人工智能模仿人類(lèi)行為——作為其分支，計(jì)算機(jī)視覺(jué)再現(xiàn)了人類(lèi)解讀圖像的能力。該技術(shù)借鑒了人類(lèi)視覺(jué)系統(tǒng)的復(fù)雜性，模仿其處理視覺(jué)信息的方式。雖然拍攝圖像的謎團(tuán)在數(shù)百年前就被解開(kāi)了（并隨著相機(jī)的發(fā)明而被封存），但圖像解釋它一直是一個(gè)困難的部分。有了人工智能，這一切成為可能。

在計(jì)算機(jī)視覺(jué)的情況下，眼睛被傳感設(shè)備和視覺(jué)皮層所取代——由機(jī)器學(xué)習(xí)算法驅(qū)動(dòng)的解釋設(shè)備。通過(guò)使用大型圖像數(shù)據(jù)集進(jìn)行訓(xùn)練，深度學(xué)習(xí)模型可以解釋給定圖像的內(nèi)容。該機(jī)制用于制造缺陷和異常檢測(cè)。

以滿足所有質(zhì)量要求的完美產(chǎn)品的圖像樣本為樣本，深度學(xué)習(xí)模型形成了自己的邏輯，學(xué)習(xí)識(shí)別不同類(lèi)型的缺陷。設(shè)備捕獲的圖像將根據(jù)其進(jìn)行評(píng)估，如果不匹配，則立即標(biāo)記缺陷。開(kāi)發(fā)人員可以利用不同的方法，創(chuàng)建生成性異常檢測(cè)算法，如貝葉斯網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)（RNN）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）、GAN或變分自動(dòng)編碼器。

在最常見(jiàn)的情況下，算法將產(chǎn)品分類(lèi)為有缺陷或無(wú)缺陷。模型還可以通過(guò)監(jiān)督學(xué)習(xí)進(jìn)行訓(xùn)練，根據(jù)缺陷的嚴(yán)重程度、類(lèi)型或狀態(tài)對(duì)其進(jìn)行分類(lèi)。這使我們能夠創(chuàng)建更復(fù)雜的自動(dòng)觸發(fā)反應(yīng)機(jī)制，并收集詳細(xì)數(shù)據(jù)。

將機(jī)器學(xué)習(xí)應(yīng)用于質(zhì)量檢測(cè)——行業(yè)用例

競(jìng)爭(zhēng)日益激烈的創(chuàng)業(yè)環(huán)境使制造商不斷提高產(chǎn)品質(zhì)量，基于人工智能的自動(dòng)化工具可以在這一過(guò)程中提供寶貴的支持。有了計(jì)算機(jī)視覺(jué)，他們可以更有效地評(píng)估產(chǎn)品質(zhì)量，而無(wú)需雇傭額外的人工。

跨行業(yè)的缺陷和異常檢測(cè)應(yīng)用案例

制藥和生命科學(xué)中的視覺(jué)檢測(cè)

細(xì)胞系的交叉污染是制藥和科學(xué)實(shí)驗(yàn)室每天面臨的最常見(jiàn)風(fēng)險(xiǎn)之一。有時(shí)，只要一滴管被意外重復(fù)使用，污染就會(huì)發(fā)生。它們可能會(huì)對(duì)實(shí)驗(yàn)室研究產(chǎn)生負(fù)面影響，甚至使藥品無(wú)法使用，這些結(jié)果可能高昂代價(jià)。

保持質(zhì)量標(biāo)準(zhǔn)和培訓(xùn)，制藥公司可以降低交叉污染的可能性，但它仍然可以發(fā)生——圖像處理和深度學(xué)習(xí)可以幫助在早期識(shí)別交叉污染。深層神經(jīng)網(wǎng)絡(luò)可以檢測(cè)細(xì)胞的微小形態(tài)變化，保護(hù)制藥公司和實(shí)驗(yàn)室的結(jié)果不被摻假。例如，來(lái)自ATM（翻譯醫(yī)學(xué)年鑒）的案例研究證明，神經(jīng)網(wǎng)絡(luò)（特別是BCNN）在識(shí)別細(xì)胞系方面可以達(dá)到接近100%的準(zhǔn)確率。

對(duì)于生物技術(shù)公司來(lái)說(shuō)，檢測(cè)檢查用于監(jiān)測(cè)細(xì)胞培養(yǎng)、識(shí)別交叉污染和跟蹤形態(tài)學(xué)變化。深度學(xué)習(xí)模型可以在人眼（通過(guò)顯微鏡）尚不可見(jiàn)的階段檢測(cè)到這些變化，從而有可能及時(shí)采取預(yù)防措施，避免代價(jià)高昂的失敗風(fēng)險(xiǎn)。專(zhuān)門(mén)的ML軟件分析細(xì)胞圖像，并提供具有有價(jià)值的報(bào)告，以幫助客戶提高研究效率。

視覺(jué)檢查也有助于制藥公司控制包裝。制藥公司必須遵守有關(guān)其藥品容器的嚴(yán)格規(guī)范和規(guī)定。大多數(shù)產(chǎn)品要求密封，并使用特定材料。同時(shí)，包裝上的任何缺陷都會(huì)影響藥物的效率和保質(zhì)期。有了計(jì)算機(jī)視覺(jué)，這樣的問(wèn)題可以在早期發(fā)現(xiàn)。

半導(dǎo)體制造過(guò)程中的缺陷檢測(cè)

視覺(jué)檢測(cè)可以幫助各個(gè)行業(yè)的公司關(guān)注產(chǎn)品本身的質(zhì)量，同時(shí)也關(guān)注產(chǎn)品的狀態(tài)。它們可以使用圖像處理來(lái)監(jiān)控半導(dǎo)體制造過(guò)程，例如清潔、薄膜沉積、蝕刻、曝光、注入、抗蝕劑涂層、雜質(zhì)注入或熱處理。該模型可以檢測(cè)晶圓層面的異常情況，并將諸如預(yù)放置檢查等過(guò)程自動(dòng)化。

規(guī)則是一樣的——基于深度學(xué)習(xí)算法的視覺(jué)檢測(cè)系統(tǒng)在每個(gè)半導(dǎo)體工藝完成后，都會(huì)通過(guò)優(yōu)質(zhì)產(chǎn)品的圖像進(jìn)行訓(xùn)練，并學(xué)會(huì)識(shí)別缺陷。在這種情況下，由于缺陷可能很難檢測(cè)到，良好的圖像處理設(shè)備是至關(guān)重要。