基于深度學(xué)習(xí)的工業(yè)儀器檢測應(yīng)用

作者：翁磊，劉聯(lián)峰

中檢集團(tuán)計量（溯源）有限公司

導(dǎo)讀

本研究旨在創(chuàng)建一個復(fù)合的系統(tǒng)框架，結(jié)合人工智能的識別技術(shù)、物聯(lián)網(wǎng)以及信息化技術(shù)，借此實(shí)現(xiàn)設(shè)備檢測的自動化流程。此項(xiàng)工作的初衷是為了進(jìn)一步提升實(shí)驗(yàn)設(shè)備操作的效率以及準(zhǔn)確性，通過降低人工操作帶來的誤差，確保實(shí)驗(yàn)數(shù)據(jù)的可靠性和準(zhǔn)確性。該方案自動提取和識別實(shí)驗(yàn)設(shè)備的數(shù)字信息，包括設(shè)備表盤讀數(shù)和設(shè)備樣品序列號，并一體化控制設(shè)備參數(shù)，有效減少了人為錯誤和時間成本。本文介紹了技術(shù)實(shí)踐過程，探討了其性能評估結(jié)果，并展望了未來的應(yīng)用前景。

01引言

實(shí)驗(yàn)室作為科學(xué)研究、第三方檢測的重要場所，扮演著記錄和分析數(shù)據(jù)的關(guān)鍵角色。實(shí)驗(yàn)室環(huán)境通常需要細(xì)致的記錄保存，以確保科學(xué)實(shí)驗(yàn)的可靠性和結(jié)果的再現(xiàn)性。傳統(tǒng)的記錄保存方法在很大程度上依賴于手工輸入和手寫文件，這帶來了人為錯誤和文書差異的風(fēng)險。

這些風(fēng)險包括：①人為誤差：操作人員可能會在記錄數(shù)據(jù)時犯錯，如寫錯數(shù)字、跳過某些數(shù)據(jù)或錯過關(guān)鍵細(xì)節(jié)。這可能導(dǎo)致數(shù)據(jù)記錄不準(zhǔn)確或不完整。②數(shù)據(jù)量大：有些實(shí)驗(yàn)可能涉及到大量的數(shù)據(jù)，例如在輻射量實(shí)驗(yàn)中， 每個樣本可能會產(chǎn)生十多個的數(shù)據(jù)點(diǎn)。在人工處理數(shù)據(jù)量時，容易出現(xiàn)遺漏或混淆數(shù)據(jù)的情況。③時間壓力：在實(shí)驗(yàn)室中，有時可能存在時間限制，需要在規(guī)定的時間內(nèi)完成實(shí)驗(yàn)并記錄數(shù)據(jù)。這種情況下，可能會感到緊迫或趕時間，容易出現(xiàn)匆忙或粗心的錯誤。

機(jī)器視覺是一門涉及人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計算機(jī)科學(xué)、圖像處理和模式識別等諸多領(lǐng)城的交叉學(xué)科。機(jī)器視覺（Computer Vision）主要關(guān)注計算機(jī)對于人類視覺系統(tǒng)所需解釋能力的模型化與實(shí)現(xiàn)。這些技術(shù)已經(jīng)被廣泛地應(yīng)用于醫(yī)學(xué)、自動化制造、安全控制和智能家居等不同領(lǐng)域。在安全防護(hù)上，機(jī)器視覺技術(shù)已經(jīng)成為一種關(guān)鍵的安全保護(hù)手段。利用視覺監(jiān)控系統(tǒng)在人員通道、重要地帶及交通路口等實(shí)施實(shí)時觀察， 能夠有效地防止和應(yīng)對盜竊、搶劫及火災(zāi)等意外發(fā)生。在智能制造領(lǐng)域，機(jī)器視覺技術(shù)同樣發(fā)揮著關(guān)鍵作用。通過使用視覺檢查技術(shù)在自動化生產(chǎn)線上進(jìn)行快速的零件檢查和分類，生產(chǎn)效率和產(chǎn)品質(zhì)量能得到顯著提升。醫(yī)學(xué)影像方面也是機(jī)器視覺技術(shù)的重要應(yīng)用領(lǐng)域。經(jīng)由對影像數(shù)據(jù)的處置和剖析，可以助力醫(yī)生迅速找到病變位置，并提高疾病檢測的準(zhǔn)確性和正確率。

在實(shí)驗(yàn)室檢測領(lǐng)域，目前機(jī)器視覺應(yīng)用較少，且主要集中在自動化程度較高、檢測設(shè)備較為精密的高端實(shí)驗(yàn)室中，但在大部分的已有檢測實(shí)驗(yàn)室中以及新導(dǎo)入的檢測設(shè)備中，各檢測設(shè)備或系統(tǒng)整合性不強(qiáng)，存在較多人工讀取設(shè)備數(shù)據(jù)或手工抄錄多個設(shè)備系統(tǒng)中數(shù)據(jù)，然后再整合進(jìn)統(tǒng)一的數(shù)據(jù)采集系統(tǒng)并進(jìn)行檢測報告的生成， 檢測工作效率較低、準(zhǔn)確性稍有欠缺。本應(yīng)用項(xiàng)目的主要目的是展示將深度學(xué)習(xí)視覺技術(shù)集成到實(shí)驗(yàn)室記錄保存中的多種優(yōu)勢。具體而言，我們的目標(biāo)是利用深度學(xué)習(xí)計算機(jī)視覺算法幫助準(zhǔn)確捕捉和準(zhǔn)確解析檢測結(jié)果， 同時減少與傳統(tǒng)記錄保存實(shí)踐相關(guān)的時間和精力。

02檢測方法概論

在智能制造領(lǐng)域，機(jī)器視覺檢測技術(shù)表現(xiàn)出時效性好、準(zhǔn)確性高、適用面廣的特性，廣泛應(yīng)用于目標(biāo)檢測工作中。在工業(yè)相機(jī)采集高分辨率圖片數(shù)據(jù)基礎(chǔ)上，實(shí)現(xiàn)多目標(biāo)物體識別、位置檢測，并關(guān)聯(lián)目標(biāo)物體的位置信息。機(jī)器視覺目標(biāo)檢測算法由目標(biāo)特征提取器、目標(biāo)分類與目標(biāo)位置區(qū)域搜索方法構(gòu)成。

1）模板匹配方法。模板匹配是一種高級的計算機(jī)視覺技術(shù)，可識別圖像上與預(yù)定義模板匹配的部分。它是在整個圖像上移動模板并計算模板與圖像上被覆蓋窗口之間的相似度的過程。此方法過程較為復(fù)雜，需要構(gòu)建多個模板，同時若采集到的目標(biāo)變形、旋轉(zhuǎn)等情況。會造成檢測目標(biāo)字符難以被識別，準(zhǔn)確率較低。

2）基于機(jī)器學(xué)習(xí)的字符識別。機(jī)器學(xué)習(xí)是將采集到的圖片經(jīng)過矯正處理、定位分割，最后將分割后的單個字符使用LSSVM 算法識別目標(biāo)字符。機(jī)器學(xué)習(xí)的方案比模板匹配方案有更好的識別率和準(zhǔn)確性。

3）基于深度學(xué)習(xí)的字符識別。隨著計算機(jī)視覺技術(shù)的發(fā)展，基于深度學(xué)習(xí)的目標(biāo)檢測方法逐漸成為主流。目前常用的目標(biāo)檢測深度學(xué)習(xí)算法有YOLO 系列和R-CNN 系列算法。YOLO 算法在大目標(biāo)、輕量化的場景中具有較好的檢測效果，同時具有較快的檢測速度。R-CNN 網(wǎng)絡(luò)在檢測的精度方面具有較好的效果。本文主要針對深度學(xué)習(xí)的方法用于字符識別開展應(yīng)用研究。

03基于深度學(xué)習(xí)的工業(yè)儀器檢測應(yīng)用

針對機(jī)器視覺在工業(yè)儀器設(shè)備檢測中場景梳理，可以確定其AI 模型的相關(guān)屬性及識別的復(fù)雜程度。實(shí)驗(yàn)室工業(yè)儀器設(shè)備檢測中除了檢測設(shè)備數(shù)顯儀表讀數(shù)外，還有設(shè)備型號、設(shè)備編號、設(shè)備樣品編號及設(shè)備廠家圖標(biāo)等信息，都需要機(jī)器視覺進(jìn)行拍攝后并識別出結(jié)果。同時實(shí)驗(yàn)過程一般還需要記錄溯源實(shí)驗(yàn)的溫度、濕度數(shù)據(jù)， 以及對實(shí)驗(yàn)設(shè)備的自動化操作控制記錄等。需要對不同的實(shí)驗(yàn)室檢測設(shè)備進(jìn)行不同的實(shí)際模型分類及邏輯控制。通過對實(shí)際案例中檢測需求的梳理分類發(fā)現(xiàn)，形狀、尺寸、一次檢測數(shù)量及待檢測設(shè)備擺放角度等對機(jī)器視覺的識別都有一定識別精準(zhǔn)性影響；因此，需要針對某個品牌型號和類型的待檢測設(shè)備進(jìn)行單獨(dú)的建模訓(xùn)練。

3.1 傳統(tǒng)計量設(shè)備計量讀數(shù)采集過程

以對γ 射線輻射計量設(shè)備的計量讀數(shù)智能視覺OCR 識別為例，通過傳統(tǒng)計量過程計量度數(shù)采集方法與基于深度學(xué)習(xí)的機(jī)器視覺OCR 識別方法進(jìn)行比對分析，對實(shí)現(xiàn)過程進(jìn)行表述。

當(dāng)前實(shí)驗(yàn)過程主要是通過人工操作放射源設(shè)備，根據(jù)檢定規(guī)程按要求發(fā)射伽馬射線，同時待被檢測設(shè)備讀數(shù)穩(wěn)定后，通過視頻監(jiān)控人工讀取數(shù)據(jù)，并進(jìn)行記錄。實(shí)驗(yàn)過程需按要求反復(fù)執(zhí)行多次，并記錄數(shù)據(jù)。計量實(shí)驗(yàn)室- 計量設(shè)備計量數(shù)據(jù)采集作業(yè)現(xiàn)有模式架構(gòu)圖如圖1 所示。

圖1 計量實(shí)驗(yàn)室

-計量設(shè)備計量數(shù)據(jù)采集作業(yè)現(xiàn)有模式架構(gòu)圖

3.2 基于深度學(xué)習(xí)的機(jī)器視覺檢測需求分析設(shè)計

為提升實(shí)驗(yàn)室自動化水平、提高檢測效率，自動原始記錄的主要需求：①自動識別被檢儀器，采集被檢設(shè)備的的品牌、型號、設(shè)備樣品編號的信息；②自動根據(jù)檢測要求，聯(lián)動操作放射源設(shè)備，如：工作臺、濾片位置等；③對接現(xiàn)有監(jiān)控視頻，采集視頻；④根據(jù)檢測要求， 自動讀取和記錄儀器儀表數(shù)據(jù)、記錄溫度濕度；⑤記錄數(shù)據(jù)可以對接導(dǎo)出其他三方系統(tǒng)，如Excel、實(shí)驗(yàn)室管理系統(tǒng)Lims 等。

經(jīng)過改造利用人工智能識別技術(shù)、物聯(lián)網(wǎng)及信息化技術(shù)， 實(shí)現(xiàn)設(shè)備的數(shù)字OCR（Optical Character Recognition，光學(xué)字符識別）人工智能識別，從而降低人工查看記錄設(shè)備數(shù)據(jù)的工作量，提升實(shí)驗(yàn)工作效率和準(zhǔn)確性。通過該方案，將實(shí)驗(yàn)設(shè)備的數(shù)字信息（如設(shè)備表盤讀數(shù)、設(shè)備樣品序列號等）自動提取和識別，并一體化控制實(shí)驗(yàn)設(shè)備參數(shù)，減少人為錯誤和時間成本。

結(jié)合目前人工智能識別技術(shù)應(yīng)用及方案目標(biāo)，實(shí)現(xiàn)方案架構(gòu)如圖2所示。

圖2 計量實(shí)驗(yàn)室- 計量設(shè)備計量數(shù)據(jù)采集作業(yè)

-人工智能化采集模式架構(gòu)圖

3.3 基于人工智能的目標(biāo)區(qū)域識別檢測

目標(biāo)檢測是指在圖像或視頻中自動地檢測出感興趣的目標(biāo)區(qū)域，并識別出這個目標(biāo)的類別。在人工智能的應(yīng)用領(lǐng)域中，目標(biāo)檢測具有廣泛的應(yīng)用價值?；谏疃葘W(xué)習(xí)的目標(biāo)檢測算法使用的是卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）學(xué)習(xí)特征的方式，這種特征學(xué)習(xí)方式能自動發(fā)現(xiàn)檢測及分類目標(biāo)所需要的特征，同時通過卷積神經(jīng)網(wǎng)絡(luò)將原始輸入信息轉(zhuǎn)化成更抽象、更高維的特征，這種高維特征具有強(qiáng)大的特征表達(dá)能力和泛化性，所以其在復(fù)雜場景下的性能表現(xiàn)較好，可滿足工業(yè)界的大部分應(yīng)用需求。

本項(xiàng)目中對目標(biāo)區(qū)域的識別檢測包括收集和整理設(shè)備數(shù)據(jù)集、訓(xùn)練模型和部署模型三個步驟。數(shù)據(jù)準(zhǔn)備主要是收集、標(biāo)注、劃分?jǐn)?shù)據(jù)集；訓(xùn)練模型即使用訓(xùn)練數(shù)據(jù)對模型進(jìn)行訓(xùn)練，使用測試數(shù)據(jù)對模型進(jìn)行測試，評估模型性能，對模型進(jìn)行優(yōu)化，提高檢測精度和速度；部署模型即編寫模型調(diào)用api，便于其他系統(tǒng)集成使用?；谌斯ぶ悄芩惴ǖ膱D像目標(biāo)區(qū)域識別工作流程如圖3 所示。

圖3 基于人工智能算法的圖像目標(biāo)區(qū)域識別工作流程

3.4 基于深度學(xué)習(xí)的文本信息OCR 識別檢測

OCR 識別的工作原理通常是通過將圖像或掃描文檔送入OCR 算法，然后分析圖像中的像素以識別不同的字符。這些字符可以是數(shù)字、字母和符號等。一旦字符被識別出來，它們就可以被轉(zhuǎn)換為計算機(jī)可讀的文本格式， 比如Word 文檔或文本文件。

為了保證識別的準(zhǔn)確度，會對圖像進(jìn)行一系列的處理。首先將目標(biāo)檢測算法得到的結(jié)果進(jìn)行處理，得到設(shè)備屏幕，進(jìn)一步處理獲取有效數(shù)據(jù)區(qū)域。在對圖像進(jìn)行差值處理，提高圖片內(nèi)文字的區(qū)分度，最后通過數(shù)字OCR 識別算法，得到數(shù)字文本進(jìn)行記錄。電子顯示屏文本信息的定位與OCR 識別如圖4 所示。

圖4 電子顯示屏文本信息的定位與OCR 識別

3.5 一體化控制

一體化控制是對實(shí)驗(yàn)室檢測設(shè)備和實(shí)驗(yàn)室管理軟件的集成，使得智能檢測與現(xiàn)有控制軟硬件形成一體化的流程，進(jìn)一步實(shí)現(xiàn)自動化控制。一體化控制作業(yè)流程圖如圖5 所示。

圖5 一體化控制作業(yè)流程圖

04實(shí)驗(yàn)結(jié)果與分析

在此場景下應(yīng)用了基于深度學(xué)習(xí)的機(jī)器視覺算法后， 對實(shí)驗(yàn)操作流程準(zhǔn)確性和效率有顯著的提升，對于單設(shè)備計量的檢測數(shù)據(jù)采集，平均每設(shè)備檢測數(shù)據(jù)采集時間由原來的20min 減少到10min，采集效率提升100%。對于單次多設(shè)備檢測，平均每設(shè)備檢測數(shù)據(jù)采集時間由原來的8min 減少到2min，采集效率提升300%，同時，數(shù)據(jù)的可訪問性大大提高。實(shí)驗(yàn)室檢測自動識別模型如圖6 所示。

圖6 實(shí)驗(yàn)室檢測自動識別模型

1）提高準(zhǔn)確性。計算機(jī)視覺算法有可能顯著減少記錄和減少實(shí)驗(yàn)室結(jié)果時的人為錯誤。通過自動化檢測和處理，可以有效消除手動數(shù)據(jù)輸入產(chǎn)生的錯誤，確保數(shù)據(jù)完整性，降低誤解風(fēng)險。

2）提高效率。通過計算機(jī)視覺技術(shù)實(shí)現(xiàn)數(shù)據(jù)采集和文檔記錄的自動化，使實(shí)驗(yàn)室人員能夠?qū)r間和專業(yè)知識分配給更關(guān)鍵的任務(wù)。人工數(shù)據(jù)輸入和轉(zhuǎn)錄容易出錯且耗時，可以用計算機(jī)視覺工具取代或增強(qiáng)，從而減少記錄保存所需的總時間。

3）提高數(shù)據(jù)可訪問性。計算機(jī)視覺技術(shù)允許創(chuàng)建易于搜索和訪問的數(shù)據(jù)庫，借助于一體化控制技術(shù)，與實(shí)驗(yàn)室現(xiàn)有管理軟硬件集成。這使研究人員能夠高效地檢索和分析數(shù)據(jù)，加快研究人員科學(xué)研究和數(shù)據(jù)報告的產(chǎn)出效率。

05未來發(fā)展展望

5.1 人工智能和機(jī)器學(xué)習(xí)

人工智能（AI）和機(jī)器學(xué)習(xí)（ML）算法在計算機(jī)視覺技術(shù)中的集成為推進(jìn)實(shí)驗(yàn)室記錄保存帶來了巨大的希望。這些技術(shù)有可能提高檢測的準(zhǔn)確性，優(yōu)化數(shù)據(jù)管理， 并促進(jìn)實(shí)時分析。人工智能和機(jī)器學(xué)習(xí)技術(shù)使實(shí)驗(yàn)室自動化系統(tǒng)能夠自動調(diào)整實(shí)驗(yàn)參數(shù)以達(dá)到最優(yōu)結(jié)果。通過不斷學(xué)習(xí)和調(diào)整，可以提供更高的實(shí)驗(yàn)成功率和效率， 提高效率。

融合了人工智能和機(jī)器學(xué)習(xí)技術(shù)的實(shí)驗(yàn)室自動化系統(tǒng)可以根據(jù)其內(nèi)部學(xué)習(xí)模型和規(guī)則進(jìn)行自主決策，以解決實(shí)驗(yàn)中的問題。它能夠識別并解決常見的錯誤和挑戰(zhàn)， 提供實(shí)驗(yàn)室工作人員更具創(chuàng)造性和戰(zhàn)略性的思考空間。

5.2 與物聯(lián)網(wǎng)和5G 技術(shù)融合

物聯(lián)網(wǎng)可以通過連接儀器、設(shè)備和傳感器，實(shí)現(xiàn)設(shè)備的智能化和自動化。傳感器可以收集實(shí)驗(yàn)數(shù)據(jù)和環(huán)境信息，將其傳輸?shù)皆贫?，從而?shí)現(xiàn)實(shí)時監(jiān)測、遠(yuǎn)程操作和數(shù)據(jù)分析。這可以大大提高實(shí)驗(yàn)室的運(yùn)行效率和數(shù)據(jù)質(zhì)量，并減少人為錯誤。

5G 技術(shù)的高速傳輸和低延遲特性可以提供更穩(wěn)定和可靠的通信。這意味著實(shí)驗(yàn)室可以實(shí)時傳輸大量數(shù)據(jù)， 并迅速響應(yīng)遠(yuǎn)程操作。此外，5G 技術(shù)還支持更多設(shè)備的連接，為實(shí)驗(yàn)室的擴(kuò)展和升級提供便利。

這種融合還可以實(shí)現(xiàn)實(shí)驗(yàn)室的遠(yuǎn)程訪問和協(xié)作。實(shí)驗(yàn)室人員可以通過互聯(lián)網(wǎng)連接到實(shí)驗(yàn)室設(shè)備，實(shí)時監(jiān)控和操作實(shí)驗(yàn)過程。這樣，在一些室外場景也可以實(shí)現(xiàn)自動化檢測，可以幫助實(shí)驗(yàn)室實(shí)現(xiàn)更高效、更智能的運(yùn)作。

06結(jié)論

本研究成功地融合了基于深度學(xué)習(xí)的人工智能識別技術(shù)、物聯(lián)網(wǎng)技術(shù)和信息化技術(shù)，實(shí)現(xiàn)了工業(yè)儀器實(shí)驗(yàn)設(shè)備自動識別。融合創(chuàng)新技術(shù)不僅提高了工業(yè)儀器和實(shí)驗(yàn)設(shè)備的操作速度，更加精確地實(shí)現(xiàn)了對數(shù)據(jù)的把握和控制，從而極大提高了實(shí)驗(yàn)的效率和準(zhǔn)確性。同時，解決了數(shù)據(jù)溯源、錯誤糾正和實(shí)驗(yàn)重復(fù)性等復(fù)雜問題，實(shí)現(xiàn)了科學(xué)實(shí)驗(yàn)的信息化和智能化。

這一融合創(chuàng)新在科研、工業(yè)生產(chǎn)和醫(yī)療保健等領(lǐng)域具有潛在的廣泛應(yīng)用前景，在數(shù)據(jù)驅(qū)動背景下，將為提高數(shù)據(jù)管理和實(shí)驗(yàn)操作水平做出重要貢獻(xiàn)，進(jìn)一步優(yōu)化和提高各領(lǐng)域的運(yùn)作效率和準(zhǔn)確性。隨著本領(lǐng)域研究的不斷深入和技術(shù)的不斷進(jìn)步，有望更好地滿足社會和科學(xué)的需求。期待通過基于深度學(xué)習(xí)機(jī)器視覺和信息技術(shù)的不斷發(fā)展，為工業(yè)智檢貢獻(xiàn)力量。

來源：《智能制造》5期雜志

審核編輯：湯梓紅