• <track id="luvbp"></track>

    <nobr id="luvbp"></nobr>

    <bdo id="luvbp"></bdo>
      <menuitem id="luvbp"></menuitem>
    1. <tbody id="luvbp"><div id="luvbp"></div></tbody>

        AI質檢新時代——數之聯ADC賦能液晶面板制造視覺檢測
        作者:數之聯 發布時間:2022-04-06 375次瀏覽
        簡介:隨著產品精密度越來越高,瑕疵檢測也變得越來越難,現在的人工目檢和傳統視覺都已無法滿足,不合格產品數量居高不下。

        于制造型企業本身,任何一件工業品瑕疵關乎產品質量,而質量關乎企業生存。隨著產品精密度越來越高,瑕疵檢測也變得越來越難,現在的人工目檢和傳統視覺都已無法滿足,不合格產品數量居高不下。


        以精密制造的液晶面板為例,液晶面板是決定液晶顯示器亮度、對比度、色彩、可視角度的材料,液晶面板質量、技術的好壞關系到液晶顯示器整體性能的高低。而面板制造制程工序多而復雜,產生不良類型種類多達上百種,不同工序、不同產品的缺陷特征也不盡相同,這對人員來說快速精準識別缺陷類型有一定難度。


        目前AOI、點燈機等機臺檢測大多只拍攝照片,不能判別缺陷類別,需要產線作業員依據經驗在人工判圖系統或以查看本地圖片的形式判別缺陷類型,并借助如EDA、OIC等系統,由人工方式按產品批次進行缺陷分析,從而確認在線產品品質,防范風險。同時,要篩選出可修復的面板進入維修機臺修補,提升產品良率,保證機臺稼動。


        整個過程消耗大量人力,給工廠運營帶來巨大壓力;同時人工判定缺陷類別效率低,異常無法及時反饋,可修復產品無法及時得到修復,從而導致良率損失及維修機臺產能損失;并且人員間差異、狀態、熟練程度不同,易造成誤檢和漏檢,影響生產效益。


        生產運營工序示例


        一、ADC項目正式落地


        自2019年,數之聯承建了某客戶G6自動缺陷檢測與分類(ADC)系統在Array/OLED/TPOT/LLO/CF/CELL等各工序的應用落地。ADC項目的核心目的是讓AI完成缺陷的檢測與分類,實現人力替代并加速異常反饋及處理。


        數之聯ADC系統以虛擬站點的形式或離線作業方式在每個AOI站點后上線,自動從MES、TMS、DFS等系統中獲取需要判圖的信息,然后自動對缺陷進行檢測識別和編碼,實現對不良缺陷的自動檢測分類;為保障系統判圖的準確性,對于無法判定的轉由人工復判。


        同時也能實時對生產情況、工藝情況、設備檢測狀態進行自動監控,異常事件及時告警,讓用戶能隨時掌握生產情況,幫助用戶進行生產管理和工藝優化,解決生產工藝檢測分類環節人工成本高、穩定性差、效率低的問題。


        二、算法實現原理


        · 卷積神經網絡CNNs

        卷積神經網絡是計算機視覺研究中應用最廣泛的骨干網絡框架,是深度學習的代表算法之一,主要通過局部感受野、共享權值、池化三個方法進行學習。

        優勢特征:

        (1)通過局部感受野的方式連接圖像局部區域,將獲得特征信息傳入不同訓練層,按其階層結構對輸入信息進行平移不變分類,具有平移、旋轉、縮放不變性;

        (2)每一個卷積核共享權值,降低網絡中的參數量與計算復雜度;

        (3) 由于輸入圖像數據一般都比較大,需使用池化方法對卷積后的特征圖進行采樣獲取圖像顯著特征。

        (4)其本質上是一種輸入到輸出的非線性映射,大大提升了傳統人工神經網絡的訓練性能。


        ·特征金字塔網絡FPN

        特征金字塔網絡是為了提高精度和速度,根據特征金字塔概念設計的特征提取器。

        優勢特征

        (1)利用卷積神經網絡的多層特征結構產生多尺度的特征表示,使得每一級特征都有豐富的語義信息;

        (2)在多個特征尺度上進行定位和預測,能更好的適應缺陷尺度的大小變化;

        (3)通過一次前向計算即可獲得多尺度特征,相對于傳統神經網絡計算只增加了很少的計算開銷;

        (4)可以對多尺度特征金字塔進行端到端的訓練,簡化模型訓練的復雜度。


        ·不良CODE分類算法

        為適應液晶面板產線復雜多樣的生產制造制程和站點業務,數之聯ADC算法形成了一套最優深度卷積神經網絡模型+多個softmax分類器的分類算法框架,為ADC導入多達十幾家工廠、市占率超70%、制程場景業界覆蓋最多提供了有力保障。

        優勢特征

        (1)不同站點AOI圖像采用獨立虛擬站點進行分類,各虛擬站點可定制化規則及分類模型,干擾缺陷少,準確度更高;

        (2)采用softmax分類器能輸出每類缺陷的置信度,通過置信度可以及時發現是否出現新缺陷等情況;

        (3)不同分類模型之間互不影響,當其中一個分類器效果不佳時,只需單獨訓練該分類器進行替換更新;(4)采用深度卷積神經網絡模型與分類模型分離的架構,前者負責特征提取,后者負責分類準確性。因此模型的優化迭代只需對分類器進行訓練,依賴的樣本量少。


        三、數之聯ADC系統優勢

        (1)系統自動對缺陷圖像進行缺陷檢測,對缺陷類型進行判定,并標注缺陷的位置、大小等信息。

        (2)可以輔助人工復判,并對生產批次(lot)、面板(glass)、缺陷(defect)進行輔助判級。

        (3)能實時對生產情況、工藝情況、設備檢測狀態進行自動監控,異常事件及時告警。

        (4)系統基于公司的深度視覺處理引擎iDeepViewer,通過深度學習技術突破傳統圖像處理技術的瓶頸,提供高精準的缺陷分類結果。

        (5)可以以虛擬站點的形式與MES、DFS等系統對接,實現生產過程的入站(track in)/出站(track out)等。

        (6)系統架構整體滿足先進性、易用性、可擴展性、易維護性設計要求,同時滿足客戶對整體系統性能的基本要求。


         

        ADC產品示例

         

        四、ADC的成熟應用


        該客戶整個ADC項目進行的過程中,準確率不斷地在提升,識別缺陷類別達到100+,平均分類精確度和召回率可達95%,關鍵缺陷漏檢率和誤檢率均小于1%,節省目檢人力成本30%-80%,極大縮減檢測分類時間,提升生產效率?;谒惴P吞峁┑娜毕輽z測與分類,能快速發現新產品新缺陷,降低產品損失。


        數之聯自動缺陷檢測與分類系統(ADC)在行業內已覆蓋液晶面板各尺寸大小,部署模型超過500個,是交付經驗最多,覆蓋工藝最廣,技術沉淀最全的產品。


        新時代的工業革命正席卷全球,在工業智能的大背景下,缺陷檢測與分類需求不斷增加,業界對檢測技術和精度也提出了更高的要求。數之聯自動缺陷檢測與分類系統(ADC)緊隨面板、PCB及整個泛半導體行業市場發展與客戶需求,始終堅持以客戶為中心,以創新為驅動,持續為客戶提供高質量、智能化的缺陷自動檢測與分類解決方案,助力企業降本增效,為客戶創造更大的價值,為工業智能貢獻能量。


        人妻无奈的迎合粗大
      1. <track id="luvbp"></track>

        <nobr id="luvbp"></nobr>

        <bdo id="luvbp"></bdo>
          <menuitem id="luvbp"></menuitem>
        1. <tbody id="luvbp"><div id="luvbp"></div></tbody>