工业视觉是实现工业自动化和智能化的必要手段，是智能制造的关键技术之一。工业视觉是一项跨学科的综合技术，如今，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。其中工业AI视觉检测已经在通信和电子制造、汽车及零部件、消费品和原材料领域获得广泛且深入的应用，在为企业降本增效，实施数字化转型方面作出了重要贡献。
 

　　工业视觉检测平台是机器视觉技术相关研发和应用机构自主创新与应用拓展的关键主体。在推进工业AI机器视觉平台建设上，我国正在逐步形成“综合性+特殊性+专业性”的多层次、系统化的平台体系，但平台规范化、标准化不足引起的问题较为明显，不利于工业企业的规模化和深入应用，也不利于平台核心技术的持续迭代和功能演进。加快构建基于工业AI机器视觉检测平台的新生态，关键在于数据“连得通”、平台“建得规范”、企业“用得好”、生态“建得强”，需要建立一套高质量的标准体系进行支撑。因此，在相关技术进步与应用的同时，推动研究和建立平台标准，从而构建可靠、稳定、普适化的通用型工业AI视觉检测平台促进机器视觉技术更加快速、广泛服务于工业生产成为相关机构和从业者的迫切任务。基于这样的背景和目标，中国电子工业标准化技术协会组织相关头部企业、专家起草了《基于人工智能的工业视觉检测平台通用技术规范》。
 

　　本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草。
 

　　本文件规定了基于人工智能的工业视觉2D图像检测平台的架构、功能要求、性能要求、测试方法等。本文件适用于指导企业、高校、科研院所等相关机构开展基于人工智能的工业视觉检测平台的规划、设计、构建和应用。
 

　　数据采集：
 

　　图像采集功能要求如下：
 

　　a) 图像源
 

　　1) 图像源应支持相机和本地图像；
 

　　2) 图像源应支持一个或多个相机连接；
 

　　3) 图像成像像素应支持30万、130万、200万、500万、1200万、2500万等一种或多种分辨率；
 

　　4) 图像成像编码格式支持 Bayer8、RGB、YUV、RGB-D 等一种或多种格式；
 

　　5) 图像成像文件格式应支持 jpg、jpeg、bmp、png、tif、tiff 等一种或多种格式；
 

　　6) 图像帧率应满足业务应用需求，支持 20FPS 以上。
 

　　b) 图像窗口
 

　　1) 应支持一个或多个图像窗口显示；
 

　　2) 应支持多个图像窗口内设置不同图像源、光源和图像处理方案，能灵活适应不同检测场景。
 

　　数据清洗：
 

　　数据清洗功能要求如下：
 

　　a) 数据去重：去除数据集中的重复记录。
 

　　b) 异常值处理：检测和处理数据集中的异常值。
 

　　c) 数据标准化：将数据格式标准化为一致的格式，以便于处理和分析。
 

　　数据清洗：
 

　　数据清洗功能要求如下：
 

　　a) 数据去重：去除数据集中的重复记录。
 

　　b) 异常值处理：检测和处理数据集中的异常值。
 

　　c) 数据标准化：将数据格式标准化为一致的格式，以便于处理和分析。
 

　　数据管理：
 

　　数据管理功能要求如下：
 

　　a) 数据操作：对数据的追加、删除、更新、查询等操作。
 

　　b) 数据分类：对数据名称、数据类型、存取路径等属性对数据的分类。
 

　　c) 数据保护：对数据的操作进行权限操作保护。
 

　　数据存储：
 

　　实现数据、模型、用户信息的存储功能，包括但不限于基于权限的实体创建、删除、访问、编辑、导出指定的数据。
 

　　图像处理后质量测试方法：
 

　　以信噪比为例，测试方法如下：
 

　　a) 选择一组具有已知信噪比的图像作为参考图像；
 

　　b) 使用图像处理算法对这些图像进行处理，并记录处理后的图像；
 

　　c) 计算处理后图像与参考图像之间的信噪比，以评估图像处理算法对噪声的影响；
 

　　d) 常用的信噪比计算方法包括峰值信噪比(PSNR)和结构相似性指数(SSIM)等。
 

　　图像处理速度测试：
 

　　图像处理速度测试方法如下：
 

　　a) 选择一组输入图像或视频，代表实际应用场景；
 

　　b) 使用图像处理算法对每顿图像进行处理，并记录每顿的处理时间；
 

　　c) 根据处理时间计算每秒处理的顿数(FPS)，即每秒能够处理的图像顿数；
 

　　d) 进行多组测试，并计算平均值。
 

　　更多详情请见附件。