基于电子信息制造企业的多种业务场景需求，该项目主要研究了电子信息制造企业的产品缺陷自动检测及关联性分析，主要包括：

（1）基于深度学习的复杂缺陷检测算法研究

（2）基于消息中间件的海量数据对接技术研究

（3）基于分布式框架的海量图片数据实时计算和存储技术研究

（4）基于大数据和人工智能的缺陷关联分析

通过深度学习、机器学习等算法，平台极大地缩减了缺陷检测分类时间，提高了检测准确率，帮助企业优化生产线工艺流程，提升生产效率和企业产能。

不仅如此，平台集合图像缺陷分类和良率分析，能够快速查找出不良原因，定位缺陷根因，帮助工程师在下一站点快速制定解决方案，解决问题，节省产能，提升产品生产良率。

目前，该平台已应用于面板、PCB板、半导体等电子信息制造企业的缺陷检测及良率分析优化，如京东方、天马微电子、深南电路、华星光电、惠科、华天封测、奥特斯、维信诺等标杆企业，为客户降低了近80％的产品检测环节人力成本，为客户带来间接经济效益数亿元。

平台本质是将工业知识软件化、平台化，其运用过程就是工业知识沉淀的过程，平台未来在芯片、新能源等行业也有巨大的市场空间。中国正在从制造大国转变为制造强国，加速制造业智能化日益迫切，数之联将持续为制造业高质量发展提供不竭动力。

以下为四川省科学技术厅报道全文：

产品缺陷检测与关联分析关键技术研发取得突破

为有效提升电子信息制造企业的产品缺陷检测效能，降低企业生产成本，提高企业生产效率，省高新技术领域重点研发计划，实施了“基于电子信息制造大数据的产品缺陷检测与关联分析优化平台”项目。

项目基于自主开发的一体化云原生数智服务平台，针对缺陷检测中背景复杂、缺陷易混淆、关键样本少、判级难度大等难题，综合利用对称数据增强、对称注意力、级联实例分割、切片辅助超推理、动态类别加权等方法，采用多源数据融合技术对人员操作、设备状态、生产过程、材料信息、异常信息等生产制造全流程数据进行整合，利用多重关联分析、多元时序分析等技术进一步分析和定位缺陷根因，在缺陷智能检测分类与缺陷根因关联分析方向实现复杂生产工艺下的缺陷分析与优化。

该项目主要技术指标达到国际先进水平，其中缺陷根因分析技术在同行业达到国际领先水平。项目取得的研究成果，已成功应用于数十家标杆制造企业，缺陷自动检测分类可以帮助客户降低50％－80％的缺陷检测人力成本，缺陷根因关联分析效率提升10倍，关键不良缺陷发生率降低30％。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：