近日，中国移动与清华大学合作撰写的论文“Industry-oriented Detection Method of PCBA Defects Using Semantic Segmentation Models”被自动化领域顶级期刊《IEEE/CAA Journal of Automatica Sinica》录用（2023年影响因子为11.8）。论文针对当前基于视觉的工业缺陷检测方法算力成本高、检测误报率高、人工复检频繁的问题，提出一种基于语义分割的轻量级工业缺陷检测算法，有效降低漏报率和误报率指标；同时通过在端侧计算设备部署，实现现场级的低时延缺陷检测，提升应用部署灵活性，降低部署成本。该成果为基于端侧算力的工业质检方案提供重要参考，对于端侧智能在行业场景的落地应用具有重要意义。
论文首页
目前传统基于视觉的工业缺陷检测方法在检测准确率和适配灵活性两方面均存在问题：一方面，漏检率与误检率较高，需要进行大量的人工复检，导致整个产线的产能效率较低；另一方面，目前的工业缺陷检测算法通常规模较大，主要依托于云端服务器，数据在云侧与端侧之间传输，时延高、计算开销大。同时，随着工业水平的提升和产业转型升级，各种工业产品趋于多元化和复杂化，对工业缺陷检测模型的泛化能力也提出了更高的要求。
针对上述问题，论文提出一种基于语义分割的轻量级工业缺陷检测算法，通过对工业图像的关键目标区域进行像素级语义分割，结合缺陷产生的根因设计检测规则，进行综合判决，有效降低误报率和漏报率。在此基础上，引入了剪枝、量化和局部残差策略，将网络参数从原先将近两千八百万个精简至不足五十万个，在精确分割工业视觉图像的同时，大幅减少了模型计算开销，可将模型灵活部署于行业网关等端侧计算设备，降低部署成本和检测时间，实现现场级低时延工业缺陷检测。
基于语义分割的轻量级工业缺陷检测算法流程图
同传统基于视觉的工业缺陷检测方法相比，在真实产线图像数据集上（近千张分辨率为2448×2048的印刷电路板图像），本算法单张图像检测时延从20秒缩短到6秒，检测效率大大提高；误报率和漏检率分别降至0.04%和0，人工复检成本大幅降低，产线在单位时间内的吞吐量增加了3倍以上。
基于语义分割的工业缺陷检测演示产线
论文的研究成果为基于端侧算力的工业质检解决方案提供重要参考，对于端侧智能在智慧工厂的落地与应用具有重要意义。未来，中国移动将继续加强技术创新，进一步推动工业生产的智能化升级，为智能制造的发展贡献力量。
