一、背景

隨著新一代信息技術(shù)與制造業(yè)的深入融合，制造業(yè)正經(jīng)歷著從數(shù)量擴張向質(zhì)量提升的重大轉(zhuǎn)型。在這一進(jìn)程中，工業(yè)視覺檢測已成為現(xiàn)代生產(chǎn)制造不可或缺的關(guān)鍵環(huán)節(jié)。然而，傳統(tǒng)檢測方法面臨著諸多挑戰(zhàn)：缺陷樣本難以收集、高質(zhì)量標(biāo)準(zhǔn)圖生成困難、基于規(guī)則的機器視覺系統(tǒng)在復(fù)雜缺陷檢測中表現(xiàn)不佳。面對日益復(fù)雜的生產(chǎn)環(huán)境和不斷提升的品質(zhì)要求，如何解決制造業(yè)檢測過程中的數(shù)據(jù)稀缺問題，已成為機器視覺廠商亟待攻克的技術(shù)難題。

近年來，隨著生成式人工智能（GenAI）的崛起，一種革命性的質(zhì)檢范式正在形成——缺陷生成+AI檢測。這一創(chuàng)新技術(shù)組合不僅能有效解決訓(xùn)練數(shù)據(jù)稀缺的瓶頸問題，更能顯著提升檢測精度與效率，正逐步成為制造業(yè)質(zhì)量控制的下一代解決方案。華漢偉業(yè)自主研發(fā)的iCogtiveFusion圖像生成系統(tǒng)與iCogtiveFlow AI軟件的完美結(jié)合，開創(chuàng)性地實現(xiàn)了高質(zhì)量缺陷數(shù)據(jù)的直接生成，成功解決了跨型號多類別缺陷生成和自動標(biāo)注的技術(shù)難題，朝著"無樣本訓(xùn)練模型"的終極目標(biāo)邁出了堅實的一步。

二、缺陷生成技術(shù)：破解AI檢測的數(shù)據(jù)瓶頸

在AI檢測技術(shù)發(fā)展過程中，Stable Diffusion、GAN（生成對抗網(wǎng)絡(luò)）、VAE（變分自編碼器）等生成式AI技術(shù)已被廣泛應(yīng)用于高仿真缺陷樣本的合成。華漢偉業(yè)iCogtiveFusion圖像缺陷生成系統(tǒng)的核心技術(shù)架構(gòu)正是建立在這些前沿技術(shù)的基礎(chǔ)之上，并進(jìn)行了創(chuàng)新性的優(yōu)化和突破。

1、iCogtiveFusion關(guān)鍵性理論技術(shù)架構(gòu)

iCogtiveFusion圖像缺陷生成系統(tǒng)基于兩大核心技術(shù)：

1)深度學(xué)習(xí)圖像融合的缺陷遷移技術(shù)：利用先進(jìn)的深度學(xué)習(xí)模型，將缺陷前景與無缺陷背景進(jìn)行精準(zhǔn)融合，生成高質(zhì)量、高逼真度的缺陷圖像。

2)Stable Diffusion的缺陷生成技術(shù)：在給定背景上精確繪制任意形狀、大小的缺陷，生成與真實缺陷高度仿真的圖像。

圖1 技術(shù)架構(gòu)（一）

圖2 技術(shù)架構(gòu)（二）

iCogtiveFusion圖像缺陷生成系統(tǒng)基于深度學(xué)習(xí)圖像融合的缺陷遷移技術(shù)和Stable Diffusion的缺陷生成技術(shù)，通過融合具體應(yīng)用場景中的缺陷特征描述，即可實現(xiàn)缺陷仿真圖像的生成。

圖3 軟件檢測效果圖展示

2、iCogtiveFusion圖像生成系統(tǒng)的核心優(yōu)勢

該系統(tǒng)主要配合深度學(xué)習(xí)系統(tǒng)使用，通過超2億級的缺陷樣本標(biāo)注大數(shù)據(jù)，結(jié)合強大的的自動屬性匹配算法與自動圖像處理算法，為良品圖像增添已知缺陷，增大深度學(xué)習(xí)的數(shù)據(jù)集合，解決樣本缺陷少的難題，實現(xiàn)工業(yè)檢測高質(zhì)量數(shù)據(jù)生成。

圖4 軟件測試數(shù)據(jù)展示

自動生成多種類型圖像：提供缺陷生成和缺陷遷移兩種工作模式；僅需1-5張真實缺陷樣本即可批量生成多樣化缺陷圖像；支持2D圖像、3D圖像、2D+3D圖像及多模態(tài)圖像的生成；提供直接數(shù)據(jù)調(diào)用、區(qū)域多元數(shù)據(jù)調(diào)用、人工操作指定調(diào)用等多種靈活方式。

圖5 多種類型圖像生成

多樣性可控，標(biāo)準(zhǔn)化輸出：可精確調(diào)整缺陷的形狀、大小、角度、光照條件等參數(shù)；支持生成各種不同等級的缺陷圖像；無縫銜接標(biāo)準(zhǔn)標(biāo)注格式，直接輸出符合行業(yè)標(biāo)準(zhǔn)的缺陷圖像數(shù)據(jù)；便捷集成到現(xiàn)有工作流程中。

iCogtiveFusion支持生成各類仿真缺陷，可配合iCogtiveFlow深度學(xué)習(xí)檢測軟件使用，即使沒有真實樣本也能啟動訓(xùn)練。該系統(tǒng)特別適用于解決工業(yè)質(zhì)檢中的復(fù)雜難題，如裂紋、焊洞、異物附著等缺陷檢測。

該系統(tǒng)采用擴散模型生成可控強度的異常樣本，也適用于適用于半導(dǎo)體、電子元件等精密制造場景。目前已經(jīng)廣泛應(yīng)用于汽車、鋰電、3C電子、泛半導(dǎo)體、醫(yī)療等行業(yè)。

圖6 多場景應(yīng)用展示

三、缺陷生成+AI檢測：行業(yè)應(yīng)用案例

"缺陷生成+AI檢測"這一創(chuàng)新技術(shù)組合已在多個行業(yè)實現(xiàn)成功應(yīng)用，有效解決了諸多行業(yè)難題：

1、鋰電行業(yè)

密封釘焊接質(zhì)量檢測：采用iCogtiveFusion+iCogtive AI+2D+3D檢測方案，通過缺陷生成技術(shù)彌補小針孔數(shù)據(jù)量不足的問題，生成大量仿真圖像，訓(xùn)練時間縮短40%，實現(xiàn)無需收集樣本即可直接上線檢測。從數(shù)據(jù)生成到實時檢測，再到預(yù)測性維護(hù)，在實際應(yīng)用中得到了客戶的肯定，有望成為行業(yè)泛化式模板。

圖7 密封釘焊接質(zhì)量案例展示

鋰電池包膜質(zhì)量檢測：利用缺陷遷移技術(shù)進(jìn)行針對性數(shù)據(jù)學(xué)習(xí)訓(xùn)練，減少80%以上的人工介入操作，樣本采集時間降低99%。

圖8 鋰電池包膜質(zhì)量案例展示

2、電子元器件外觀質(zhì)量檢測

通過小樣本模擬缺陷，大幅度降低對缺陷數(shù)據(jù)的依賴，可以一鍵自動生成新樣本，自帶標(biāo)注信息，可直接用于訓(xùn)練和測試等。實現(xiàn)多平臺無縫對接，可與市面上其他同類深度學(xué)習(xí)標(biāo)注訓(xùn)練系統(tǒng)結(jié)合并無障礙使用。

圖9 電子元器件外觀質(zhì)量案例展示

四、展望未來：智能質(zhì)檢的新紀(jì)元

"缺陷生成+AI檢測"技術(shù)組合正在重塑制造業(yè)質(zhì)量控制的標(biāo)準(zhǔn)和流程。從數(shù)據(jù)生成到實時檢測，再到預(yù)測性維護(hù)，這一創(chuàng)新模式已在多個行業(yè)獲得客戶的高度認(rèn)可。隨著技術(shù)的持續(xù)迭代和應(yīng)用的不斷深入，我們有理由相信，這一技術(shù)組合將成為行業(yè)通用的泛化式解決方案模板，推動制造業(yè)向更高效、更智能、更精準(zhǔn)的質(zhì)量控制新時代邁進(jìn)。

未來，隨著生成式AI技術(shù)的進(jìn)一步發(fā)展和工業(yè)應(yīng)用場景的持續(xù)拓展，"缺陷生成+AI檢測"將不斷突破現(xiàn)有技術(shù)邊界，為制造業(yè)質(zhì)量控制帶來更多可能性，最終實現(xiàn)"零缺陷"制造的理想目標(biāo)。華漢偉業(yè)將繼續(xù)深耕這一領(lǐng)域，以技術(shù)創(chuàng)新驅(qū)動產(chǎn)業(yè)升級，為制造業(yè)數(shù)字化轉(zhuǎn)型貢獻(xiàn)更多力量。