按照中國電子工業(yè)標準化技術協(xié)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(yè)的工業(yè)ai視覺在線檢測系統(tǒng)技術規(guī)范》團體標準(項目號：cesa-2022-038)征求意見稿的編制工作?，F(xiàn)按照協(xié)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(yè)是我國的支柱性產業(yè)，是推動我國產業(yè)結構轉型和優(yōu)化升級的核心基礎產業(yè)。當前正處于新一輪科技革命和產業(yè)變革的關鍵突破期，電子信息行業(yè)是我國占領未來的科技高地的重點突破口。電子信息行業(yè)屬于知識、技術密集型行業(yè)，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(fā)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(yè)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(yè)轉型發(fā)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(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視覺領域，一方面工業(yè)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(huán)節(jié)，實現(xiàn)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(yè)視覺輔助制程過 程精準作業(yè)。面向 pcb 制造、smt 貼片、smd 貼裝、晶圓制造等過程，應用工業(yè) 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(xiàn)包括 smt 原件識 別與放置，smd 貼裝定位，lcd 玻璃定位，切片機引導與校準，晶圓預校準與精 細校準等，提高作業(yè)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(yè)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(yè)準備度較高，主要集中在 ai 視覺檢測領域，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(fā)展基礎共性技術、行業(yè)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(yè)化成果轉化和規(guī)?；瘧谩?br>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(guī)則》的規(guī)定起草。本文件規(guī)定了用于電子行業(yè)3c類產品(計算機類、通信類和消費類電子產品)的工業(yè)視覺在線檢測系統(tǒng)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(yè)3c類產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用的工業(yè)視覺在線檢測系統(tǒng)的規(guī)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(xié)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(yè)務應用需求，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(jù)質檢場景建立流程任務，包括數(shù)據(jù)接入、數(shù)據(jù)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(jù)質檢場景，進行推理服務部署和資源配置；
b) 應支持數(shù)據(jù)輸出功能，將推理結構化數(shù)據(jù)、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(jiān)控，如檢測速度、資源開銷等；
d) 應具備統(tǒng)管算法、建模和訓練功能，與邊側協(xié)同完成數(shù)據(jù)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(jù)場景業(yè)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(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)，與云端部署的訓練、管理、存儲等子系統(tǒng) 通過網(wǎng)絡進行協(xié)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(shù)據(jù)存儲：
數(shù)據(jù)存儲的要求包括：a) 應支持原始圖片、標注數(shù)據(jù)、數(shù)據(jù)集、推理結果等保存，包含結構化數(shù)據(jù)、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)
原標題：《面向電子行業(yè)的工業(yè)ai視覺在線檢測系統(tǒng)技術規(guī)范》征求意見
相關資料下載：
面向電子行業(yè)的工業(yè)ai視覺在線檢測系統(tǒng)技術規(guī)范（征求意見稿）.pdf