案例背景

过去，大多数工厂部件都由员工进行目视检查。虽然为检察员提供了培训，但基于个人感知的检查，难以统一标准。此外，视觉疲劳、员工流动导致生产线漏检率较高。

此外，如果工厂缺乏具备编程能力的员工，他们对机器视觉检测的理解将非常有限。因此，即使工厂愿意开展科技手段提升检测效率降低漏检率，多数工厂也缺乏这样的能力。

研华科技和 Smasoft之间的合作，帮助制造业从人工视觉检测转向 AI 检测。将 rule-based 机器视觉和 AI 视觉识别相结合的解决方案，不仅是解决工厂问题的完美答案，而且有助于引入自动检测系统。

系统简介

 

该散热器厂×初有三个主要的检查站，由多名检查员进行尺寸、厚度和外观检查。Smasoft当前的自动软件开发平台（SmaSEQ）集成了模块化视觉检测、运动控制、I/O控制、AI 瑕疵检测工具（SmaAI）、AI 训练和其他功能，创建一台散热器检查机，可以进行三种类型的检查，同时不断训练AI深度学习模型，以进一步降低漏检率并提高检查质量。

SmaSEQ 具有用户友好的交互界面，易于学习。在参加软件的培训课程后，操作员能够轻松操作SmaSEQ，尽管他们没有工程背景或对 AI 深度学习不够了解。SmaSEQ 简单明了，不需要复杂的程序设置，允许系统集成商和×终用户自己训练机器。

Smasoft 的软件和研华的硬件在优化散热器检测机的 AI 系统方面发挥着重要的作用。Smasoft 采用研华 i-Modules 紧凑型无风扇系统 MIC-770，并内置 NVIDIA Jetson® Xavier MIC-730AI 推理系统。

过去，Smasoft 采用了其他公司的 IPC，其中一些客户由于 IPC 尺寸过大而要求更换，有些 IPC 导致系统不稳定。研华的MIC系列即使在长时间老化过程后仍保持稳定。如果需要额外的 I/O 接口，可以在任何给定时间扩展MIC系列。这节省了重新评估每个项目硬件的需要。

系统需求

此外，安装有 SmaAI 的 MIC-730AI 进行 AI 图像分析，素材来自SmaAI 提供 Smasoft 从客户处收集的缺陷产品的图像，用以比较和识别有外观缺陷的散热器。。SmaAI 完成相关训练后，将训练后的模型放入 MIC-730AI。然后可以进行 AI 视觉检查，以评估平整度，并识别难以通过一般物理规则分类的压碎、污渍、划痕和其他瑕疵。

Smasoft 的自动 AI 软件与研华的硬件相结合，使散热器工厂能够在三个月内完成AI检验机的组装和测试。

Smasoft 表示，“×初，客户工厂预计新系统的准确率为90%，但 Smasoft 和研华的解决方案的准确率高达97%，远远超过客户的要求。” 过去，一条生产线有10名检验员。对每个散热器进行三种类型的检查需要30秒。今天，只需要一名检查员进行×终重新检查，完成任务只需4秒。因此，该解决方案的引入不仅降低了人工成本，还提高了检查效率。

此外，该 AI 检测方案采用分布式架构设置，MIC-770 与多个 MIC-730AI 合作进行AI推断。因此，当工厂想要实施额外的 AI 检测或提高检测速度时，它可以通过网络电缆简单地安装额外的 MIC-730AI，为我们的客户提供未来工厂扩展的便利。

关键特性

• 经济××的解决方案和灵活的结构，允许同时结合 rule-based 的机器视觉方法和 AI 检测方案。
• 灵活的分布式架构配置，方便未来工厂扩展。
• 这种 AI 智能检测解决方案简单、直接，不需要复杂的程序设置，允许系统集成商和×终用户自己做机器训练。