案例背景

過去，大多數工廠部件都由員工進行目視檢查。雖然為檢察員提供了培訓，但基于個人感知的檢查，難以統一標準。此外，視覺疲勞、員工流動導致生產線漏檢率較高。

此外，如果工廠缺乏具備編程能力的員工，他們對機器視覺檢測的理解將非常有限。因此，即使工廠愿意開展科技手段提升檢測效率降低漏檢率，多數工廠也缺乏這樣的能力。

研華科技和 Smasoft之間的合作，幫助制造業從人工視覺檢測轉向 AI 檢測。將 rule-based 機器視覺和 AI 視覺識別相結合的解決方案，不僅是解決工廠問題的完美答案，而且有助于引入自動檢測系統。

系統簡介

 

該散熱器廠×初有三個主要的檢查站，由多名檢查員進行尺寸、厚度和外觀檢查。Smasoft當前的自動軟件開發平臺（SmaSEQ）集成了模塊化視覺檢測、運動控制、I/O控制、AI 瑕疵檢測工具（SmaAI）、AI 訓練和其他功能，創建一臺散熱器檢查機，可以進行三種類型的檢查，同時不斷訓練AI深度學習模型，以進一步降低漏檢率并提高檢查質量。

SmaSEQ 具有用戶友好的交互界面，易于學習。在參加軟件的培訓課程后，操作員能夠輕松操作SmaSEQ，盡管他們沒有工程背景或對 AI 深度學習不夠了解。SmaSEQ 簡單明了，不需要復雜的程序設置，允許系統集成商和×終用戶自己訓練機器。

Smasoft 的軟件和研華的硬件在優化散熱器檢測機的 AI 系統方面發揮著重要的作用。Smasoft 采用研華 i-Modules 緊湊型無風扇系統 MIC-770，并內置 NVIDIA Jetson® Xavier MIC-730AI 推理系統。

過去，Smasoft 采用了其他公司的 IPC，其中一些客戶由于 IPC 尺寸過大而要求更換，有些 IPC 導致系統不穩定。研華的MIC系列即使在長時間老化過程后仍保持穩定。如果需要額外的 I/O 接口，可以在任何給定時間擴展MIC系列。這節省了重新評估每個項目硬件的需要。

系統需求

此外，安裝有 SmaAI 的 MIC-730AI 進行 AI 圖像分析，素材來自SmaAI 提供 Smasoft 從客戶處收集的缺陷產品的圖像，用以比較和識別有外觀缺陷的散熱器。。SmaAI 完成相關訓練后，將訓練后的模型放入 MIC-730AI。然后可以進行 AI 視覺檢查，以評估平整度，并識別難以通過一般物理規則分類的壓碎、污漬、劃痕和其他瑕疵。

Smasoft 的自動 AI 軟件與研華的硬件相結合，使散熱器工廠能夠在三個月內完成AI檢驗機的組裝和測試。

Smasoft 表示，“×初，客戶工廠預計新系統的準確率為90%，但 Smasoft 和研華的解決方案的準確率高達97%，遠遠超過客戶的要求。” 過去，一條生產線有10名檢驗員。對每個散熱器進行三種類型的檢查需要30秒。今天，只需要一名檢查員進行×終重新檢查，完成任務只需4秒。因此，該解決方案的引入不僅降低了人工成本，還提高了檢查效率。

此外，該 AI 檢測方案采用分布式架構設置，MIC-770 與多個 MIC-730AI 合作進行AI推斷。因此，當工廠想要實施額外的 AI 檢測或提高檢測速度時，它可以通過網絡電纜簡單地安裝額外的 MIC-730AI，為我們的客戶提供未來工廠擴展的便利。

關鍵特性

• 經濟××的解決方案和靈活的結構，允許同時結合 rule-based 的機器視覺方法和 AI 檢測方案。
• 靈活的分布式架構配置，方便未來工廠擴展。
• 這種 AI 智能檢測解決方案簡單、直接，不需要復雜的程序設置，允許系統集成商和×終用戶自己做機器訓練。