生产线的AI智能化难点在如何融进柔性生产！本文为你介绍一种思路_专栏

前言

随着制造业的快速发展，产品质量和生产效率成为企业竞争的关键因素。产品外盒标签的正确黏贴不仅关系到品牌形象，还直接影响到产品的合规性和市场接受度。目前，许多企业在产线末端仍依赖人工检查标签，这种方式不仅耗时费力，还容易出错。本文将介绍智能工厂服务商如何借助云锦OS视觉智能体解决方案为一家泵机品牌商，实现产品外盒标签的自动检测，提高生产效率和质量控制水平。

项目背景

终端客户是一家泵机品牌生产商，目前在泵机生产过程中，需要对外包装人工黏贴对应的纸质标签。工人对原始纸箱贴完标签后，在产线末端打包机对产品进行打包。然而，由于产线生产内容不同，标签也随之改变，容易出现工人误贴标签的情况。人工检测效率过低，并且无法追溯，因此该企业希望在产线末端通过AI质检的方式检测产品外盒标签的正确黏贴。
对于AI算法希望能够实现如下功能：

标签正确性检测：确保每个产品外盒上的标签正确无误，包括标签类型、位置和内容、标签多贴、少贴和错贴等情况。
异常报警：如发现标签错误或缺失，立即进行报警，以便及时处理。
柔性生产支持：支持不同产线、不同时间段的标签类型配置，以适应多品种、小批量的生产模式

挑战与解决方案

产线瑕疵AI检测方案商众多，但始终未找到符合客户需求的产品，主要是面临着以下几方面的挑战：

标签种类多变：不同产线、不同时间段需要使用不同外盒和不同类型的标签，单独现有的检测方法难以灵活适应。
算法虽可定制，但无法自主扩展：缺乏持续定制的服务，企业难以自主扩展不同的标签检测算法，去适应不断变化的生产需求。

为了解决上述痛点，该位智能工厂服务商最终决定采用云锦微视觉智能体提供的解决方案。云锦微视觉智能体是一个具备极高场景匹配能力的智能识别平台，特别适合处理类似此类特定目标识别且会需要快速扩展其他相近识别类目需求的项目。

落地过程

面对客户的特定需求与痛点，云锦OS视觉智能体完全匹配客户所需，解客户所痛，具体如下所示：

质检算法预训练模型定制的服务：

外盒数据收集：基于服务商共安装的3-5个工业摄像机采集批量的外盒三个面数据集，用于算法训练。
完成算法0-1的开发：基于收集的数据，云锦OS将完成从无到有的算法开发过程，并确保算法的准确性和实用性。
全权交付算法和标注数据集：将训练好的算法和完整的标注数据集全权交付给客户，使客户能够完全掌握算法的所有权和使用权。

自带算法训练工具：

VT-Station：该方案最吸引人的一点是，它自带一套直观易用的算法训练工具——VT-Station。通过这个平台，用户可以基于预训练模型，通过增加场景下的数据并自主训练出适用于特定场景下的算法模型。
自主迭代：这意味着厂商不再受限于市面上有限的预训练模型，而是可以根据自身的需求定制最适合的解决方案。

免费的告警应用软件：

云锦OS还提供了免费的告警应用软件，用户无需任何应用开发，即可快速搭建AI视觉检测系统，实现即时告警功能。

落地过程

落地思路

先对当前对组装产线做改造，试点项目先拿2个产品品类来验证。具体落地步骤如下所示。
1、搭建简单系统，收集数据集

数据准备：加装龙门架横杆等结构件和控制联动系统、供电系统等，通过共安装3-5个工业摄像机对外盒三个面开展数据采集及检测。
算法定制：云锦微提供包括标签检测、OCR+选择识别混合算法（用于识别人工勾选或者标签，例如产品颜色、产品规格等标签）、条形码识别等算法定制的服务。

2、部署验证

初步部署：将训练好的算法部署到生产线上进行初步验证。在这个阶段，厂商可能会遇到一些漏报或误报的情况。
持续迭代：对于出现的任何异常数据，厂商都会将其收集起来，并通过VT-Station进行二次训练，进一步提高算法的准确性和稳定性。
柔性生产：使用云锦微的VT-Station工具选择对应的算法类型，进行数据集的二次补充及标注。完成数据标注后，厂商通过VT-Station进行算法本地训练。这一过程简单易用，不需要额外的技术支持。