韩加兴
科理咨询（上海）股份有限公司 518000
摘要：在产品生产过程中，缺陷检测是当中比较重要的一个环节。区别于传统人工检测，人工智能检测在效率和准确度方面都有明显的提高，能够有效地解决在检测过程中遇到的问题。文本主要论述了人工智能在缺陷检测中的应用原理、与传统人工模式的比较，以及在各个方面的具体应用。
关键词：人工智能；缺陷检测；应用；平台优化
在当今，随着科学技术的发展，人工智能技术已经在各种的缺陷检测中得以广泛应用，在生产生活的很多方面，都有人工智能的身影。尤其是在缺陷检测方面，人工智能技术的有效应用在很大程度上提供了检测的准确度和效率，在传统人工检测的基础上实现了环节简化和效率提升。
一、AI深度学习缺陷检测原理及与传统检测方法的比较
在传统检测中，应用人工智能技术能够有效实现传统人工检测达到不了的准确度和高效率。在现阶段的缺陷检测中，应用人工智能技术主要是利用机器视觉技术实现对产品的缺陷检测，即视觉缺陷检测法。这种检测方式主要包含三个步骤，分别是图像采集，图像处理以及判断控制。首先，图像采集是利用光源对被检测物进行照射，使其在进行机器视觉技术应用的过程中，对相关物品进行图像采集；其次，对收集的图像进行内部处理；最后，在得出处理结果之后进行产品质量判断[1]。
在这三个环节中，图像处理是智能缺陷检测的重要核心。在这一环节，是对机器视觉技术的充分利用。近些年来，机器视觉技术主要应用于深度学习模式的实现，深度学习（Deep Learning）（也称为深度结构学习【Deep Structured Learning】、层次学习【Hierarchical Learning】或者是深度机器学习【Deep Machine Learning】）是一类算法集合，是机器学习的一个分支。它尝试为数据的高层次摘要进行建模，然后经过机器视觉技术处理，得到相关检测成果。在进行深度学习模式之前需要进行前提训练，在经过相关测试达到标准之后才能够应用于生产。最后一个环节缺陷判断主要是通过对技术获取信息的处理结果进行级别鉴定，然后进行缺陷报警处理。
二、人工智能（AI）在缺陷检测中的应用现状
（一）AI深度学习方法检测木材缺陷
保证木制品加工质量的重要方式之一，就是对原材料进行缺陷检测[2]。木制品原材料的缺陷主要可以分为以下几个部分：首先是生理原因，就是树木生长过程中出现的形状缺陷；其次就是病理缺陷，其主要体现为在树木生长过程中出现的变色，腐朽以及虫蛀的情况；第三种就是人为原因，比如在木材收集处理过程中出现的机械损伤和错误加工，导致木材质量下降，影响木制品加工，在成本控制方面也有一定的影响。在木材进行加工处理的过程中，有缺陷的原材料会对产品加工造成不利影响，其中，生理原因造成木材质量低下的原材料，在加工过程中会增加人工成本，在成品的要求方面也达不到标准。另外，如果原材料出现变色、腐朽和虫蛀的情况，会使木材在加工过程中出现质量低下以及完成产品达不到要求的情况。出现上述这些情况，不仅会对成本控制产生不利影响，在产品方面也会降低其质量，影响销售。针对这种情况，可以利用人工智能技术进行木材的缺陷检测。人工智能技术区别于传统人工检测，能够有效对木材内部的情况进行相关检测。例如，利用超声波检测，可以对木材内部进行图像获取，从而进行质量判断，在一定程度上避免了缺陷材料进入生产环节的情况。还有比较重要的一点是人工智能检测技术是一种无损的检测技术，对于木材的检测能够保障其完整性，不会影响后续生产加工。
（二）AI深度学习方法检测金属零部件缺陷
在生产过程中，金属零部件的缺陷主要可以分为两方面：一方面是部件外部出现缺陷，例如加工尺寸不达标，在表面会出现气孔夹渣凹槽的情况；还有就是面积缺陷，比如裂纹和未焊透，出现上述情况的零部件在使用寿命和组装方面都会出现不良影响，从而降低零部件质量。这样的零部件，如果投入使用的话，会在承载面积，内部性能以及外观方面都会出现问题[3]。
在汽车的生产过程中，由于其大部分零部件都是由金属构成，对于金属零部件的要求较高。由此可见，对金属零部件进行质量检测至关重要。
在对汽车金属零部件进行缺陷检测过程中，对于零部件表面缺陷检测方面是检测重点。区别于传统的人工检测，利用人工智能检测，能够准确且快速的检测出零部件在生产早期发生的碰撞刮伤以及污渍等影响质量的缺陷。VIDI是人工智能应用于金属零部件检测方面的一种分析软件，利用这种软件，可以对零部件缺陷检测进行自动化分类，简化缺陷检测过程。需要注意的一点是，在人工检测应用于金属零部件缺陷检测的过程中，收集零部件样本是首要前提，将相关样本集中收集进行分类处理，有利于缺陷检测工作的顺利进行，为其提供了数据基础。
（三）TFT-LCD
薄膜晶体管液晶显示器（TFT-LCD）是目前主流的显示设备，可以应用在笔记本电脑、监视器、手机、电视等设备。TFT-LCD的结构复杂，包含数百万个元器件，且生产工序较多，很容易出现缺陷。TFT-LCD缺陷可以分为宏观缺陷和微观缺陷[4]。宏观缺陷一般可以用肉眼分辨，例如显示器亮度不均；而微观缺陷难以用肉眼分辨，例如显示器的点缺陷。即使只是几个粒子的点缺陷，对于显示器的显示质量也会有所影响。人工检测只能检验出显示器的宏观缺陷，微观缺陷则需要利用智能缺陷检测实现。视觉缺陷检测可以检测到粒子层面，可以检测出显示器的点缺陷。
3人工智能在缺陷检测中的具体应用分析
（一）通过无人机对输电杆塔部件进行实时监控
对输电杆塔部件进行实施监管的过程中应用人工智能技术，可以在一定程度上减少人工支出。人工智能应用于输电杆塔部件检测，主要是利用无人机进行拍摄，然后将获取图像传输至监测后台，由深度学习算法对图像进行智能分析，利用这种技术，可以确保信息获取的时效性。
（二）利用深度学习检测布匹缺陷
在布制品车间进行产品生产过程中对于原材料的缺陷检测尤为重要，布匹在投入生产之后，如果原材料自身出现质量缺陷会对最终成品质量产生直接影响，将人工智能技术应用于布匹缺陷检测（比如拉丝，断头，勾丝，脏污等……），可以弥补人工检测在这一方面的不足，从而保障缺陷检测工作的顺利进行，达到提高产品质量的目的[5]。
（三）利用深度学习对水果表面损坏检测
在食品企业的生产车间，对于原材料的要求较高。例如对于水果一类的原材料，在原材料质量、形象方面都有较高的标准。传统人工缺陷检测工作在对水果表面损坏方面存在不足，人工智能技术的出现能够有效解决存在问题。利用深度学习对水果表面损坏检测，能够在缺陷检测的准确度和效率方面得到明显提高。
（四）对后台管理平台进行优化
利用人工智能技术进行图像采集之后，被收集的图像会在无人机内部进行初步处理，之后会将初级阶段的相关信息传输至控制终端进行进一步的神经网络算法处理[6]。在对轻量级数据进行采集与传输的过程中，这些数据在控制端会集中处理，在设备关联性和智能化方面都有一定程度上的积极影响，能够提高管理后台的灵活性和数据处理的效率。
四、结束语
综上所述，人工智能技术在缺陷检测中的应用能够有效解决人工监测工作中存在的效率低下，检测准确度较低的问题，推动各方面材料缺陷检测的进一步发展，从而达到提高缺陷检测工作效率和准确度的目的，在产品方面，缺陷检测工作的完善能够在一定程度上提高完成在产品的质量。
参考文献
[1]钱隽.人工智能技术在烟草包装印刷质量检测上的应用研究[J].绿色包装,2020(11):35-39.
[2]陈永灿, 水利枢纽泄洪洞智能机器人巡检系统关键技术研究(省院省校重大). 四川省,西南科技大学,2020-05-21.
[3]赵志勇,叶林,桑红石,桂康.深度学习在布匹缺陷检测中的应用[J].国外电子测量技术,2019,38(08):110-116.
[4]孙康. 基于计算机视觉的牛奶生产日期喷码字符缺陷检测技术研究[D].北京工业大学,2019.
[5]张少波, 超薄玻璃用机器人在线缺陷检测技术. 安徽省,蚌埠华益导电膜玻璃有限公司,2018-03-09.
[6]容典. 脐橙表面缺陷的机器视觉快速检测研究及嵌入式系统应用[D].浙江大学,2017.