1、方案背景与目标

中国瓷砖产业转型升级和发展正在取得巨大成果，当前已形成较大的瓷砖产业集群20余个，瓷砖生产企业超1500余家，年产量125亿平方米，但我国瓷砖依旧未摆脱品质普遍偏低的困境，处于“大”而不“精”的现状。瓷砖生产环节一般经过原材料混合研磨、脱水、压胚、喷墨印花、淋釉、烧制、抛光，最后进行质量检测和包装。得益于产业自动化的发展，目前生产环节已基本实现无人化，而质量检测环节仍大量依赖人工完成。该方式面临以下几项挑战，一是人工检测速度较慢，无法满足高速生产节拍，影响生产速度；二是人工长时间作业极度容易出现疲劳，检测的准确性得不到保证；三是不同质检员之间判断标注不一致，导致不稳定的漏检或误检；四是成本压力，拣选过程每班次2-6名拣选工三班倒，企业需承担较多人力成本，同时漏检还会造成废品流入市场，为企业带来大量售后成本，通常一块瓷砖的售后成本是生产成本的十几倍。可见，瓷砖表面缺陷是瓷砖行业生产和质量管理的重要环节，也是困扰行业多年的技术瓶颈。为解决以上问题，本方案开发了一套瓷砖表面缺陷自动化拣选系统，有效帮助瓷砖生产企业提升产品的质量及产量。

2、方案详细介绍

2.1边缘计算软件平台

沈自所自主研发的AI4Industry平台是整个解决方案的核心架构，该平台为云、边、端一体化架构，是面向应用场景的数据处理、算法开发及模型迭代部署的一站式服务平台。在用户应用视觉技术解决具体需求时，AI4Industry能够无代码的完成从数据管理到现场应用的整个流程。平台为深度学习提供个人数据集等资源的自由管理，支持数据灵活的预处理、团队标注及智能标注，支持高度定制的模型训练，以及按需配置的模型部署能力，帮助用户快速创建和部署模型，覆盖AI视觉应用的每个环节，具体如下图所示。

图1 AI4Industry平台架构

·  AI4Industry云侧

云侧作为整个架构的指挥中心，主要分为用户接口层、系统接口层、应用服务层、领域服务层、基础设施层，共5层。云侧负责数据处理、算法开发、模型迭代、应用托管和远程监控等功能。

具体来说，AI4Industry云侧的功能包括：

①　数据存储与分析：将数据存储在云端，利用团队标注或智能标注模式进行数据标注、以及分析和挖掘，为企业提供更全面的数据支持。

②　算法开发与迭代：为企业提供无代码方式算法开发和模型训练，平台提供一体化编程工具IDE，该工具针对自动化硬件任务，基于工业自动化特征，使用复合微服务抽象任务级指令。可对机器人等工业自动化设备功能组件进行建模，实现控制代码与物理工艺过程的映射，实现任务的多层抽象与工艺级编程。IDE的核心优势是针对工序工步建立标准工步/工序库，进一步开发工艺模板，先预编译，然后根据硬件平台实现代码生成，实现工艺级配置，代码自动生成。针对深度学习CV任务，基于内置的人工智能应用接口，可实现各类算子拖拽式集成调用，以极简的方式实现复杂的算法开发任务，从而极大程度降低开发者的重复工作。此外，一体化编程工具IDE是国内首个支持工业业务语义服务与语义关联的组态IDE，兼容轻量级微服务与标准工作流的工业领域组态IDE。

图2 AI4Industry平台人工智能应用接口各层功能

①　应用托管与部署：为企业提供应用托管和部署服务，降低企业IT成本，提高应用部署和管理效率。

②　远程监控和维护：对整个系统进行远程监控和维护，及时发现和解决问题，确保系统的稳定性和安全性。

·  AI4Industry边侧

边侧作为云端和端侧之间的桥梁，主要负责数据缓存、就近计算和实时控制等功能。通过在靠近设备或现场的位置设置边缘计算节点，可以降低网络延迟、提高数据处理速度和响应速度。同时，边侧还可以减轻云端的负载，提高整个系统的稳定性和可靠性。

具体来说，AI4Industry边侧的功能包括：

①　数据缓存与预处理：在靠近设备或现场的位置设置数据缓存区，如架构图中绘制的磁盘阵列，对数据进行预处理和筛选，降低网络传输成本和延迟。

②　就近计算与快速响应：利用边缘计算技术进行数据处理和分析，如架构图中绘制的GPU后端计算集群，快速响应设备或现场的需求，提高生产效率和响应速度。

③　实时控制与协同作业：对设备或现场进行实时控制和协同作业，确保生产流程的顺畅进行和设备的安全稳定运行。

·  AI4Industry端侧

端侧作为直接与设备或现场交互的层级，主要负责数据采集、设备控制和人机交互等功能，AI4Industry已应用已在多种工业场景中落地应用，目前集成了数十种智能硬件的交互控制，包括不同品牌的机器人、工业相机、光源、PLC等，形成大规模的硬件生态系统。端侧通过将设备或现场的数据采集到系统中，可以实现数据共享、分析和挖掘，为生产和管理提供更全面的数据支持，同时还可以对设备进行远程控制和监测，提高设备的运行效率和安全性，此外，端侧还可以提供人机交互界面，方便用户进行操作和管理。

具体来说，AI4Industry端侧的功能包括：

①　算法部署与应用：将AI4Industry云侧开发好的算法部署至端侧智能设备中，实现核心算法功能。

②　数据采集与传输：基于沈自所自研ThingOriginGateway网关产品，将设备或现场的数据采集并传输到系统中，确保数据的准确性和完整性。

图3 ThingOriginGateway网关系统界面

③　设备控制与监测：对设备进行远程控制和监测，提高设备的运行效率和安全性，同时，还可以及时发现和解决设备故障或异常情况。

④　人机交互与操作界面：提供简单、直观的人机交互界面，方便用户进行操作和管理。用户可以通过界面查看实时数据、控制设备或调整生产参数等。

2.2瓷砖表面缺陷拣选流程

在瓷砖表面缺陷检测解决方案中，瓷砖表面缺陷拣选流程由三层循环结构组成。

图4 瓷砖表面缺陷检测三层循环流程

·  外循环

外循环负责AI4Industry平台云、边、端三层任务交互，打通数据管理、算法管理、模型迭代、算法部署完整技术路线。首先通过ThingOriginGateway网关实现了对底层设备的数据采集，实现瓷砖图像的获取，然后通过网络传输将数据上传至AI4Industry平台，利用团队标注或智能标注的方式，对缺陷数据完成筛选和标注，利用一体化编程工具IDE开发瓷砖缺陷检测监控系统，并调用人工智能应用接口进行瓷砖检测算法开发及检测模型的训练，将在AI4Industry平台上开发好的瓷砖缺陷检测监控系统上位机软件、深度学习检测模型及检测算法部署至端侧服务器中。

·  中循环

中循环负责每张瓷砖的表面缺陷检测完整过程，可分为瓷砖传送、图像采集、算法推理、结果反馈、机器人分拣动作，共5个步骤。

·  内循环

内循环负责核心算法的执行，可分为后端推理算法和业务逻辑算法两部分。后端推理算法利用基于深度学习开发的CIS+CCD双相机检测模型实现瓷砖表面缺陷检测，从而获得原始检测结果。业务逻辑算法包括结果后处理、尺寸及平整度计算、色号划分、版面分类等算法，将最终表面缺陷检测出结果发送给PLC，反馈中循环实现机器人分拣动作。

2.3专机硬件系统

皮带传送系统：用于稳定传送瓷砖通过设备，保证拍摄效果统一；

触发传感系统：用于发送信号实现各项拣选数据采集；

边缘计算硬件系统：用于向边缘计算提供算力和数据存储服务；

图像采集系统：利用CIS和CCD线扫相机实现瓷砖高清图像采集；

照明系统：用于提供稳定光源，辅助图像采集系统获取清晰瓷砖图像及缺陷特征；

瓷砖分拣系统：基于检测结果利用机械臂完成瓷砖分流分拣动作；

其他控制单元系统：用于串联皮带传送、图像采集、数据交互、结果报警等流程。

2.4数据通讯

数据传输和通讯协议：使用标准通信协议，确保各个硬件和软件组件之间的数据传输顺畅。

2.5安全措施

系统访问控制：确保只有授权用户可以访问系统，同时授权不同级别的权限。

数据安全性：确保从摄像头到存储的数据都受到适当的加密和保护。

审计与日志记录：记录系统的活动和软件算法执行过程，以便在发生安全事件时进行调查。

3、代表性及推广价值

·  代表性成果

瓷砖表面缺陷形状差异较大且尺寸不固定，小尺寸缺陷检测尤为困难，本方案基于深度学习的高精度CIS+CCD双相机检测模型，并利用传统视觉算法对检测结果进行严格后处理筛选和分级，在大缺陷检测不被影响的条件下有效提高细小缺陷检测能力，当前缺陷检测误、漏检率均低于0.5%。为适应高速生产节拍，本方案基于TensorRT封装一套业界领先的高速模型推理引擎TensorRT_Pro，同时加持业务引擎和模型推理并行计算框架，从数据采集、数据传输、模型推理，再到结果处理，一片瓷砖完整检测时间仅需0.6s，可满足瓷砖（400mm*800mm尺寸）80片/分钟甚至更快的生产速度。本方案已转化成产品并应用到多家瓷砖生产头部企业，量产并应用已有两年时间，具备较高的可靠性和稳定性，目前已成功部署应用十余台套设备，为相关客户至少节省50%以上人力成本，并减少客诉率近80%。

此外，该项目目前已产出专利10余篇、软著1篇、高品质论文2篇、培养研究生5人。

·  商业价值与社会价值

本方案可无缝迁移至多种表面缺陷检测生产场景，具有较强的商业价值，该解决方案的成功实施，为相关领域如木板、钢板等表面缺陷检测场景，通过边缘计算技术处理实际生产问题提供了先行示范作用。同时，利用AI4Industry平台采集到的瓷砖图像及持续收集到的推理结果大数据，通过数据挖掘及知识图谱等技术，分析预判生产过程中每个环节的当前状态及可能出现的问题，对问题预防、结果追溯、设备改进等，都有极大的帮助，可不断提高瓷砖制造效率和质量，具有较高的社会价值。