产品质量是保障工业安全与效率的基础，也是保证企业利润和品牌形象的重要因素。当前的缺陷检测技术主要依赖于将产品检测图像与预定义的缺陷类型及知识库进行对比分析，通过差异变化来最终判定质量是否合格，缺乏一定的学习能力和检测弹性，从而导致检测精度和效率降低，同时还存在一定的失误，给质量管理工作带来非常巨大的压力。

近年来，基于在线机器视觉检测的技术日趋成熟，也纷纷在多个领域场景落地使用。但仍然面临的一些问题阻碍了其推广和应用范围，如：视觉检测是通过对生产线上的产品进行实时的图像识别，将数据传输到后端的质量判定系统进行图像对比分析，从而在最快的时间内出具报告和改进措施。但由于非常依赖网络的带宽和可靠性，导致在一些高温、高压、易腐蚀、潮湿的恶劣环境下无法使用传统的有线网络介质进行数据传输。另外在一些偏远的工厂环境中，由于受距离的影响，铺设有线网络的成本非常高，即便采用4G/3G等技术，也会因为信号和带宽等原因无法满足传输要求。因此5G技术的诞生和发展，同时解决了带宽和传输速度的问题，使得在线监测这项技术能够适应于更多的环境和场景，加快了在线质量检测的落地和推进。

（一）原状

人员检测打印、喷码效果。

缺点：人工成本高，视觉疲劳造成漏检，NG数据手工统计，无图片存档。

（二）现状

        改为机器视觉自动检查。

        优点：成本降低，效率及准确性提高，NG数\产量实时统计，图片自动存档。

（三）效果

1) 每条线节约人工成本（节约成本=检验员平均月薪-设备月折旧金额）；

2) 漏检比例降低（漏检数/总生产数）。漏检可从成品检、客诉数据取得；

3) NG数据手工统计（节约成本=每天人工统计漏检时间*小时工资*30天）；

4) 图片存档提供改善建议（机器视觉可以存档每个NG品的图片，人工检验无法做到。此图片可分类分析提供给喷墨机供应商协助改善，改善效果会造成二次降本增效）。

图：5G+机器视觉应用现场

包装行业外观缺陷检测：

抽纸单包机为抽纸包装的核心设备，在纸巾封包的过程中易出现高低包、长短包、热封暴口、开口刻线暴口、热封翘边、撕口、喷码有无以及喷码内容等缺陷，针对以上问题，提出采用supAI对包装后的抽纸的尺寸和缺陷进行检测。该方案兼容各类尺寸的单包抽纸检测，有效降低缺陷产品外流。

l  高精度检测算法，检测精度达到亚像素；

l  可取代多个工人，有效应对劳动力短缺危机；

l  提高生产效率，保证产品质量稳定，减少次品。

       包装行业外观缺陷检测：

       焊锡质量检测一直是业界难点。且漏焊虚焊样品少，收集不易，基于supAI，采用深度学习正样品学习技术，实现了对焊点焊锡的质量检测的高度一致。该方案调试简单，能兼容多样的焊点形态。

l  深度学习缺陷检测技术，可学习人工标准，兼容形态变化；

l  采用正样本训练方式，快速实现训练&检测；

l  漏检率<0.02% ，过检率<1%；

l  检测过程无参数化，极大降低应用难度；

机械加工行业质量缺陷检测：

通过搭建机器视觉系统，实现用机器视觉来替代人工视觉，解决在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高的问题，大大提高生产效率和生产的自动化程度。

(1)         齿圈

1.            采集图片，提取分析区域。

2.            对图片进行预处理，包括去噪，模糊处理，色彩空间转换等手段。

3.            对图像的色彩分布进行分析，判断齿圈是否存在。

(1)         密封件

1.            采集图片，提取分析区域。

2.            对图片进行预处理，包括去噪，消除光照影响等手段。

3.            对密封件的边缘结构信息进行分析，判断密封件是否存在。

(1)         螺栓

1.            采集图片，提取多个分析区域。

2.            对图片进行预处理，包括去噪，平滑，灰度化等手段。

3.            将图片与预置模板进行模板匹配，判断当前位置是否正确安装螺栓。

(1)         螺纹孔

1.            采集图片，提取分析区域。

2.            对图片进行预处理，包括去噪，锐化，二值化等手段。

3.            分析螺纹的边缘信息，判断螺纹孔中是否存在螺纹。