科创中国

传统机器视觉检测技术是基于程序化和规则的方法，通常需要预先穷举所有缺陷种类，并且为每种缺陷提供充足的人工标注。传统技术存在样本采集成本高昂、环境适应性差等问题。本项目提供一种基于人工智能的新型视觉检测技术，利用数据驱动的深度学习算法，使视觉检测技术开发流程标准化，极大地缩短了开发周期与开发成本，通过迁移学习等关键技术快速地应用到多种制造行业，在不同行业所积累的数据池又将反哺技术进步，进一步构筑行业技术壁垒。本团队深耕于工业与智能制造领域，充分了解制造业产品缺陷种类繁多、缺陷数据少等特点，创造性地提出了正样本建模等核心解决方案，极大地减少了对缺陷样本以及标注的需求。本项目提出的技术方案具有开发周期短、适用性可迁移性较强、落地成本较低等特点。

1. 弱监督缺陷检测技术解决传统缺陷检测技术的低效率问题。传统视觉检验方法需要大规模标注数据，存在数据利用效率低的问题。本项目针对制造业产品缺陷种类难以完整预测与穷举，缺陷样本数量少、不易获取等问题，创造性地针对正常无缺陷产品建立的生成模型，通过对比学习实现高精度的产品缺陷检测。2. 迁移学习技术提高缺陷检测技术的通用性和可扩展性。项目面向不同质检场景，针对多种制造行业、各类产品检测的任务需求，研发了基于实例与特征等多种迁移学习技术，增强缺陷检测技能在多种场景的迁移能力，降低对缺陷数据的依赖，显著缩短了开发周期与开发成本。3. 多波段检测技术扩展缺陷检测的范围和功能。传统机器视觉光源以可见光和近红外波段为主，主要用于产品外观表面缺陷检测。为了实现更多检测功能，比如温度、化学成分、内部损伤等，需要结合更多波段的探测技术，比如：远红外热成像、高光谱成像以及高频射线成像等。本项目同时研发了基于可见光的表面缺陷和基于 X 射线的内部缺陷的视觉检测技术，可以满足多种制造行业的检测需求。

全球机器视觉设备市场规模由 2012 年的 41 亿美元增长至 2017 年的 70 亿美元，复合增长率达 11%。其中，中国市场规模由 2012 年的 13 亿元增长至2017 年的 65 亿元，年复合增长率达到 39%，且将持续增长，至 2023 年有望达到 197 亿元。中国机器视觉市场广阔，近年来企业数量增长迅速，但尚未出现有主导地位的龙头企业。在制造业中，消费电子，汽车，半导体是视觉检测应用最广泛的三大领域。目前消费类电子行业和半导体行业的视觉检测应用市场规模年增长率在 25%左右，而在标准化程度更高的汽车制造领域，市场规模增速将近 30%。相比人工目检，机器视觉技术优势明显，具有精确性强、效率高，是工业制造的未来发展方向。此外，机器视觉易于实现信息集成，其下游应用市场还包括计算机集成制造等。

技术来源于西安交通大学电信学部软件学院魏星团队

本团队深耕于工业与智能制造领域，充分了解制造业产品缺陷种类繁多、缺陷数据少等特点，创造性地提出了正样本建模等核心解决方案，极大地减少了对缺陷样本以及标注的需求。本项目提出的技术方案具有开发周期短、适用性可迁移性较强、落地成本较低等特点。

面议为主