質(zhì)量檢測技術(shù)的發(fā)展與演進

日期：2018-06-04

　　質(zhì)量檢測作為產(chǎn)品質(zhì)量保證的關(guān)鍵環(huán)節(jié)，也越來越受到企業(yè)的重視。質(zhì)量檢測技術(shù)發(fā)展到今天，主要經(jīng)歷了人工檢測、機器視覺檢測和認知視覺檢測三個階段的發(fā)展。

　　對于任何企業(yè)而言，產(chǎn)品質(zhì)量就是企業(yè)的命脈。盡管物聯(lián)網(wǎng)和智能設(shè)備已日益普及，但由此在工廠內(nèi)產(chǎn)生的海量數(shù)據(jù), 又使得企業(yè)的諸多業(yè)務挑戰(zhàn)問題始終得不到有效解決，質(zhì)量問題就是其中之一。一旦讓帶有缺陷的產(chǎn)品流向市場，不僅是對消費者利益的損害，也是對企業(yè)品牌形象的玷污。而質(zhì)量檢測作為產(chǎn)品質(zhì)量保證的關(guān)鍵環(huán)節(jié)，也越來越受到企業(yè)的重視。質(zhì)量檢測技術(shù)發(fā)展到今天，主要經(jīng)歷了人工檢測、機器視覺檢測和認知視覺檢測三個階段的發(fā)展。

1、人工檢測

　　自人類進入工業(yè)化時代，便有了質(zhì)量檢測技術(shù)。第一代質(zhì)量檢測技術(shù)以人工檢測的方法為主，由作業(yè)人員按照一定的質(zhì)量檢測標準，通過使用檢測工具或經(jīng)驗判斷來完成產(chǎn)品質(zhì)量缺陷的檢測。由于人員自身技術(shù)水平的限制，存在檢測產(chǎn)品速度慢、效率低下、在檢查過程中容易出錯等問題，使得檢測結(jié)果極為不精確。

　　同時，伴隨著技術(shù)的進步、產(chǎn)品更新?lián)Q代加快和國際分工的深化，現(xiàn)代工業(yè)生產(chǎn)中，常常涉及到各種各樣的檢查、測量和零件識別應用。例如微小尺寸的精確快速測量、形狀匹配、顏色辨識等，用人眼已無法識別檢測，傳統(tǒng)的人工檢測方法正在逐步被新型的檢測方法所取代。

2、機器視覺檢測

　　第二代質(zhì)量檢測方法主要是指機器視覺檢測，該方法是伴隨著機器視覺技術(shù)而發(fā)展來的。在20世紀50年代，圖像處理成為機械工業(yè)的一個檢測項目，視覺檢測作為一項生產(chǎn)檢測機制誕生了；在20世紀60年代到70年代，隨著工業(yè)自動化生產(chǎn)對技術(shù)需求的日益增長，機器視覺開始崛起。20世紀80年代，機械視覺檢測被應用于當時方興未艾的半導體工業(yè)。

　　20世紀90年代，機器視覺技術(shù)開始在工業(yè)領(lǐng)域逐步得到應用。這是由于機器視覺是一種非接觸的測量方式，在一些不適于人工作業(yè)的危險工作環(huán)境或者人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺。同時，在大批量重復性工業(yè)生產(chǎn)過程中，用機器視覺檢測方法可以大大提高生產(chǎn)的效率和自動化程度。

　　機器視覺定位檢測可分為兩個步驟，一是制作標準模板，二是搜索。機器視覺定位系統(tǒng)采用先進的圖像視覺檢測技術(shù)，實現(xiàn)對高速運動的工業(yè)產(chǎn)品進行實時全面的時間檢測定位分析。當系統(tǒng)設(shè)備一臺高性能彩色數(shù)字攝像機，攝像機采集工業(yè)品圖像，并將圖像數(shù)據(jù)傳送到圖像處理系統(tǒng)時，圖像處理系統(tǒng)對每幅圖像進行匹配搜索，準確定位出產(chǎn)品的位置和方向，控制機械手臂等自動化裝備。

　　例如，SMT首件檢測儀，通過掃描需要檢測的SMT貼片首件PCB，智能框獲取PCB實物掃描圖片，導入BOM清單和PCB元件貼片坐標。軟件對PCB圖片、BOM、坐標進行智能合成和智能全局坐標校準，使得元件坐標、BOM與圖片實物元件位置逐一對應。通過導航測量目標，LCR讀取數(shù)據(jù)自動對應相應位置并進行自動判斷檢測結(jié)果。杜絕誤測和漏測，并自動生成測試報表存于數(shù)據(jù)庫。 經(jīng)過對軟件不斷升級和完善，系統(tǒng)還可應用于貼片漏件補料和實現(xiàn)坐標儀功能預先為需貼片的PCB獲取貼片元件位置坐標。SMT自動接料機、全自動點料機，通過軟硬件結(jié)合，利用機器視覺檢測技術(shù)的定位功能，能夠自動判斷物體的位置，并將位置信息通過一定的通訊協(xié)議輸出，此功能多用于自動組裝、自動焊接、自動包裝、自動罐裝、自動噴涂等全自動裝配和生產(chǎn)。

3、認知視覺檢測

　　盡管機器視覺檢測方法在應用層面上得到了快速發(fā)展，但機器視覺檢測的穩(wěn)定性較差，容易受到環(huán)境等客觀因素的影響，實際應用中往往會達不到理論上的效果，一些產(chǎn)品如果缺陷種類較多，還需要多次檢測。此外，受限于軟硬件技術(shù)水平和算法的發(fā)展，第二代機器視覺技術(shù)并不具備人類的視覺理解能力，更多是基于固定規(guī)則。

　　認知視覺檢測方法，即第三代檢測方法，有望打破固定規(guī)則，實現(xiàn)對于非預期缺陷的識別。在這一領(lǐng)域，IBM于2017年推出了認知視覺檢測方法，該方法源于IBM Watson技術(shù)平臺，融入了工業(yè)機器人控制技術(shù)、工業(yè)照相技術(shù)、計算機視覺技術(shù)和基于深度神經(jīng)網(wǎng)絡(luò)的機器學習技術(shù)，代表了當下最新的檢測技術(shù)，能有效幫助制造企業(yè)。

　　尤其在電子行業(yè)，現(xiàn)階段很多制造企業(yè)的前端流程和自動化程度都比較高，但后端質(zhì)檢環(huán)節(jié)還在采用人工檢測的方法，采用IBM的認知視覺檢測方法，通過事先預定好缺陷類型，然后基于編程算法來定義和查找，大大精簡了其裝配線的檢驗流程。

　　值得一提的是，有別于機器視覺檢測方法，IBM的認知視覺檢測方法是一個智能系統(tǒng)——基于深度神經(jīng)網(wǎng)絡(luò)的機器學習技術(shù)，可以不斷自我學習缺陷類型，通過機器學習的方式不斷自我優(yōu)化，完善缺陷類型的數(shù)據(jù)庫，實現(xiàn)對非預期缺陷的精準檢測。同時，該方法在擁有足夠信息時，還可以檢測某些缺陷模式給出預警。

　　筆者認為，認知機器視覺檢測方法還是很有發(fā)展前景的，因為它解決了機器視覺檢測方法的不穩(wěn)定性。同時，也避免了人工檢測方法的低效率和人為出錯。對于制造企業(yè)而言，質(zhì)量檢測最重要的是受控，企業(yè)可以接受有個別特殊的、未發(fā)現(xiàn)過的缺陷遺漏，但必須知道那些經(jīng)常發(fā)生的、不可接受的缺陷是一定能被檢測出來的。長遠來看，如果認知機器視覺檢測足夠智能，終將會取代人工檢測方法，因為對于制造企業(yè)的質(zhì)量控制，認知機器視覺檢測技術(shù)會比人更可靠。