韓國工廠(chǎng)應用圖——玻璃檢測設備集成至清洗機后

一、被“卡脖子”的玻璃檢測行業(yè)：賽拓星眸博士團隊“破壁”研發(fā)

         玻璃檢測設備技術(shù)門(mén)檻高，涉及數字圖像處理技術(shù)、機械工程技術(shù)、控制技術(shù)、電光源照明技術(shù)、光學(xué)成像技術(shù)、傳感器技術(shù)、模擬與數字視頻技術(shù)、計算機硬件技術(shù)、人機接口技術(shù)等多學(xué)科復雜技術(shù)，對研發(fā)團隊具有非常高的要求。一支由大連理工大學(xué)、大連工業(yè)大學(xué)博士組成、涵蓋光/機/電/算/軟全技術(shù)鏈的研發(fā)團隊，在攻關(guān)玻璃表面缺陷檢測技術(shù)的道路上 “披荊斬棘”數年。賽拓星眸負責人回憶，為解決玻璃檢測場(chǎng)景的兩大核心難點(diǎn)——光學(xué)成像、算法模型，團隊幾經(jīng)推翻重來(lái)后，最終特別設計：

         光學(xué)成像方面攻堅：玻璃圖像采集質(zhì)量直接影響著(zhù)玻璃缺陷的可辨識度，不同缺陷的光學(xué)表現差異大，要克服環(huán)境干擾因素，團隊自主設計的綜合性打光方式，采用多角度打光、明暗場(chǎng)多路識別，結合圖像預處理等技術(shù)，從多個(gè)維度對缺陷進(jìn)行精準識別和分類(lèi)，通過(guò)綜合性打光方式及算法優(yōu)化精簡(jiǎn)了硬件復雜性，降低設備成本。自適應光源強度調節技術(shù)，提高產(chǎn)品兼容性，對透光率低的玻璃有良好檢測能力。

         算法模型方面另辟蹊徑：應用AI大模型與細分模型相結合的方式，小樣本數據訓練，高精度高準確度檢測。依托小樣本玻璃缺陷數據通過(guò)樣本擴充、數據標注、算法訓練，獲得針對客戶(hù)玻璃缺陷的智能算法，可以精準識別并分類(lèi)氣泡、結石、夾雜物、深劃傷、淺劃傷、崩邊、霉粉、污漬、水漬、蚊蟲(chóng)、刷毛、繩子印、吸盤(pán)印等玻璃缺陷及干擾項。對于新出現的各種瑕疵類(lèi)型可以快速響應，隨著(zhù)設備在工廠(chǎng)的持續使用，檢測模型持續迭代，設備檢測能力越來(lái)越強大。