韓國工廠應用圖——玻璃檢測設備集成至清洗機后

一、被“卡脖子”的玻璃檢測行業(yè)：賽拓星眸博士團隊“破壁”研發(fā)

         玻璃檢測設備技術門檻高，涉及數(shù)字圖像處理技術、機械工程技術、控制技術、電光源照明技術、光學成像技術、傳感器技術、模擬與數(shù)字視頻技術、計算機硬件技術、人機接口技術等多學科復雜技術，對研發(fā)團隊具有非常高的要求。一支由大連理工大學、大連工業(yè)大學博士組成、涵蓋光/機/電/算/軟全技術鏈的研發(fā)團隊，在攻關玻璃表面缺陷檢測技術的道路上 “披荊斬棘”數(shù)年。賽拓星眸負責人回憶，為解決玻璃檢測場景的兩大核心難點——光學成像、算法模型，團隊幾經(jīng)推翻重來后，最終特別設計：

         光學成像方面攻堅：玻璃圖像采集質(zhì)量直接影響著玻璃缺陷的可辨識度，不同缺陷的光學表現(xiàn)差異大，要克服環(huán)境干擾因素，團隊自主設計的綜合性打光方式，采用多角度打光、明暗場多路識別，結(jié)合圖像預處理等技術，從多個維度對缺陷進行精準識別和分類，通過綜合性打光方式及算法優(yōu)化精簡了硬件復雜性，降低設備成本。自適應光源強度調(diào)節(jié)技術，提高產(chǎn)品兼容性，對透光率低的玻璃有良好檢測能力。

         算法模型方面另辟蹊徑：應用AI大模型與細分模型相結(jié)合的方式，小樣本數(shù)據(jù)訓練，高精度高準確度檢測。依托小樣本玻璃缺陷數(shù)據(jù)通過樣本擴充、數(shù)據(jù)標注、算法訓練，獲得針對客戶玻璃缺陷的智能算法，可以精準識別并分類氣泡、結(jié)石、夾雜物、深劃傷、淺劃傷、崩邊、霉粉、污漬、水漬、蚊蟲、刷毛、繩子印、吸盤印等玻璃缺陷及干擾項。對于新出現(xiàn)的各種瑕疵類型可以快速響應，隨著設備在工廠的持續(xù)使用，檢測模型持續(xù)迭代，設備檢測能力越來越強大。