工業PC的計算機視覺解決方案有助于改進缺陷檢測

利用上海Deepsight先進的計算機視覺和直接運行在您的工業PC上的深度學習軟件，在產品裝運前發現缺陷，從而改造工廠。

當有缺陷的產品出廠時，客戶投訴的成本很高，產品退貨成本、報廢成本和品牌受損都會造成損失。上海Deepsight的工業PC（IPC）解決方案采用深度學習、計算機視覺和圖像處理的最新創新技術，幫助改進產品出廠前的缺陷檢測。

挑戰

耗時的人工缺陷檢查導致一家知名輪胎制造商在中國的工廠裝運缺陷產品，這反過來導致客戶投訴，并增加將缺陷輪胎退回工廠的人工和運輸成本。這些成本削減了公司的利潤，公司的品牌聲譽也受到了影響。

解決方案

該公司轉向上海深視幫助提高產品質量。上海深視多年來一直專注于計算機視覺和人工智能領域，擁有強大的研發能力和豐富的機器視覺解決方案經驗。上海Deepsight的Deep Inspect解決方案通過Intel?發行的OpenVINO降低了設備成本? 直接在基于英特爾體系結構的IPC上運行圖像處理和推理算法的工具箱。該解決方案具有很高的可擴展性，并且在發現新的缺陷時能夠快速適應?？梢蚤_發和訓練新的缺陷算法，然后將其部署到同一個IPC系統中，以便隨著時間的推移繼續適應制造過程中的異常/缺陷。

結果

該解決方案基于深度學習，依靠Intel?Core強大的計算能力? i7處理器和集成Intel圖形處理單元（GPU）。利用OpenVINO工具箱對基于Intel處理器的硬件進行加速，使檢測算法在單個IPC上穩定運行。該解決方案比人工檢測速度快得多（能跟上生產線，提高效率），且不易因人為主觀觀察而產生疲勞或不一致。此外，檢測準確率攀升至99.9%，而人工檢測的平均準確率約為90%，每條生產線的人工成本降低了約49000美元。在制造過程中更快、更早地發現缺陷對工廠產生了巨大的影響。該解決方案每年減少了10000多起客戶投訴。該公司目前已在其他生產線部署了該解決方案，并計劃將其用于其他相關的檢查任務。

將制造缺陷控制在最低限度，以控制成本并保持競爭力。

每一家工廠都致力于生產高質量的產品。但原材料和設備的變化導致的誤差是不可避免的。歷史上，制造商使用手動檢查流程來查找缺陷。但這種方法也有缺點。

?訓練時間長?；巳齻€月的時間來培訓員工尋找什么。

?效率低下。一旦經過培訓，人工檢查可以準確，但耗時。手工檢驗員跟不上生產線的速度，只好把輪胎運到倉庫進行檢驗。

?疲勞。有時檢查會占用員工80%的時間，這可能會很累。有些缺陷很小，很難檢測到。疲勞會導致準確度降低，而且隨著時間的推移還會損害員工的視力。許多檢查員很快離職，導致招聘、培訓和成本問題。

?不一致。人類的觀察自然是主觀的，基于不同水平的經驗或技能-這意味著檢查的準確性可以因人而異。

這家位于中國的領先輪胎制造商的工廠非常熟悉手工檢查的局限性。在一個充滿挑戰的經濟環境中，提高生產率、控制勞動力成本以及將缺陷產品退回工廠的相關費用的壓力越來越大。此外，競爭也很激烈。中國有數百家輪胎生產商，年產量高達8億輛（約占全球輪胎產量的三分之一），中國擁有2.4億輛汽車。因此，輪胎生產企業誰能生產出更好的產品，就能提高客戶滿意度和品牌美譽度。

在工業PC上運行計算機視覺和深度學習

當最微小的缺陷可以損害制造商的生產力和盈利能力時，一切都很重要。為了尋求一種加快缺陷檢查和提高準確性的方法，該公司與一家系統集成商上海深視（Shanghai Deepsight）接洽。深植于工業領域，上海深視擁有多年的經驗，并成功部署了許多高精度、高穩定性的測試產品，幫助客戶解決問題。

上海Deepsight的Deep Inspect解決方案結合了成像設備和深度學習的計算機視覺算法，由OpenVINO工具包加速。該解決方案運行在邊緣，直接在現代工業PC上，使用高性能CPU和集成的GPU包。圖像數據由成像系統采集，通過軟件傳輸到邊緣設備進行實時檢測和分析。檢測結果通過網絡傳回生產線，進行產品合格/不合格分類。

該解決方案包括以下組件：

?成像系統：相機、鏡頭、光源和機械結構（不同類型的缺陷需要不同的成像系統才能獲得最佳圖像）

?邊緣設備：工業PC、顯示器，用于顯示圖像分析和數據存儲

?軟件：上海Deepsight的Deep Inspect 用于缺陷檢測和OpenVINO 工具包用于加速工作負載。

新的測試設備直接取代原有的測試設備，配置的接口可以直接連接到客戶的生產線?？蛻艨梢酝ㄟ^抽樣檢查溶液的準確性和穩定性。

工廠的新時代

利用機器視覺進行缺陷檢測，可以降低人工成本、不良品返廠成本和報廢成本?；跈C器視覺的檢測不需要長時間的培訓。該解決方案可以每秒鐘檢查兩個輪胎，很容易跟上生產線，節省了以前在檢查前將輪胎運送到倉庫的時間。該解決方案能夠每天實時檢查20000多個輪胎；更高的速度和效率意味著更低的成本。它具有很高的客觀性和無疲勞性，因此它可以連續運行，不受疲勞的影響，從而獲得更大的一致性。

在裝運前發現缺陷可以避免產品返回工廠進行更換的成本和品牌聲譽的損害。在制造過程中早期檢測缺陷的能力似乎只是一個小小的改變。然而，它阻止了額外的和昂貴的制造步驟潛在地掩蓋缺陷和允許有缺陷的產品運送給客戶。由此產生的節約潛力是巨大的。

基于人工智能的深度學習推理需要大量的計算資源。傳統上，專門的機器視覺平臺配備昂貴的專用gpu來運行這些工作負載。但上海Deepsight的解決方案針對Intel架構進行了優化，并使用OpenVINO工具箱來加速跨CPU核心和集成高性能GPU的深度學習算法。因此，該解決方案在一臺配備英特爾酷睿i7處理器的工業PC上運行，這意味著工廠可以在不增加資本開支的情況下實現更高的自動化程度、更高的產品質量和更高的品牌知名度。

許多基于IPC的深度學習推理系統也使用虛擬化技術運行其他工作負載，允許將多個工作負載合并到單個IPC平臺上。當使用上海Deepsight解決方案為工廠添加基于機器視覺的深度學習時，這將降低成本、功耗、散熱和所需的網絡連接。

Intel?Innovation Drives Industry 4.0上海Deepsight的創始人曾在英特爾的計算機視覺實驗室工作，因此該公司在人工智能視覺領域擁有豐富的經驗，并熟悉英特爾最新的硬件和軟件技術。英特爾和上海深視致力于通過合作和開放的交流來改變制造業。上海Deepsight與英特爾工程師密切合作，開發了Deep Inspect解決方案，以優化運行在基于Intel?處理器的硬件上，并利用Intel在計算機視覺和深度學習領域的工作。

例如，OpenVINO工具箱為開發人員提供了在各種英特爾處理器（包括英特爾酷睿i7處理器）上改進的神經網絡性能，并幫助他們進一步解鎖經濟高效的實時視覺應用程序。該工具包支持深入學習推理和跨CPU核心和集成Intel GPU的異構執行。

上海Deepsight選擇使用OpenVINO toolkit，是因為它的內置優化使他們能夠快速部署解決方案，而且它為基于Intel處理器的硬件和深度學習提供了顯著的性能改進。這意味著上海Deepsight可以最大限度地發揮現有Intel體系結構的性能，提高推理效率，并實現極為經濟高效的解決方案。除了Intel Core i7處理器和OpenVINO toolkit，該解決方案還使用Intel?Gigabit Power over Ethernet（PoE）網絡適配器。

在工業PC上運行的高精度缺陷檢測解決方案

昂貴的基于GPU的推理設備不再需要在工廠中運行計算機視覺工作負載。借助上海Deepsight的Deep Inspect解決方案，工廠可以使用基于Intel架構的工業PC運行機器視覺缺陷檢測，從而提高產品質量并降低設備成本。該方法速度快，精度達99.9%，具有可擴展性，并且機器學習算法可以適應新類型缺陷的發現。配備Intel Core i7處理器的耐用工業PC提供了工廠環境所需的可靠性和高可用性。

部署Deep Inspect后，客戶投訴每年減少10000多起，該解決方案幫助每個生產線降低了約49000美元的人工成本1。制造商受益于客戶滿意度的大幅提高，以及由于更少的缺陷產品返回工廠而帶來的大量節省?；谠谥袊S的初步部署成功，該公司現在正在其他生產線部署該解決方案，并計劃將其用于整個組織的其他相關檢查項目。

在采用DeepSight計算機視覺解決方案之前，半年內有6000多個缺陷輪胎被退回。在部署了DeepInspector后，上半年只退回了幾十個缺陷輪胎，這不僅大大提高了客戶滿意度，還節省了大量的運輸成本。

基于在中國工廠的初始部署成功，該公司現在正在其他生產線部署該解決方案，并計劃將其用于整個組織的其他相關檢查項目。

快來，小伙伴們都在學OpenVINO！ http://www.ex-cimer.com/openvino