AI摄像机产品。
  • “中国IC设计成就奖”提名产品简介:低功耗视觉AIoT SoC 亿智SH516芯片是亿智电子2021年推出的一款低功耗的智能视觉AIoT SoC芯片。
  • “中国IC设计成就奖”提名产品简介:高性能大算力全场景 - AI性能跑分更强,超越Nvidia Orin - 应用当前先进的安全技术和研发流程 - 国内唯一可获得、支持快速量产的整车智能计算平台芯片
  • “中国IC设计成就奖”提名产品简介:高端AIoT芯片RV1126 RK3568是瑞芯微的高端AIoT芯片。
  • “中国IC设计成就奖”提名产品简介:玉龙人工智能芯片Yu 玉龙(YULONG)是欧比特公司推出的新一代嵌入式人工智能系列处理器芯片,是目前市面上唯一的军用级人工智能芯片,并且实现了自主可控国产化生产。芯片聚焦于前端图像处理、前端信号处理和智能控制,芯片具有深度学习、神经网络算法的平台加速能力。Yulong810APro芯片为异构多核架构(CPU+AI加速器),采用FD-SOI生产工艺,具有高性能、高可靠、低功耗的特点,芯片面向航空航天、智能安防、机器人、AIoT、智能制造、智慧交通等应用场景。
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了