应用场景
在手机生产制造领域中，由于手机产量大，LCD检测机台被十分广泛的用于检测手机制造过程中的手机屏幕是否存在质量缺陷。手机屏幕在手机组装完成后，LCD检测机台会对手机屏幕进行缺陷测试，测试通过的成品标记OK，流入下一道制程；测试不通过的成品标记NG，需要进行人工二次检测，防止不良品流传到下一流程，对手机产线良率产生大的影响。传统的LCD检测机台接入产线，通过对在产品进行拍照，图片存储，自动根据捕捉的缺陷图像进行判断，从形状、颜色、长度、宽度、长宽比来确定被检测的目标是否符合标准，对于大量的图片数据如不能及时检测，极有可能造成漏检；另外，现有的LCD检测机台判断准确率不高，检测效率低。
一般情况，从屏幕制造工厂采购的手机屏幕Module组件，均是经过QC认证，即：出厂到手机生产制造工厂的LCD或AMOLED屏幕，在手机厂商上游行业——屏幕制造厂商处均是通过质量认证的；但由于生产过程中，手机屏幕的产量极大，难免出现质检原因导致的质量问题，使得不良品流入手机制造企业；如果不及时检测出这些问题屏幕，使得劣质屏幕随着手机成品流向市场，消费者对产品的实际体验低于预期，对手机品牌口碑造成很大的影响。
存在的问题
- AOI判断准确率不高，容易产生错判和误判
- 影响产品质量
- 不良品流入市场，影响手机品牌口碑
手机屏幕缺陷智能检测（Mobile phone Screen Artificial Intelligence Inspection，简称MAI）用于解决手机制造行业在产品制造过程中的手机面板缺陷检测问题。
检测模型小集群部署，采用主从结构，灵活调度。在LCD检测机台捕获到产品的高分辨率的图像后，直接传输给AI推理平台，判断手机屏幕是否OK/NG/复判，下达下一步指令。 可以帮助客户极大的减少人工检查时间，提高产能，并促进持续的过程质量改进。
AI训练平台，可直接读取存储在NAS系统的复判后的图片进行标注。使用精确标注后的图片进行更新版模型训练，尤其是对AI推理平台实时模型判断失误的图片进行再次训练，使模型不断迭代优化。训练后的高性能模型可再次部署到AI推理平台进行判片工作，模型反复迭代优化，效果不断增强。
借助于AI技术，客户可基于行业专业知识从而创建适用于手机屏幕不同厂家、型号的缺陷检测模型。
低廉成本高效稳定
- 系统化产品，AI推理平台、AI训练平台等，降低系统维护和学习进化的门槛；AI训练平台系统成熟且具有丰富的项目实战经验，可做到高可用、负载均衡；单一节点的任何问题不会影响系统，保证整套系统可以持续稳定运行。
机器学习快速迭代
- AI人工智能深度学习，可以在后续的使用中不断学习进化，持续满足企业发展所需。如新产品更新迭代、手机屏幕供应商更换或因机台硬件老化导致的图像问题，均可通过AI训练平台快速迭代升级，保持产线最新应用需求。
实时监督报表可视
- 应用平台实时进行缺陷统计和趋势分析，有效统计手机屏幕的缺陷状态及数据，提供数据可视化和分析操作应用，报表可查，可批量导出。每日报表推送，准确高效监控生产情况，监控不同手机屏幕品质和生产良率变化情况。
深度学习迈向智能
- 机器学习通过分类分割算法进行特征提取，通过大量数据分析，自动提取精确的特征信息，在应用中持续学习，不断提高算法对缺陷识别的准确率，不断学习进化，后续产线缺陷识别将更加准确、智能。
行业架构一览
背景信息
手机制造行业的生产过程，一般由自动化水平较高的SMT贴片和整机手工组装两部分构成。手机生产过程中，每一次手工组装后，均需要进行相关的检测工作。手机屏幕缺陷检测正是基于手机组装后的对手机屏幕是否存在污渍，划痕等检测需求衍生而出的。
技术特点
- AI推理平台，LCD检测机台直接向AI推理平台发送图片检测请求，通过AI缺陷检测模型对图片分割、分类、缺陷判定，判断手机屏幕是否有缺陷，并返回屏幕检测结果，不需要对现有生产线做任何技术改造。
- 应用平台，接收AI推理平台返回的图片判片信息，通过MES实时反馈OK/NG/复判结果给LCD检测机台。平台支持实时数据查看、缺陷统计、报表推送，可根据用户需求定制报表推送服务。支持与客户OA端口对接，支持有关部门工作流推送。
- AI训练平台，通过存储在NAS系统复判后的数据，进行新模型训练。AI训练平台支持图片在线标注功能，使图片标注和模型训练工作流程一体化，极大的缩短新模型开发周期，完美适用快速迭代场景。
