消除判定偏差
以一个模型统一因人而异的判定标准。
主要优势
换品种照样使用
在多品种产线上由 AI 自动分类品种。
捕捉条件检测漏掉的不良
检出异物、破损、印刷晕染等复合缺陷。
追溯到不良的根源
检验结果与工序记录关联，快速定位问题工序。
谁在使用
质量、生产、生产技术共同使用
质量主管
每天查看检验结果与良 · 不良统计，找出不良集中的品种与工序并加以处置。
生产线负责人
按产线速度运行检测，收到不良报警后与产线联动即时应对。
生产技术 · IT 负责人
收集新品种照片并标注，重新训练 AI 后部署。
功能
分类、查找、识读
01
自动识别品种
AI 识别混入的相似品种产品。
02
找出异物 · 破损
找出并标记异物、破损、形状异常的位置。
03
识读印刷字符
捕捉印刷缺失与晕染，识读并确认保质期字符。
04
不良照片少也能起步
不良样本不足时，生成虚拟缺陷图像用于训练。
05
新品种重新训练即可
收集照片、标注、训练、部署、监控、重新训练，一条流程运营到底。
06
结果以统计留存
检验结果留存为履历，自动生成良 · 不良统计。
画面
在画面中确认检测结果
画面 1 · 产线相机、传送带、良品 · 品种 · 异物判定
捕捉包装线异物 · 混料
以产线速度逐一检查产品，即时剔除附着异物的产品和混入的其他品种。
- 异物 · 破损
- 品种混入
- 保持产线速度
画面 2 · 保质期、LOT、生产日期、晕染判定
保质期印刷确认
读取并确认包装面的保质期与 LOT 编号。印刷晕染或缺失时提示重新打印。
- 字符识读
- 晕染 · 缺失
- 重新打印提醒
画面 3 · 收集照片、标注不良、训练、部署、现场监控、虚拟缺陷图像
新产品上市时
无需从头重新设定检测条件。收集新产品照片重新训练 AI，不良照片不足时以虚拟缺陷图像补充。
- 只需收集照片
- 虚拟缺陷
- 即刻部署
使用案例
从人工目检开始改变
外观检验
在家电装配线上以 AI 视觉检测外观不良。
包装检验
在包装工序识别产品种类，并识读有效期印刷。
温度追踪
用相机追踪研磨工序的火花表面温度。
印刷质量
捕捉药品 · 食品包装的印刷缺失与晕染。
应用案例
从家电到食品，比人眼更早发现
大型家电制造
以一个模型统一外观检验判定
- 课题
- 装配线外观检验因检验员而判定不一，也难以追溯不良来自哪道工序。
- 方法
- 收集正常 · 不良图像并标注，不足的不良样本以虚拟缺陷图像补充，训练检测模型。判定结果作为履历保存，并与工序记录关联。
- 变化之处
- 判定标准统一。可即时找到发生不良的产线与时段。
食品制造 · 包装
一次识读产品种类与有效期印刷
- 课题
- 基于条件的识别设备会漏检晕染 · 变形印刷，且每次换品种都要重新设定检测条件。
- 方法
- 利用分类模型识别包装产品种类，通过 AI 字符识别读取有效期文字。新品种无需修改条件，只需追加图像重新训练。
- 变化之处
- 同一台相机同时捕捉混料与印刷不良。切换品种时产线无需停机。
研磨材料制造
用相机测量无法触及的火花温度
- 课题
- 研磨工序的火花表面无法用接触式传感器测量，温度管理全凭目测。
- 方法
- AI 在工序影像中识别并跟踪火花区域，推算并记录表面温度。
- 变化之处
- 温度以数值留存，可与工艺条件和质量一并对比。
PCB 制造
无需海外库即可连接半导体设备
- 课题
- 各产线设备厂商不同，适配 SECS/GEM 通信耗时较长，非标准命令只能放弃联动。
- 方法
- 通过自研 SECS/GEM 接收设备事件、报警与生产数据，并针对非标准命令按设备逐一适配，实现双向控制。借助场景编辑器预先测试消息。
- 变化之处
- 增加设备时通过配置接入，而非通信开发。连同视觉检测整合为一条自动化产线。
应用场景
与 MES、LINKER 联动，产线自主运转
需要时逐个增加产品，就这样逐步扩展。
- AI VISION 判定不良。
- MES 将检验结果记入作业 LOT。
- LINKER 向设备发送停机信号。
- AI VISION 汇总良 · 不良数量。
- LinkerFlow 在仪表板上显示不良率。
- 超出标准即发出警告。
- AI VISION 收集不良图像。
- Orchestrator 结合工序记录整理原因。
- 生成每日质量报告。
部署环境
部署在产线旁的工业 PC 与内部服务器，相机与照明施工一并进行。
现有系统联动
联动相机与设备信号，通过 API 与 MES 交换检测结果。
开放标准
训练好的模型可导出为 ONNX，用于其他检测设备。
FAQ
常见问题
不良样本很少，也能训练吗？
生成虚拟缺陷图像，补足不良数据。
换品种时需要重新设置吗？
无需重新设定条件，用新品种图像重新训练模型。
检测速度有多快？
按方案标准，每秒实时分析约 100 张图像，并根据产线速度与分辨率配置。
导入需要多长时间？
标准周期为：需求分析 1 个月、图像采集 · 标注 1~2 个月、试运行 1 个月、产线联动 1.5~2 个月。
是否使用开源？
不是。Wavegram 自 2020 年起专注于 AI 视觉与 AI 产品线的研发。我们完全基于自主技术开发，因此能够针对任何客户特有的流程进行优化。