图像质量在人工智能视觉检测系统中的重要性

目前，人工智能在视觉检测领域的应用正在汽车、金属和机械制造等行业取得长足进步。然而，投资这项技术的公司不仅期望系统优于人工检测，还期望缺陷检测的错误率接近于零。然而，图像质量的重要性和生产环境的多变性，是人工智能工程师必须面对的最大挑战。

工业4.0照相机系统和技术概念

图像质量是人工智能检测模型性能的关键因素。它对模型的训练过程至关重要，而且在生产线上部署模型时仍然至关重要。许多客户期望误差率接近于零，每台摄像机的误报率低于 1%。相比之下，人工检测人员的错误率虽然因应用而异，但通常高于10%，有些人甚至认为接近20%。

如果图像质量差，就无法实现这些宏伟目标。考虑这个问题时，一个很好的出发点就是特征提取。就像人眼一样，在观察图像时，模型会尝试提取尽可能多的特征来检测缺陷本身，然后对其进行正确的分类或归类。从图像中提取的特征越多，准确预测缺陷类别的概率就越高。

因此，高分辨率图像非常重要，因为它能提供更多细节和特征。约翰逊标准是我们技术的基准标准。

约翰逊标准是以科学家约翰逊的名字命名的，最初于20世纪50年代在军事应用中推出，后经约翰逊发展为检测、识别和鉴定的标准。它们是通过确定对对象或图像进行准确评估所需的像素数来计算的。我们告诉客户，如果低于约翰逊标准，将无法保证KPI，因为图像质量将过低。

智能工厂中的机器人视觉传感器摄像系统

然而，在另一端，图像分辨率可能过高。出于上述原因，提高图像分辨率通常是件好事，但到了一定程度后，额外的像素只会减慢GPU上推理流水线的速度。在我们处理的许多应用中，这一过程都是以毫秒为单位的，因此如果图像分辨率过高，就需要采用各种技术来调整图像，并在推理过程中保持正确的速度。

讨论图像质量时值得一提的另一个因素是色彩深度。图像可以表现出更宽的色调范围和更高的色彩深度。如果再加上高分辨率，就能区分两个非常相似但不完全相同的物体。不过，在我们目前处理的许多应用中，使用的都是灰度图像，这可能是因为相机是灰度的，也可能是因为物体本身不具有任何颜色，例如金属部件。

下一个要考虑的因素是对比度和锐度。虽然这两个因素相似，因此值得放在一起考虑，但两者之间还是有细微的差别，因为锐化指的只是物体边界或边缘的对比度。对比度越大，就越容易区分背景和前景；图像越清晰，就越容易区分裂缝和水印。

克服挑战

要建立一个能准确检测缺陷并对缺陷进行分类的人工智能模型，其中一个关键挑战是训练数据的可用性。LLM可以通过互联网上的开源数据进行训练，而用于质量检测的人工智能模型则不同，它需要从生产环境中获取数据。在QualiSense，我们通过与Johnson Electric的合作克服了这一挑战。

然而，即使是如此大量的数据本身也是不够的。在建立模型时，用户会尝试针对最坏的情况以及希望最终不会在生产环境中遇到的情况进行测试。如果不使用异常值对模型进行训练，较罕见的缺陷就会漏网。因此，对现有数据进行扩充以获得更多信息，是这一过程的重要组成部分。例如，如果用户有一个零件的图像可以将其翻转，创建另一个反面的零件图像，这样就可以获得更多的数据用于训练，并将模型暴露出来。数据进行训练，并让模型面临变化。

在质量检测中处理图像质量时，噪音问题是一个常见问题，这一点不足为奇。人类比机器更容易过滤噪音。噪声会混淆或带走模型进行视觉提取所需的信息。噪声图像会以不同的方式表现事物，提供虚假的线索或迹象，而这些线索或迹象在现实中并不存在。为了克服这一难题，有必要引入噪声作为一种预处理技术或增强技术。

对于任何计算机视觉模型来说，噪声都是一个挑战，但如果要建立一个用于生产和质量检测的模型，则会面临一个独特的挑战：生产环境中的可变性很高。人工智能模型的检测能力比人眼更强，但在可变性方面却更为吃力。例如，光线的细微变化、阴影的出现或传送带的细微变化都是常见的变化。这些都是制作环境中常见变化的例子，会给摄像机和人工智能模型带来问题。

可以说，这种可变性是人工智能专家建立一个成功的质量检测模型所需要克服的最大挑战。为了达到客户的关键绩效指标，模型必须非常灵敏，不仅能检测出最常见的缺陷，还能检测出罕见缺陷和异常值。但是，如果模型过于敏感，那么生产环境的微小变化都需要大量更新，这就需要质量经理投入更多的时间和精力。

与噪声一样，在生产线上进行推理时，克服这一问题的关键在于复杂的预处理和增强，以便在训练过程中提供高水平的可变性，并确保模型不会对生产环境的变化过于敏感。如果我们回顾一下以往复杂检测任务质量检测自动化的尝试，往往就会发现这种可变性的挑战、正是这种可变性的挑战，导致了不断更新模型的漫长而乏味的过程。值得庆幸的是，我们现在正在构建下一代人工智能模型，其复杂程度足以克服这一障碍。

QualiSense于2022年与Cortica和Johnson Electric合作成立，为生产质量保证提供快速、可扩展的通用增强型人工智能平台，可降低部署自动检测系统所需的成本和时间，并能自动适应生产和环境变化，只需极少的人工干预。QualiSense是专为生产车间设计的纯软件解决方案供应商，可提供高产能，并可与任何摄像系统轻松集成，以便加装到现有或新的生产线上。公司为顶级汽车原始设备制造商提供了多个生产系统，有18项专利正在申请中，还有14项正在申请中。

作者：Sagi Dolberg（QualiSense人工智能和软件主管）

来源：荣格-《国际工业激光商情》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。