“ADC(圖像自動缺陷檢測與分類)在我們工廠跑不起來,某全球最大的信息技術和業(yè)務解決方案公司的駐場團隊太慢了,你們來試試?！?/p>

2018年,成都數之聯(lián)科技股份有限公司(下稱“數之聯(lián)”)接到了廈門某電子集團的電話,讓他們迅速準備一套ADC工業(yè)質檢項目方案,進行工業(yè)瑕疵檢測,解決工業(yè)質檢問題。這是數之聯(lián)與國際頭部公司的首次正面碰撞,結果以數之聯(lián)成功執(zhí)行落幕。

成都數之聯(lián)科技股份有限公司logo

后來居上:從數據發(fā)端工業(yè)AI質檢

工業(yè)AI質檢是關乎生產良率的“命門”,但這道命門長期掌握在外國廠商手中。

據數之聯(lián)創(chuàng)始人兼董事長傅彥介紹,在圖像缺陷檢測軟件市場,國外廠商的市場占有率達到了60%以上;在大數據分析軟件方面,四家國際龍頭企業(yè)更是占據了80%的市場。巨頭大多成立時間久、研發(fā)投入高,壟斷建立在搶占早期地位上,傳統(tǒng)視覺檢測V軟件背后的公司已經成立40年, 另一巨頭德國M公司也成立了25年。

海外企業(yè)服務的價格高、服務慢,讓很多中國企業(yè)用起來極為痛苦。其次是傳統(tǒng)視覺檢測已經不足以應對行業(yè)日新月異的檢測要求。但國外企業(yè)長久研發(fā)積累的軟硬件技術優(yōu)勢仍然明顯,國內機器視覺市場由國際巨頭占據大量市場份額。隨著國產品牌逐漸在自動化領域深耕,2019年國產品牌銷售占比已到達 48.7%,未來有望憑借更低的價格、更優(yōu)質的服務、更快速的市場響應進一步提升國產化率,為數之聯(lián)殺入市場提供了機會。

尋求工業(yè)檢測行業(yè)的國產替代品,亦成為各大企業(yè)的當務之急。

“第一次接觸工業(yè)檢測是一家企業(yè)打電話問我們,分析數據這么厲害,能不能幫他們分析一下缺陷數據?！敝腔酃I(yè)事業(yè)部總經理方育柯回憶道:“我們一邊駐點一邊完成系統(tǒng)搭建,后來他們還挺滿意,我們就接著做了三期服務。”

2018年,數之聯(lián)打敗了某全球最大的信息技術和業(yè)務解決方案公司等競爭對手,為京東方和天馬提供面板檢測服務。“京東方的面板檢測涉及了PCB板、IC線路檢測等內容,加之新能源、移動互聯(lián)網的發(fā)展,我們都意識到泛半導體檢測的興起將是未來之勢?！狈接禄貞浾f。

數之聯(lián)ADC的服務行業(yè)

隨后,數之聯(lián)開始發(fā)力圖像處理分析,其軟件產品ADC(圖像自動缺陷檢測與分類系統(tǒng))推向市場。各家研發(fā)同時在這個增長行業(yè)里起跑,削弱了時間帶來的經驗主義,讓數之聯(lián)的優(yōu)勢得以凸顯。目前,數之聯(lián)服務過面板制造、PCB、封測、PCBA、新能源、汽車制造等行業(yè),在細分領域已是國內最大的ADC產品與解決方案提供商,市場對他們的高認可度反映在月均10%的訂單增長率上。

由軟件向硬件:構建機器視覺的骨骼

盡管國產圖像分析異軍突起,但不可否認的是,海外企業(yè)仍然處于強勢地位。國外高端制造業(yè)及自動化進程均早于我國,其中軟件和硬件的雙向發(fā)展缺一不可。以工業(yè)檢測的機器視覺為例,軟件算法是其血肉,決定了與具體場景的適配,而自動化硬件設備則是其骨骼,包含了對具體行業(yè)的理解。

在數之聯(lián)的硬件總監(jiān)宋安興看來,視覺檢測設備搭載AI算法迭代升級的機會已經到來。加入數之聯(lián)之前,他擁有多年的半導體設備開發(fā)經驗,加入后,他更是深刻認識到了AI+ADC的工業(yè)優(yōu)勢?！斑^去的視覺檢測以傳統(tǒng)算法為主,卷積神經網絡為輔;而隨著深度學習框架的飛躍,AI快速解決問題和兼容產品快速換型方面的優(yōu)勢逐漸凸顯,與此對應的設備供應商局面肯定也將重新改寫?！?/p>

根據36氪的市場調研,這也是AI+工業(yè)檢測最好的時代。自2018年開始,工業(yè)檢測的市場在不斷擴大。2020年,全球機器視覺市場規(guī)模為125億美元,國內則占據200億元人民幣(約31.6億美元),復合增長率超過12%。同時,國產工業(yè)檢測企業(yè)也在不斷崛起,天準科技、矩子科技、華興源創(chuàng)、精測電子等上市企業(yè),均實現(xiàn)了上億元年營收。

數之聯(lián)聚焦泛半導體行業(yè)的AI+工業(yè)檢測

泛半導體檢測設備成為了一個巨大的歷史機遇。這是數之聯(lián)AI算法搭載硬件,切入硬件化的最好時機。

而硬件的高技術、高專利和高利潤,都建立在高研發(fā)和高成本之上,這是所有硬件工業(yè)進行規(guī)?；邪l(fā)和生產要跨過的一道門檻,也是美國研發(fā)實力領跑全球的一大原因。

據歐盟委員會的《2020年歐盟工業(yè)研發(fā)投入記分牌》數據,全球企業(yè)研發(fā)入榜單圍公司數2500家中,美國有775家企業(yè)入圍,研發(fā)支出金額共為3477億歐元;其次是歐洲,有542家企業(yè)入圍,研發(fā)支出金額共為2209億歐元;再者是中國,有536家企業(yè)入圍,研發(fā)支出金額共為118.8億歐元,單家企業(yè)平均數僅為美國的0.49%。

數之聯(lián)要發(fā)展硬件設備,繞不開重工研發(fā)道路。為此,宋安興在數之聯(lián)力推自建硬件檢測的AOI(自動光學檢測設備),力爭將硬件科研思維引入了這家軟件公司。

10年的硬件設備開發(fā)經驗,推動著宋安興不斷地向同事解釋硬件思路:“第一次推AOI的時候,98%的員工都不知道AOI是什么。就像自己不了解AI算法一樣,光機電的技術要點讓大數據精英們摸不著頭腦,硬件的物料成本看來太過昂貴。更不要說設備還有加工、采購、組裝、調試等等環(huán)節(jié),所有的供應鏈和方式方法都得從零開始。前期的投入和成本高昂,但是量產之后的規(guī)模效益會帶來很高的價值。數之聯(lián)的AI算法國內首屈一指,而高價值的AOI一定是用AI算法做質檢的終極賽道?！?/p>

他花了很長時間和智慧工業(yè)部的同事解釋,做硬件的不同之處在哪里:“在大數據架構和工業(yè)設備的架構問題上,工業(yè)設備一般通過C做底層,C#做上層搭建。數之聯(lián)作為軟件公司,習慣了中心端架構方式。但現(xiàn)在我們需要適應設備行業(yè)的技術規(guī)范,才能快速兼容更多硬件模組,把推理部署在設備端,才能保證響應和復制性,進而做到更低的成本。同時,傳統(tǒng)的圖像采集算法需要通過拼接、切割或者其他手段處理圖片,之后才能做AI識別,而ADC是直接拿AOI檢出的圖片做分析,這是完全不一樣的做法,提高了AOI的系統(tǒng)難度。但是新老算法之間的協(xié)同必須解決,否則無法保證深度算法之前的圖像精度?！?/p>

經過幾個月的討論,數之聯(lián)準備讓宋安興搭建一個光學實驗室作為初步試水。這間辦公室改造的實驗室,成為了數之聯(lián)AOI檢測硬件的發(fā)源地。

補齊硬件,打開標品大門

基于數之聯(lián)在ADC軟件開發(fā)時期的良好口碑,他們在開發(fā)AOI硬件的過程中就接到不少聯(lián)絡電話,同時泛半導體行業(yè)的藍海特征也顯露了出來。經過數次實驗和溝通,數之聯(lián)先與一家外企進行了DEMO樣機測驗,結束后隨即接到青島某新能源電池企業(yè)的邀請,定制一款針對該廠新能源汽車電池的檢測軟硬件系統(tǒng)。

新能源汽車行業(yè)的飛速發(fā)展,導致這家電池企業(yè)急于尋找檢測解決方案,要求提供的檢測設備能在高動態(tài)的生產線上快速檢測出電池缺陷,精度需達到0.05毫米以下,檢測速率要毫秒級,他們始終未能在市面上找到現(xiàn)成的服務商。最終,數之聯(lián)用三個月時間完成這個定制方案的設計、樣機制造和組裝、算法調試和參數調整、建模,目前產品已上線。

數之聯(lián)在汽車行業(yè)的檢測應用

這次硬件的成功應用,打開了數之聯(lián)的AOI標品大河的一條涓流。隨后,數之聯(lián)一邊在多個項目上支持和改造產品,一邊積累經驗,優(yōu)化硬件,搭建標品框架。在幾十個需求方案中,數之聯(lián)逐漸完成了新能源電池、汽車零部件、電路板等方面的積累。

2021年8月,數之聯(lián)交付了完全自研的第一臺產品化AOI,能夠解決PCBA組裝后的缺陷問題,實現(xiàn)了從開發(fā)、設計、加工、組裝到調試的所有工作,而且一次性達到客戶要求。2022年1月26日,數之聯(lián)聚焦PCBA(電子印刷電路板)領域,正式推出一款基于深度學習的創(chuàng)新型硬件產品——追光AI-AOI,解決傳統(tǒng)AOI過檢、誤檢高、產品換型慢的問題,也相應節(jié)省了企業(yè)的人力。

數之聯(lián)的各項實測數據也展示了他們對工業(yè)檢測的全方位提升。

與其他AOI解決方案對比,數之聯(lián)追光AI-AOI搭載著數之聯(lián)深度學習神經網絡模型,該模型是數之聯(lián)集合了在泛半導體行業(yè)多個成功落地經驗及海量缺陷數據,訓練出的可兼容焊點形態(tài)變化、高泛化模型,能切實解決傳統(tǒng)AOI在編程/調試時間過長、誤判過高、因人而異的操作結果等核心痛點。在考慮低成本的同時,數之聯(lián)追光AI-AOI提供了同規(guī)格系列產品中,行業(yè)最快的運動速度(A4尺寸板,450片/h)和最大的檢測尺寸(50*50到510*510mm),以及兼容不同高度的產線(725-975mm)。與普通的AOI對比,數之聯(lián)追光AI-AOI通過AI模型,自動識別焊點位置,一個檢測框即可覆蓋各類缺陷的檢測,將之前1-2小時的產品換型時間縮短為10分鐘。

追光AI-AOI:自動識別焊點位置

此外,基于深度學習的焊點識別,可精準定位缺陷位置,對多種形態(tài)各異的焊點做出準確的判斷,解決傳統(tǒng)算法僅對缺陷進行OK/NG粗分類問題。

缺陷類型

經市場和客戶驗證,追光AI-AOI檢出率可達到99.99%,誤判率低于0.3%。其中,PCBA-DIP 爐后AOI已實現(xiàn)核心指標行業(yè)領先,有效提升了工廠工藝品質。

結語:自主、專精仍是工業(yè)核心

當前來看,機器視覺主要玩家仍是美、日、德等巨頭企業(yè),不過近年來我國對于高端裝備制造業(yè)越來越重視。整體產業(yè)需要擺脫進口依賴、發(fā)展高端制造,機器視覺技術必不可少,其對精準度的嚴格要求也必須從機器智能技術層面識別來實現(xiàn)。

方育柯和宋安興作為主推數之聯(lián)進軍AOI的負責人,認為“追光AI-AOI”已經達成了數之聯(lián)工業(yè)硬件的第一步?！暗磥磉€有很長的路要走?！彼伟才d表示,“工業(yè)檢測硬件產業(yè)也分上中下游,越上游越高精尖?，F(xiàn)在我們打磨了2年,打造出了追光AI-AOI,能夠滿足下游的PCBA檢測,未來我們也會保持研發(fā),快速拓展到PCB、封測等工業(yè)領域。”

對于這是不是數之聯(lián)「未來要做國內最大的工業(yè)數據企業(yè)」的重要一步,方育柯笑稱,“希望這是數之聯(lián)為中國制造2025作出貢獻的一小步?！?/p>