【金猿技术展】自动缺陷检测与分类技术——ADC

金猿缺陷检测检测算法

原创数之联 | 2021-01-15 18:54

【数据猿导读】该技术由数之联申报并参与“数据猿年度金猿策划活动——2020大数据产业创新技术突破榜榜单及奖项”评选。

数之联应用深度学习和人工智能技术，研发了数之联自动缺陷分类技术（ADC），让机器在检测出缺陷的同时，也可以对缺陷类型进行精确分类，从而指导后续生产。并在这一过程中，不断累积经验、获得成长。进而显着提升缺陷辨识率、缺陷分类正确率和检测效率。

技术说明

●理论创新

数之联自动缺陷分类技术（ADC）主要实现对缺陷的实时检测与快速报警，迅速定位缺陷并分类，其理论创新点如下：

1. 基于深度学习目标检测算法的智能缺陷识别。相较于传统检测技术需要人工定义缺陷特征，基于深度学习的目标检测可实现图像特征的端到端提取，并基于提取的特征采用Box Regression算法实现缺陷的自动定位，同时采用Soft-max等算法完成缺陷类别的判定。

2.模型自动更新优化算法。在电子信息产品生产过程中，模型需要快速实现对新产品的适用性更新，并可有效识别新出现缺陷的形态。项目研究采用增量学习算法和Transfer Learning实现对模型的动态更新。

●技术创新

1.通过一种服务的动态感知以及权重策略，实现预测服务负载以及高可用。动态分布策略方法，自动触发模型在多台GPU服务器，多张GPU卡上的动态部署。

2.采用虚拟化技术，对容器中深度学习模型和机器学习模型进行综合管理，对多个深度学习框架和机器学习框架进行集成管理。

3. 通过实现GPU动态分配以及服务动态分布方法，在多台GPU服务器，多张GPU卡上的动态分布预测服务。

4.提供一种基于大数据的样本管理方法。对上百T容量的样本进行管理和样本打标。

●应用创新

由于面板制程工序多且复杂，其制程工序的智能化发展是突破“智能制造”的重要环节。面板厂百分之六十的工作人员为检测设备岗位，大量的人力投入、人力流失带来检测准确率下降，会影响良率问题。

作为制程工序品质把关重要环节的面板缺陷检测，数之联针对其产品缺陷的智能监管研究技术可以大大节省制造业质量监管的人力成本、提升监管效率，对把控成品质量及提升生产工艺的调优都具有重要且深远的意义，为面板行业的突破提供支持。同时，企业成功地运用大数据获得高于市场的业务增长，数之联定制化的产品承担着至关重要的角色。

开发团队

●带队负责人：孙敬

电子科技大学博士，美国伊利诺伊大学访问学者，具备丰富的大数据项目实施经验，在机器学习、深度学习等人工智能算法具有深入的研究。发表SCI/EI论文10余篇，在半导体行业缺陷检测与大数据良率、虚拟量测方面有深入研究。

●其他重要成员：杨帆唐韬

●隶属机构：数之联

数之联起航于2012年10月，由大数据行业领军人物周涛创立，已成为国内领先的大数据、人工智能解决方案提供商。

数之联致力于成为集数据、算法、应用为一体的大数据产业生态构建者，深耕智能制造与智慧治理两大领域，聚焦政府、工业、军工三大行业，为合作伙伴提供集顶层设计、元数据治理、商业智能可视化、分析挖掘为一体的大数据全产业链服务，助力企业在数字经济浪潮中快速转型，赢得市场先机。

相关评价

数之联自动缺陷分类技术（ADC）曾于2020年7月获得由华为颁发的“华为技术认证证书。

金猿_缺陷检测_检测算法-1