【儀表網(wǎng) 儀表標(biāo)準(zhǔn)】按照中國電子工業(yè)標(biāo)準(zhǔn)化技術(shù)協(xié)會團體標(biāo)準(zhǔn)制修訂項目工作安排，標(biāo)準(zhǔn)起草組已完成《面向電子行業(yè)的工業(yè)AI視覺在線檢測系統(tǒng)技術(shù)規(guī)范》團體標(biāo)準(zhǔn)(項目號：CESA-2022-038)征求意見稿的編制工作。現(xiàn)按照協(xié)會《團體標(biāo)準(zhǔn)制修訂程序(試行)》的要求，公開征求意見。
 

　　電子信息產(chǎn)業(yè)是我國的支柱性產(chǎn)業(yè)，是推動我國產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和優(yōu)化升級的核心基礎(chǔ)產(chǎn)業(yè)。當(dāng)前正處于新一輪科技革命和產(chǎn)業(yè)變革的關(guān)鍵突破期，電子信息行業(yè)是我國占領(lǐng)未來的科技高地的重點突破口。電子信息行業(yè)屬于知識、技術(shù)密集型行業(yè)，具備技術(shù)更新迭代快，訂單批量大，產(chǎn)品科技含量和附加值高，產(chǎn)品質(zhì)量和可靠性敏感等特點，對研發(fā)能力、生產(chǎn)效率和質(zhì)量控制能力均提出了較高要求。但當(dāng)前電子信息企業(yè)長期面臨著產(chǎn)品質(zhì)量和生產(chǎn)效率提升困難，市場響應(yīng)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(yè)轉(zhuǎn)型發(fā)展造成了較大的沖擊。
 

　　隨著新一代信息技術(shù)和電子信息行業(yè)深度融合，正推動電子信息行業(yè)發(fā)生著深刻的變革，為電子信息行業(yè)打破當(dāng)前發(fā)展困局提供了有效路徑和可行方法。聚焦至AI視覺領(lǐng)域，一方面工業(yè)視覺賦能電子產(chǎn)品質(zhì)量檢驗。面向 PCBA、晶圓、 封裝、面板和整機等主要電子產(chǎn)品，圍繞原材料復(fù)檢、制程質(zhì)量管控、整機和包 裝等生產(chǎn)關(guān)鍵環(huán)節(jié)，實現(xiàn)包括 PCB 排線順序和質(zhì)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(zhì)量和缺陷檢測， 以及標(biāo)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(chǎn)品良品率和直通率，大幅度降低人力成本。另一方面，工業(yè)視覺輔助制程過 程精準(zhǔn)作業(yè)。面向 PCB 制造、SMT 貼片、SMD 貼裝、晶圓制造等過程，應(yīng)用工業(yè) 視覺進行精確地元件識別與定位放置，設(shè)備引導(dǎo)與校準(zhǔn)等，實現(xiàn)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(dǎo)與校準(zhǔn)，晶圓預(yù)校準(zhǔn)與精 細(xì)校準(zhǔn)等，提高作業(yè)效率與操作精度，進而提高生產(chǎn)效率和降低廢品率。
 

　　國內(nèi)不同行業(yè)使用人工智能的準(zhǔn)備度有不同，電子及通信設(shè)備、家用電器制造、汽車制造、 電力及電氣行業(yè)準(zhǔn)備度較高，主要集中在 AI 視覺檢測領(lǐng)域，但尚未形成統(tǒng)一的理論框架和方法，呈現(xiàn)出解決方案多、商用產(chǎn)品少，專有方案多、 通用方案少的問題，仍困擾著當(dāng)前 AI 應(yīng)用于智能制造以及平臺的長遠(yuǎn)建設(shè)。通過進一步發(fā)展基礎(chǔ)共性技術(shù)、行業(yè)通用技術(shù)和新技術(shù)，開展多方面試驗驗證，加 速產(chǎn)品和服務(wù)的產(chǎn)業(yè)化成果轉(zhuǎn)化和規(guī)模化應(yīng)用。
 

　　本文件按照GB/T 1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則 第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。本文件規(guī)定了用于電子行業(yè)3C類產(chǎn)品(計算機類、通信類和消費類電子產(chǎn)品)的工業(yè)視覺在線檢測系統(tǒng)的基本架構(gòu)、功能要求、性能要求及測試方法。本文件適用于電子行業(yè)3C類產(chǎn)品在器件錯漏反檢測、異物檢測、工業(yè)OCR及外觀缺陷檢測等場景應(yīng)用的工業(yè)視覺在線檢測系統(tǒng)的規(guī)劃、設(shè)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(yīng)滿足一組成像設(shè)備抓拍成像或多組成像設(shè)備同步抓拍成像；
 

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

　　c) 圖像成像像素應(yīng)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(shè)置；
 

　　d) 圖像成像編碼格式應(yīng)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(yīng)支持 jpeg、tiff 等一種或多種格式；
 

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

　　g) 圖像幀率應(yīng)滿足業(yè)務(wù)應(yīng)用需求，支持20FPS以上；
 

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

　　i) 宜支持圖像位置預(yù)處理：配準(zhǔn)矯正、旋轉(zhuǎn)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(yù)處理、對比度增強等。
 

　　AI 服務(wù)：
 

　　AI服務(wù)的要求包括： a) 應(yīng)支持根據(jù)質(zhì)檢場景建立流程任務(wù)，包括數(shù)據(jù)接入、數(shù)據(jù)處理、模型訓(xùn)練、模型驗證、模型部署等；
 

　　b) 應(yīng)支持提供標(biāo)準(zhǔn)化推理交互接口，與工位模塊推理請求和返回結(jié)果交互；
 

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

　　d) 宜具備目標(biāo)定位、圖像識別、實例分割等功能；
 

　　e) 宜支持小樣本訓(xùn)練，模型部署后能夠?qū)ξ床杉治龅膱鼍皥D像進行再訓(xùn)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(yīng)支持根據(jù)質(zhì)檢場景，進行推理服務(wù)部署和資源配置；
 

　　b) 應(yīng)支持?jǐn)?shù)據(jù)輸出功能，將推理結(jié)構(gòu)化數(shù)據(jù)、壓縮圖片等處理結(jié)果輸出；
 

　　c) 應(yīng)支持對 AI 推理的服務(wù)性能進行評測和監(jiān)控，如檢測速度、資源開銷等；
 

　　d) 應(yīng)具備統(tǒng)管算法、建模和訓(xùn)練功能，與邊側(cè)協(xié)同完成數(shù)據(jù)標(biāo)注、邊緣推理和邊緣部署；
 

　　e) 應(yīng)具備多算法管理功能，能根據(jù)場景業(yè)務(wù)需求快速部署算法；
 

　　f) 應(yīng)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(xùn)練過程中增強 模型的可靠性；
 

　　g) 應(yīng)具備對抗訓(xùn)練框架，支持對抗攻擊防御效果評估及增強，實現(xiàn) AI 模型的魯棒性評估和增強； h) 宜支持邊云協(xié)同，例如，在邊緣部署的推理子系統(tǒng)，與云端部署的訓(xùn)練、管理、存儲等子系統(tǒng) 通過網(wǎng)絡(luò)進行協(xié)同。
 

　　i) 宜支持對 AI 模型構(gòu)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(shù)據(jù)存儲：
 

　　數(shù)據(jù)存儲的要求包括：a) 應(yīng)支持原始圖片、標(biāo)注數(shù)據(jù)、數(shù)據(jù)集、推理結(jié)果等保存，包含結(jié)構(gòu)化數(shù)據(jù)、通過/不通過結(jié)果 等；b) 應(yīng)支持鏡像、算法、模型等文件的保存；c) 應(yīng)支持軟件運行日志、審計日志保存等。(更多詳情請見附件)