快速，準(zhǔn)確的工業(yè)檢查，以有競(jìng)爭(zhēng)力的價(jià)格確保高的質(zhì)量標(biāo)準(zhǔn)，是制造業(yè)的挑戰(zhàn)之一。本文展示了如何將深度學(xué)習(xí)軟傳感器應(yīng)用程序與高分辨率光學(xué)質(zhì)量控制相機(jī)結(jié)合使用，以提高印刷行業(yè)4.0的準(zhǔn)確性并降低工業(yè)視覺(jué)檢查過(guò)程的成本的應(yīng)用程序。在生產(chǎn)凹版滾筒的過(guò)程中，不可避免會(huì)出現(xiàn)諸如印刷滾筒上的孔之類的錯(cuò)誤。為了通過(guò)過(guò)程自動(dòng)化提高缺陷檢測(cè)性能并降低質(zhì)量檢查成本，本文提出了一種深度神經(jīng)網(wǎng)絡(luò)（DNN）軟傳感器，該傳感器將掃描的表面與使用的雕刻文件進(jìn)行比較，并通過(guò)暴露于訓(xùn)練數(shù)據(jù)來(lái)學(xué)習(xí)特征，從而執(zhí)行自動(dòng)質(zhì)量控制過(guò)程。開(kāi)發(fā)的DNN傳感器實(shí)現(xiàn)了完全自動(dòng)分類準(zhǔn)確率達(dá)99.4％。進(jìn)一步的研究旨在將這些結(jié)果用于三個(gè)目的。首先，要預(yù)測(cè)氣缸的錯(cuò)誤數(shù)量，通過(guò)向操作員顯示錯(cuò)誤概率來(lái)進(jìn)一步支持人工操作，在沒(méi)有人工干預(yù)的情況下自主決定產(chǎn)品質(zhì)量。

　　大規(guī)模執(zhí)行智能自動(dòng)化

渴望這些技術(shù)變革并保持在工業(yè)領(lǐng)導(dǎo)地位的國(guó)家已經(jīng)從戰(zhàn)略上將自己定位于新型的物聯(lián)網(wǎng)基礎(chǔ)設(shè)施，這些基礎(chǔ)設(shè)施將從工業(yè)物聯(lián)網(wǎng)（IIoT）和數(shù)據(jù)科學(xué)中興起。德國(guó)的工業(yè)4.0框架已演變?yōu)榉簹W洲的協(xié)作工作，以大規(guī)模執(zhí)行智能自動(dòng)化。類似的舉動(dòng)是，美國(guó)在2011年成立了制造業(yè)領(lǐng)導(dǎo)聯(lián)盟（SMLC）。其他值得注意的例子包括尋求提升先進(jìn)制造技術(shù)的“中國(guó)制造業(yè)2025” ，或日本的“社會(huì)5.0” 。全方面關(guān)注通過(guò)網(wǎng)絡(luò)物理系統(tǒng)為人類帶來(lái)的安全和福祉。作為一個(gè)典型的例子，日本制造商通過(guò)為其價(jià)值流要素提供不將缺陷傳遞到制造過(guò)程的下一步的能力，一直在競(jìng)爭(zhēng)中獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

這方面的一個(gè)典型的例子是豐田實(shí)現(xiàn)智能自主化的顯著的成功，或JIDOKA -UTF8min自働化-，與其他戰(zhàn)略精益制造系統(tǒng)特性。由于幾乎可以從生產(chǎn)過(guò)程的任何元素（例如，通過(guò)IIoT）獲得足夠的數(shù)據(jù)，并且由于計(jì)算元素的開(kāi)發(fā)功能強(qiáng)大，可以對(duì)價(jià)值流的狀態(tài)進(jìn)行實(shí)時(shí)計(jì)算，因此JIDOKA的系統(tǒng)擴(kuò)展工業(yè)成為可能。實(shí)際上，其他行業(yè)具有很大的潛力，可以通過(guò)智能傳感器來(lái)提高機(jī)器識(shí)別自身狀態(tài)的能力，這些傳感器能夠感應(yīng)客戶的特定需求并做出相應(yīng)的靈活響應(yīng)。這將提高自動(dòng)化級(jí)別，并提高產(chǎn)品的質(zhì)量和定制，同時(shí)提高相關(guān)值流性能。

　　光學(xué)質(zhì)量控制（OQC）

在此框架內(nèi)，光學(xué)質(zhì)量控制（OQC）對(duì)于滿足客戶要求的許多制造過(guò)程至關(guān)重要。一方面，以人為中心的OQC的性能不能滿足必要的要求：它受到人體工程學(xué)和成本的限制，因?yàn)槿藗儠?huì)厭倦重復(fù)性的OQC任務(wù)，而這些任務(wù)通常非常耗費(fèi)人力。由于這個(gè)原因，視覺(jué)缺陷的自動(dòng)檢測(cè)旨在解決該問(wèn)題，該缺陷旨在分割產(chǎn)品圖像的可能缺陷區(qū)域，然后將其分類為缺陷類別。另一方面，當(dāng)未將閾值技術(shù)應(yīng)用于以穩(wěn)定照明條件為特征的受控環(huán)境時(shí)，通常不足以分割背景缺陷。提供了現(xiàn)有方法的分類，但是在工業(yè)環(huán)境中，通常的做法是，當(dāng)出現(xiàn)新型問(wèn)題時(shí)，專家須手動(dòng)描述每個(gè)新功能：工業(yè)制造產(chǎn)品中的表面缺陷可以具有各種尺寸，形狀或形狀。方向。當(dāng)將這些方法應(yīng)用于具有粗糙紋理，復(fù)雜或嘈雜的傳感器數(shù)據(jù)的真實(shí)表面時(shí)，這些方法通常無(wú)效。這立即產(chǎn)生的結(jié)果是，分類幾乎總是不夠充分，無(wú)法歸結(jié)為未知問(wèn)題[。由于這些原因，在通過(guò)更復(fù)雜的方法檢測(cè)缺陷時(shí)需要更魯棒和可靠的結(jié)果。

　　當(dāng)噴墨技術(shù)進(jìn)入成熟時(shí)代時(shí)

印刷行業(yè)通過(guò)數(shù)字革命經(jīng)歷了巨大的變革。噴墨打印基于小液滴的形成，以在數(shù)字控制下將準(zhǔn)確量的材料轉(zhuǎn)移到基材上。噴墨技術(shù)由于其圖形打印的靈活性以及其在不太常規(guī)的應(yīng)用中的潛在用途（例如增材制造以及印刷電子產(chǎn)品和其他功能設(shè)備的制造）而變得相對(duì)成熟并引起了廣泛的工業(yè)興趣。與傳統(tǒng)印刷工藝相比，它具有許多優(yōu)勢(shì)。例如，它幾乎不會(huì)產(chǎn)生浪費(fèi)，或者由于不同的過(guò)程而具有通用性，它是非接觸式的，并且不需要主模板，這意味著可以輕松更改打印圖案。然而，

　　凹版印刷

凹版滾筒的激光雕刻是凹版印刷的新的發(fā)展。激光技術(shù)可以生產(chǎn)出形狀可變的電池，這在機(jī)電雕刻中是不可能的。這些新形狀實(shí)際上提供了更高的打印密度，并且可以使用比傳統(tǒng)的機(jī)電雕刻滾筒具有更高粘度的墨水。激光雕刻滾筒還可減少打印速度對(duì)打印質(zhì)量的影響，并保持高亮色調(diào)值穩(wěn)定。

盡管輪轉(zhuǎn)凹版滾筒的激光雕刻是輪轉(zhuǎn)凹版印刷市場(chǎng)上蝕刻輪轉(zhuǎn)凹版滾筒的新方法，但當(dāng)今的系統(tǒng)仍然容易出錯(cuò)。可能的錯(cuò)誤或光學(xué)上可檢測(cè)的缺陷包括凹痕，劃痕，夾雜物，噴涂，彎曲，偏移，涂抹和過(guò)度，淺色或缺失的印刷或顏色錯(cuò)誤（即，錯(cuò)誤的顏色，漸變和與所需圖案的顏色偏差）。常見(jiàn)的錯(cuò)誤是凹痕，為32％，而不常見(jiàn)的錯(cuò)誤是涂抹，為3％。由于工業(yè)環(huán)境中典型的誤差和噪聲水平不同，基于經(jīng)典計(jì)算機(jī)視覺(jué)算法的自動(dòng)誤差檢測(cè)無(wú)法實(shí)現(xiàn)[。大多數(shù)系統(tǒng)旨在選擇潛在的故障，并將其呈現(xiàn)給負(fù)責(zé)確定故障的存在或嚴(yán)重性的專家。實(shí)踐表明，大約30％的需要檢查的錯(cuò)誤是不相關(guān)的。這一事實(shí)既增加了與OQC相關(guān)的成本，又增加了整個(gè)流程的交付時(shí)間。這兩個(gè)因素對(duì)于獲得客戶信心至關(guān)重要，須進(jìn)行系統(tǒng)優(yōu)化。

考慮到這些問(wèn)題，本研究深入研究了一種替代解決方案，以解決需要手動(dòng)確定每個(gè)新檢查問(wèn)題的特定特征的問(wèn)題：基于深度學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)（DNN）。深學(xué)習(xí)是機(jī)器學(xué)習(xí)，使由多個(gè)處理層的計(jì)算模型的學(xué)習(xí)的數(shù)據(jù)的表示與多個(gè)抽象層次[的范例。DNN是通過(guò)組合一系列分層疊加并任意地初始化的過(guò)濾器，由于暴露于訓(xùn)練數(shù)據(jù)[能夠自動(dòng)學(xué)習(xí)對(duì)于給定的分類問(wèn)題的功能的創(chuàng)建的結(jié)構(gòu)。幾個(gè)DNN體系結(jié)構(gòu)已經(jīng)被成功地用于在多種應(yīng)用中，如分類問(wèn)題[提取從在工業(yè)4.0的范圍內(nèi)的物理傳感器的統(tǒng)計(jì)信息，可視對(duì)象識(shí)別，通過(guò)穿戴式人類活動(dòng)識(shí)別，預(yù)測(cè)維護(hù)，或計(jì)算機(jī)視覺(jué)。更具體地，DNN證明工業(yè)計(jì)算機(jī)OQC缺陷檢測(cè)目的有用通過(guò)與小至約的圖像[沒(méi)有先驗(yàn)知識(shí)自動(dòng)提取有用的功能有前途的結(jié)果。

　　軟傳感器DNN

本文的目的是提出一種軟傳感器DNN，該傳感器對(duì)高分辨率相機(jī)的圖像進(jìn)行分類，對(duì)印刷工業(yè)4.0中全球企業(yè)的印刷滾筒的完全計(jì)算機(jī)視覺(jué)OQC進(jìn)行分類。這旨在通過(guò)首先支持人類專家的決策來(lái)提高質(zhì)量檢查過(guò)程的準(zhǔn)確性，從而通過(guò)視覺(jué)處理的自動(dòng)化來(lái)降低質(zhì)量檢查過(guò)程的成本。這應(yīng)該在一個(gè)敵對(duì)的工業(yè)環(huán)境中進(jìn)行考慮，在該環(huán)境中，由于可能的錯(cuò)誤的異常可變性以及光照，濕氣，灰塵和污染等不斷變化的環(huán)境條件，錯(cuò)誤檢測(cè)的復(fù)雜性非常高可能會(huì)混淆迄今為止開(kāi)發(fā)的算法。

本文的其余部分在結(jié)構(gòu)上確保了演示的清晰度，所獲得結(jié)果的復(fù)制以及在第四次工業(yè)革命不斷發(fā)展的全球環(huán)境下的適當(dāng)框架。首先，簡(jiǎn)要展示了工業(yè)4.0的制造價(jià)值流的不斷提高，這使得深度學(xué)習(xí)技術(shù)的集成成為可能。其次，用于設(shè)計(jì)和實(shí)現(xiàn)性能更好的OQC集成DNN軟傳感器的材料和方法。此外，DNN計(jì)算機(jī)代碼在開(kāi)放訪問(wèn)存儲(chǔ)庫(kù)中可用。接下來(lái)，從技術(shù)角度簡(jiǎn)要討論獲得的結(jié)果。在更廣泛的制造業(yè)4.0中討論并著重說(shuō)明了這些發(fā)現(xiàn)對(duì)印刷業(yè)的短期，中期和長(zhǎng)期后果。