『銳案例·AI質(zhì)檢』冠捷屏檢“凈”化史！以身試“法”，內(nèi)生外化：聯(lián)想助力冠捷屏幕質(zhì)檢數(shù)智化提速！

在微觀經(jīng)濟學(xué)中，有一個評價商品優(yōu)劣的指標，叫做勻質(zhì)。顧名思義，指的是該商品在市面上性能表現(xiàn)或服務(wù)水平的穩(wěn)定如一。是的，越是高端品牌越要摒棄“拆盲盒”，不僅不能降低水準，也不宜隨意升高。勻質(zhì)性為何如此重要？一方面，它管理了客戶的穩(wěn)定預(yù)期，尤其在品牌影響力明顯的快消品領(lǐng)域，勻質(zhì)的產(chǎn)品性能和服務(wù)直接指向確定的“心錨”，價格、定位、受眾，牽一發(fā)動全身；另一方面，它反映了企業(yè)穩(wěn)定的生產(chǎn)水平，即在長周期內(nèi)克服產(chǎn)能突擊、生產(chǎn)故障及安全等潛在困難的綜合能力。

消費反推制造，當品牌信譽度與商品勻質(zhì)程度相掛鉤，就意味著制造企業(yè)必須嚴格把控良品率，在生產(chǎn)過程中精修缺陷檢測環(huán)節(jié)，對可見瑕疵嚴防死守。僅僅聽起來就已令人疲憊，更別提傳統(tǒng)產(chǎn)線上的質(zhì)檢工人持續(xù)不間斷的盯、審、檢、放等重復(fù)工作。

一個小小的紅戳，背后是質(zhì)檢工人體力與眼力的極限。而令人絕望的是，人體極限難有突破，而商品勻質(zhì)的競爭和品牌信任的維系，卻從未停下腳步。

冠捷集團&聯(lián)想一拍即合

尋求數(shù)字化質(zhì)檢良方

冠捷科技集團（下簡稱：冠捷）在全球建立了龐大的工廠制造體系，其液晶顯示器產(chǎn)銷量長期保持全球第一，全球市占率超過35%，行業(yè)龍頭地位穩(wěn)固，并超前布局智能制造戰(zhàn)略，預(yù)計于2024年、2026年實現(xiàn)數(shù)字化工廠建設(shè)和智能化工廠轉(zhuǎn)型。宏觀戰(zhàn)略的落地離不開微觀流程的變革，在主體產(chǎn)線和設(shè)備實現(xiàn)一定程度數(shù)字化的基礎(chǔ)上，冠捷一直在尋找能夠解決其傳統(tǒng)屏幕質(zhì)檢（缺陷檢測）難題的好方案。然而，由于場景與要求的特殊性，加之數(shù)字化智能化技術(shù)滲透的不足，冠捷一直未尋得與其生產(chǎn)組裝要求相匹配的良方。

或是偶然或是必然，作為聯(lián)想長期以來的重要合作伙伴，冠捷在一次參觀聯(lián)想研究院算法產(chǎn)品時，初遇彼時還只是一個小demo的聯(lián)想LCD屏幕光學(xué)檢測解決方案，經(jīng)過聯(lián)想的自用打磨，以及雙方一系列的磨合匹配，冠捷最終為其智能制造產(chǎn)線這補上了智能質(zhì)檢這一塊短板。

從人為到數(shù)為，缺陷檢測實現(xiàn)質(zhì)的飛躍

缺陷檢測不同于其他流水線的常規(guī)檢測，它是價值在于保證良品率，即有缺陷必返工，因此工作價值往往只體現(xiàn)在極其偶然的缺陷出現(xiàn)之時，因此質(zhì)檢工作的高要求就體現(xiàn)在對缺陷的精準識別：最關(guān)鍵的是不放過一個缺陷，其次是不誤判一個良品。

在以人力為主的傳統(tǒng)質(zhì)檢場景中，持續(xù)的注視和機械的作業(yè)對工人精力的消耗，大大磨損著人眼對缺陷的敏感度和識別度，因此質(zhì)檢工作的成果往往受到人為因素的主觀性和波動性。而隨著工業(yè)攝像頭的普及和視頻大數(shù)據(jù)分析的成熟，屏幕表面缺陷作為一種可識別的視覺素材，有了數(shù)字化的呈現(xiàn)形式，也就有了數(shù)據(jù)化的解決思路。

聯(lián)想是計算設(shè)備的制造大廠，自身也遇到屏幕缺陷檢測的數(shù)字化難題。如何用計算賦能質(zhì)檢？聯(lián)想研究院基于“場景+AI”的實踐思路，針對質(zhì)檢場景的全要素（缺陷的分類、定義、等級），打造了符合生產(chǎn)要求的檢測精度算法，并在深圳、武漢、安徽等工廠內(nèi)部署應(yīng)用，最終形成商用的LCD屏幕光學(xué)檢測解決方案。從聯(lián)想內(nèi)部推出算法，到部署、應(yīng)用、打磨、推廣給外部合作伙伴，聯(lián)想將其中的漏洞與調(diào)試全部趟過，將虛擬算法與實體場景之間的不確定性全部驗證，只分享可靠經(jīng)驗和可信算法。

具體來看，聯(lián)想是如何基于數(shù)據(jù)來打造缺陷檢測算法的？在這個過程中又遇到哪些困難？

難為無米之炊？小樣本學(xué)習(xí)沒在怕的

在商品流通至消費者環(huán)節(jié)，缺陷是痛，在傳統(tǒng)人工質(zhì)檢環(huán)節(jié)，漏網(wǎng)之缺是痛，而如今機器學(xué)習(xí)環(huán)節(jié)，“無缺”竟也成了痛點。人作為高級動物，天然具備聯(lián)想和推理的能力，想象并創(chuàng)造出原不存在的事物。而機器有所長，亦有所短：它們沒有發(fā)散思維和歸納認知，只有通過數(shù)據(jù)樣本的訓(xùn)練才能形成特定規(guī)則模型，即算法。那么，神龍見首不見尾的缺陷數(shù)據(jù)樣本，從哪里收集呢？

既然不能人為的創(chuàng)造缺陷，那就需要從“開源”和“轉(zhuǎn)化”雙管齊下，把缺陷數(shù)據(jù)的價值最大化。所謂開源就是盡量多的收集同類產(chǎn)線的各類缺陷數(shù)據(jù)，用于訓(xùn)練算法“增長見識”；而轉(zhuǎn)化是指在小樣本數(shù)據(jù)條件下去實現(xiàn)模型訓(xùn)練。聯(lián)想基于AI積累厚積薄發(fā)，為邊緣側(cè)設(shè)備自研“小樣本終生學(xué)習(xí)”能力。它先通過元學(xué)習(xí)（Meta learning）得到“學(xué)習(xí)的方法”，再通過度量學(xué)習(xí)(Metric Learning)調(diào)取與新場景相似的數(shù)據(jù)，形成先驗知識，提高機器本身的“認知水平”；同時，通過數(shù)據(jù)增強(Data Augmentation)技術(shù)，將數(shù)據(jù)樣本進行多維變形，提高原始樣本數(shù)據(jù)的利用率。最終實現(xiàn)“小樣本”的“大變身”和價值最大化釋放。

刪繁就簡，定制算法

因脫胎于聯(lián)想內(nèi)部大量的制造場景和復(fù)雜的缺陷類型，因此聯(lián)想LCD屏幕光學(xué)檢測解決方案本身就已具備強大的算法能力，在復(fù)制于冠捷生產(chǎn)線過程中，聯(lián)想根據(jù)產(chǎn)線實際需求，將原有算法進行功能瘦身，主要匹配冠捷屏幕生產(chǎn)過程中的主要缺陷，一方面節(jié)省算力，另一方面更加聚焦于屏幕的特定缺陷。

算力方面，聯(lián)想提供工控機ECI 430+ThinkStation P920，采用邊緣云融合的架構(gòu)，多臺工控機采集不同產(chǎn)線的圖像，匯集到一臺ThinkStation做算法分析，分享算力。缺陷識別方面，聯(lián)想為冠捷實現(xiàn)兩大類缺陷檢測：一類是常規(guī)的暗點/黑點/彩點、線條、黃斑等；第二類則是未知缺陷檢測，最大可能控制漏檢率。

持續(xù)學(xué)習(xí)，冠捷質(zhì)檢方案實現(xiàn)降本增效

鑒于算法的“單調(diào)性”，缺陷檢測不能停留在一個靜態(tài)水平。合格都是相似的，而缺陷各有各的特色，因此，為了滿足新增類型的缺陷，算法還需要一個持續(xù)學(xué)習(xí)、不斷迭代的過程。對此，聯(lián)想將自適應(yīng)技術(shù)加入算法中，建立了端到端的數(shù)據(jù)管理系統(tǒng)，積累歷史數(shù)據(jù)及構(gòu)建完整的缺陷知識圖譜，對不良風(fēng)險進行分析、預(yù)測預(yù)警、回溯。實現(xiàn)產(chǎn)線質(zhì)量的持續(xù)提升及精細化控制。人力成本節(jié)省50%，效率和準確率提升30%。

所以，無論是從工廠生產(chǎn)效益，還是人性關(guān)懷的角度，質(zhì)檢流程的數(shù)字化改革，已成為工業(yè)制造業(yè)向高端進發(fā)的必然要求。在未來，更將成為中高端制造企業(yè)生產(chǎn)能力之標配。超越人體的極限，以邊緣計算、AI算法、大數(shù)據(jù)為代表的數(shù)智技術(shù)的價值挖掘才剛開始，從人眼驅(qū)動到數(shù)據(jù)驅(qū)動，以聯(lián)想為代表的數(shù)字化變革廠商將大有可為。