【儀表網 儀表標準】按照中國電子工業標準化技術協會團體標準制修訂項目工作安排，標準起草組已完成《面向電子行業的工業AI視覺在線檢測系統技術規范》團體標準(項目號：CESA-2022-038)征求意見稿的編制工作。現按照協會《團體標準制修訂程序(試行)》的要求，公開征求意見。
 

　　電子信息產業是我國的支柱性產業，是推動我國產業結構轉型和優化升級的核心基礎產業。當前正處于新一輪科技革命和產業變革的關鍵突破期，電子信息行業是我國占領未來的科技高地的重點突破口。電子信息行業屬于知識、技術密集型行業，具備技術更新迭代快，訂單批量大，產品科技含量和附加值高，產品質量和可靠性敏感等特點，對研發能力、生產效率和質量控制能力均提出了較高要求。但當前電子信息企業長期面臨著產品質量和生產效率提升困難，市場響應不夠敏捷等痛點，且隨著我國要素紅利逐步消失，對電子信息行業轉型發展造成了較大的沖擊。
 

　　隨著新一代信息技術和電子信息行業深度融合，正推動電子信息行業發生著深刻的變革，為電子信息行業打破當前發展困局提供了有效路徑和可行方法。聚焦至AI視覺領域，一方面工業視覺賦能電子產品質量檢驗。面向 PCBA、晶圓、 封裝、面板和整機等主要電子產品，圍繞原材料復檢、制程質量管控、整機和包 裝等生產關鍵環節，實現包括 PCB 排線順序和質量檢測，焊接、膠合、扣合等制 造缺陷檢測，組裝錯漏反檢測，壓劃碰等外觀缺陷檢測，封裝質量和缺陷檢測， 以及標簽印刷、LOGO 印刷等包裝缺陷檢測，有效提升檢測精度和檢測效率，提 高產品良品率和直通率，大幅度降低人力成本。另一方面，工業視覺輔助制程過 程精準作業。面向 PCB 制造、SMT 貼片、SMD 貼裝、晶圓制造等過程，應用工業 視覺進行精確地元件識別與定位放置，設備引導與校準等，實現包括 SMT 原件識 別與放置，SMD 貼裝定位，LCD 玻璃定位，切片機引導與校準，晶圓預校準與精 細校準等，提高作業效率與操作精度，進而提高生產效率和降低廢品率。
 

　　國內不同行業使用人工智能的準備度有不同，電子及通信設備、家用電器制造、汽車制造、 電力及電氣行業準備度較高，主要集中在 AI 視覺檢測領域，但尚未形成統一的理論框架和方法，呈現出解決方案多、商用產品少，專有方案多、 通用方案少的問題，仍困擾著當前 AI 應用于智能制造以及平臺的長遠建設。通過進一步發展基礎共性技術、行業通用技術和新技術，開展多方面試驗驗證，加 速產品和服務的產業化成果轉化和規模化應用。
 

　　本文件按照GB/T 1.1—2020《標準化工作導則 第1部分：標準化文件的結構和起草規則》的規定起草。本文件規定了用于電子行業3C類產品(計算機類、通信類和消費類電子產品)的工業視覺在線檢測系統的基本架構、功能要求、性能要求及測試方法。本文件適用于電子行業3C類產品在器件錯漏反檢測、異物檢測、工業OCR及外觀缺陷檢測等場景應用的工業視覺在線檢測系統的規劃、設計、實施和檢測。
 

　　圖像采集：
 

　　圖像采集的要求包括： a) 圖像采集單元應滿足一組成像設備抓拍成像或多組成像設備同步抓拍成像；
 

　　b) 圖像傳輸應支持 TCP/IP、FTP、USB、CXP、GIGE、CAMLINKE 等一種或多種傳輸協議；
 

　　c) 圖像成像像素應支持 30 萬、130 萬、200 萬、500 萬、1200 萬、2500 萬、2900 萬、3100 萬、 5000 萬、6500 萬、15000 萬等一種或多種分辨率，圖像成像像素宜能設置；
 

　　d) 圖像成像編碼格式應支持 Bayer8、RGB、BMP、PNG、RGB-D、YUV、Mono 8/10/12 等一種或多種格式；
 

　　e) 圖像成像文件格式應支持 jpeg、tiff 等一種或多種格式；
 

　　f) 圖像成像應支持 1 位、8 位、16 位、24 位、32位等；
 

　　g) 圖像幀率應滿足業務應用需求，支持20FPS以上；
 

　　h) 宜支持對圖片根據檢測要求進行摳圖、拼接、縮放及配準等編輯操作；
 

　　i) 宜支持圖像位置預處理：配準矯正、旋轉等；
 

　　j) 宜支持圖像的 ROI(Region of Interest)功能；
 

　　k) 宜支持圖像增強處理：光照預處理、對比度增強等。
 

　　AI 服務：
 

　　AI服務的要求包括： a) 應支持根據質檢場景建立流程任務，包括數據接入、數據處理、模型訓練、模型驗證、模型部署等；
 

　　b) 應支持提供標準化推理交互接口，與工位模塊推理請求和返回結果交互；
 

　　c) 宜支持圖像質量檢測與篩選功能，支持濾除無法正常識別的低質量圖像，支持圖像增強和圖像修復；
 

　　d) 宜具備目標定位、圖像識別、實例分割等功能；
 

　　e) 宜支持小樣本訓練，模型部署后能夠對未采集分析的場景圖像進行再訓練，提高模型識別精確率。
 

　　運維管理：
 

　　運維管理的要求包括：a) 應支持根據質檢場景，進行推理服務部署和資源配置；
 

　　b) 應支持數據輸出功能，將推理結構化數據、壓縮圖片等處理結果輸出；
 

　　c) 應支持對 AI 推理的服務性能進行評測和監控，如檢測速度、資源開銷等；
 

　　d) 應具備統管算法、建模和訓練功能，與邊側協同完成數據標注、邊緣推理和邊緣部署；
 

　　e) 應具備多算法管理功能，能根據場景業務需求快速部署算法；
 

　　f) 應具備模型可靠性評估和增強功能，通過如模型故障注入等失效模擬機制，在訓練過程中增強 模型的可靠性；
 

　　g) 應具備對抗訓練框架，支持對抗攻擊防御效果評估及增強，實現 AI 模型的魯棒性評估和增強； h) 宜支持邊云協同，例如，在邊緣部署的推理子系統，與云端部署的訓練、管理、存儲等子系統 通過網絡進行協同。
 

　　i) 宜支持對 AI 模型構建過程的可追溯； j) 宜支持模型的可解釋性，如特征重要度等。
 

　　數據存儲：
 

　　數據存儲的要求包括：a) 應支持原始圖片、標注數據、數據集、推理結果等保存，包含結構化數據、通過/不通過結果 等；b) 應支持鏡像、算法、模型等文件的保存；c) 應支持軟件運行日志、審計日志保存等。(更多詳情請見附件)