电容和电感，是电子产品电路板中最常见的基础元件，也是支撑电脑、手机、空调等各种电子设备正常工作的关键要素。目前，智能设备升级迭代节奏的提升，电子元器件的需求也愈加旺盛。以手机为例，一部 5G 手机中的电感则超过170颗；电容约1000个，比 4G 手机增加30%。电容、电感数量的增多，意味着所需元件尺寸的缩小。在电容、电感制造过程中，面对这些种类繁多、尺寸“迷你”的元件，想要通过传统的人工测检来发现瑕疵，不仅容易漏检、误检，质检效率也十分有限。

AI 技术尤其是深度学习的不断发展，为电子元件瑕疵检测开拓了新路径。基于产业级深度学习开源开放平台百度飞桨发出一套高检出率、高速的电子元器件外观瑕疵检测系统，大大降低研发和质检成本，同时，瑕疵检测率提升到99.98%以上，助力工业自主智造把好“质量关”。

电容电感外观缺陷类型多，例如划痕、崩缺、裂纹、脏污等，每种瑕疵的深浅、大小和位置都不确定，想要精准识别出尺寸极小的元件上各种类型的瑕疵难上加难，漏检、误检率较高。电容电感元件如果没有通过质检关，意味着自主制造缺失了关键的最后一环。以汽车的电感为例，如果将外壳带有裂纹瑕疵的电感安装到汽车上，汽车行驶过程中产生的震动会导致电感裂痕扩大甚至破碎，可能会导致安全事故。电容、电感的质检主要依赖人工目检与传统视觉检测方案。“对电感外壳裂纹、尤其是暗纹这类瑕疵的检测，由于裂纹处颜色和壳体背景颜色几无差别，传统视觉检测系统基本无法区分；而人工目检方式很难实现高效检测。”

基于飞桨开发搭建起 Tensor Vision 外观缺陷 AI 质检整体解决方案，并一一攻克了三大技术难题：首先是对大量数据的高效标注，少量人工标注后即可快速实现自动标注，实现95%以上的检出率；面对不同项目快速精准选择合适的模型，飞桨丰富实用的模型库让选型“有据可循”，更加轻松高效；最后，模型部署这 AI 落地“最后一公里”的难题上，调用飞桨推理模块实现了十分稳定的效果。

  基于飞桨打造的 Tensor Vision 使电容电感元件检出率从80%提高至99.97%，大大提升了产品检测效率和精度；同时，整体模型开发投入相较于传统方式的成本降低了90%以上，而应用落地之后使得质检成本也降低了超70%。这次尝试，不仅实现了中国电子元器件外观检测方案的深度创新，同时，也为我国电感电容制造龙头企业在国际市场上加强产品竞争力，实现了更有力的智能化质量把关。数字化、智能化转型发展是我国制造业发展的必由之路，AI 与传统产业的深度融合将助力我国自主智造迈出更加坚实的步伐。