研究目标：制造过程中对器件的图像计数、工艺动态优化、科学决策

技术基础：大数据、人工智能、实时数据采集及监控

成果形式：专利、工程应用（管理软件+设备采集与控制+人工智能控制模型）

成果简介：

中江联合（北京）科技有限公司自2015年开始研究人工智能与制造业深度融合技术，到目前为止已申请发明专利6项和实用型专利1项，在国内率先将研究成果应用于高可靠电子产品的质量控制与工艺优化过程进行实践验证，并取得如下阶段性成果：

1.关键工序质量一致性控制：

建立关键工序质量一致性控制智能模型，深度分析本工序人、机、料、法、环、测各类过程参数对工序质量控制指标的影响及内在关联关系及影响权重。与管理系统集成，在生产过程中根据质量控制要求计算关键过程控制参数最优值，并进行在线监控、实时修正及预警，可实现与设备的控制闭环。

2.产品质量一致性控制：

建立产品质量一致性控制智能模型，综合分析产品各关键工序质量指标对最终产品性能指标的影响，基于历史数据及已完成的工序质量指标实测值，预测最终产品质量是否满足一致性要求，并根据经验库给出最佳应对措施建议。

3.工艺分析及动态优化；

通过关键工序质量一致性控制智能模型反向应用，学习、分析、推演各要素参数对本工序质量指标影响的权重并进行排序，为关键工序工艺设计优化提供量化数据支撑；同理，通过产品质量一致性控制智能模型反向应用推演出各关键工序质量指标对最终产品性能指标的影响权重，为新产品工艺设计或对现有工艺优化提供量化数据支撑；

通过设计、生产、数据采集等管理系统的集成应用，最终实现产品工艺在线动态优化，生产过程全参数仿真、预警、控制。研究的终极目标是：人工智能与产品研制生产过程深度融合，通过制造过程控制保证高可靠性产品的质量一致性，改变靠筛选保证一致性的现状。

技术原理：

随着科技水平的飞速发展，电子产品早已成为生产和生活中不可或缺的一部分。在电子产品生产与加工过程中，对电子元器件进行实时准确计数是提高其自动化程度的重要环节。而电子元器件具有种类繁多、形状各异、尺寸微小等特点，传统上通过长度、质量进行人工估算的计数方法缺点明显：操作繁琐、速度慢、技术精度受人的工作状态影响。为了解决人工技术效率低的缺点，提出了基于扫描图像处理的计数方法。该计数方法具有安静、非接触无损、操作简单、快速有效等特点在目标识别的各个领域得到广泛应用。

基于对扫描图像处理的器件计数方法，包括彩色图像分割、二值图像优化、目标识别计数三大部分。彩色图像分割方法众多，首先介绍了彩色空间模型，讨论了阈值分割、边缘检测、区域生长、模糊C均值等分割方法的原理及应用，并对个分割方法进行了实验比较，针对实验图像特点，才用了应用统计分类分割方法，得到比较好的分割效果。实验表明，对于元器件图像此方法具有一定的鲁棒性。图像优化是应用了腐蚀算法，对图像边界及分割产生的毛刺进行剔除，达到一个滤波的作用，同时介绍了数学形态学的几种基本运算及应用。目标的识别与计数采用像素标记法，进行连通区域的标记，同时将标记计数，标记完成后标记数最大值即为目标数目。

应用场景效果：

基于图像处理的计数方法，对于元器件的计数方式：数码设备将待计数的器件以数字图像的形式送往计算机，将图片进行二值化，通过数学形态学的处理，进行边缘检测等操作分割图片，形成有效的计数方式。

该技术适用行业

1)元器件研制生产企业（通过图片处理，识别图像中器件的个数，减少时间及人工耗力）

2)研制型军工企业（对微小电子元器件实时自动计数，减少人工计数繁杂程度，提高效率）

3)大型装备制造业