电路板生产初试AI大模型

　　以大模型为代表的人工智能引发的新一轮科技革命和产业变革正向纵深发展，千行百业将面临巨大的机遇和颠覆性的挑战。在工业领域，人工智能是推进新型工业化的关键变量，工业大模型的落地生根将为制造企业探索新型工业化提供全新路径。中国电子报开设“人工智能赋能新型工业化”专栏，走进一线、走进工厂、走进企业，全方位报道以大模型为代表的人工智能技术在工业领域的生动实践。
　　在办公室内，大模型飞速运转，将繁杂的客户需求解构、分析成简明易懂的生产参数；在生产车间中，身着明亮浅蓝、浅黄色工作服的工人们在设备间逡巡，机械臂腾挪之下，一张张印制电路板（PCB）悄然成型；在质检车间里，摄像头一力包揽了繁重的检测工作，一台台显示屏不断闪烁，将电路板假缺点的过滤准确率提升到80%以上……
　　4月17日，记者一行来到东莞森玛仕格里菲电路有限公司（以下简称“森玛仕”）的生产车间，实地探访人工智能技术在PCB行业的深度应用。在一派热火朝天的生产景象之下，人工智能大模型技术在垂直领域的应用已初现曙光。
　　客户文档处理10秒钟完成
　　“我们是一家高端PCB制造企业，以生产复杂高技术产品为主，每个客户的需求都有所不同，所以解读复杂图纸并将其转换成我们内部的生产格式就成了至关重要的一步。”森玛仕智能工程部经理李平向《中国电子报》记者表示。
　　打开一份制造需求文档，全英文的数据和图表跃然其上，单一的色调、拥挤的大写字母，还有不少专业术语夹杂其中，仅仅看一小会儿，就已经令人眼花缭乱。李平告诉记者，过去，靠人力来处理这样的文件是一桩繁重的工作。“即使是行业内经验丰富的老师傅，往往也要花费数小时的时间来解读，还需要手动将数据输入数据库中。”李平说，“在这些步骤中一旦出现失误，就会产生成品批量报废的严重后果，因此人工复核是一道必不可少的程序。几个环节下来，不仅费时费力，还产生了高昂的人力成本。”
　　在森玛仕应用到腾讯云TI-OCR（光学字符识别）大模型测试系统后，短短十余秒，大模型就给出了客户图纸的“翻译件”，板类型、板厚公差、表面处理、阻焊及周期位置等关键参数简明扼要地标注其上。“OCR大模型会将这些关键参数输出成标准格式，直接保存在系统数据库内，工程师可直接进行复检。这样不仅保证了信息输出的准确性，更极大地减轻了工程师解析图纸的难度。”李平表示。
　　其实，人们对OCR技术并不陌生：智能手机往往都能够直接识别照片内的文字，微信、QQ等常用社交工具也早已实装了OCR“提取文字”功能……然而，OCR技术要从“生活”走进“生产”，大模型才是“点睛之笔”。
　　腾讯云相关负责人告诉记者：“生产场景中识别要求更加复杂，传统OCR由多个模块组成，文本检测模块在多行文字套打场景、非规则形状场景以及大小字混合场景中，容易错检、漏检；识别模块则在识别文字重叠、生僻字以及低质量图像时，无法基于整图信息结合上下文推测，识别能力进一步受限。OCR大模型不仅在复杂场景下的实现文字识别和提取变得更加精准，而且应用场景也在迅速扩展，向着更高的精度和更智能化的提取方向演进。”记者了解到，目前OCR大模型在工业设备巡检场景中已经得到广泛应用，例如光伏报装、电梯巡检等场景。
　　李平告诉记者：“即便是相同的参数，每张图纸的表达方式也不尽相同，要将它们统一输出为标准格式，离不开大模型的帮助。森玛仕深耕PCB行业18年，凭借深厚的数据积累，使用不同的资料来对OCR识别模型进行训练和优化，使模型更加符合实际应用需求。”
　　“大部分假缺点被大模型过滤掉”
　　走进森玛仕检测车间，质检工序主管周厚梅正对着电脑屏幕仔细核对着手中的电路板，墨绿色的板面上，铜色的焊点密密麻麻地排列其上，最小的焊点不过针尖大小。
　　在质检车间工作了17年的周厚梅，是质检“主力军”从肉眼变成高清摄像头的亲历者。“以往用眼睛来看，每个点都需要确认，检查一块板往往需要十几分钟的时间。”提到大模型技术对质检工序的帮助，周厚梅赞不绝口，“现在大部分假缺点都被大模型过滤掉，只要确认一小部分点，检查一块板30秒就够了，不仅省时省力，眼睛也舒服多了。”
　　李平告诉记者：“随着产品线路越来越细，仅靠肉眼观察来找出电路板上的缺点非常难，需要靠光学自动检测来进行扫描和检查。但机器既要保证真缺点不会漏检，又要防止设备敏感度太高，导致假点误判较多，100个报点往往只有20个是真实的。但作为最终的检测工序，即使明知存在误报情况，仍然需要工人来把关，造成效率上的浪费。”
　　在这样的情境下，大模型成了“破局之道”。李平介绍道：“用大模型进行图像处理，是PCB行业内最典型的大模型应用。我们使用大模型图像处理技术，通过学习将大多数假的缺点过滤掉，从而减少质检工人的工作量，降低工作难度，提高工作效率。”
　　李平告诉记者，最初应用大模型过滤假缺点时，模型分辨准确率只有30%；但经过长期不断的调整、学习，投入训练的数据高达数十万张，现在已经实现了80%以上的过滤率。“我们的目标是让大模型判断的过滤率达到90%以上。”谈到对大模型质检下一步的优化，李平眼中有光。
　　PCB行业参数积累几乎是从零开始
　　即使森玛仕已经在大模型应用方面小有成就，李平仍然认为大模型在PCB行业中的应用充满挑战：“以OCR模型为例，要实现准确的判断，数据的积累必不可少。从目前来看，我们对行业内专业知识的储备还远远不足。不同于其他行业可能已经有了一定数据基础，PCB行业的参数积累几乎是从零开始。”
　　森玛仕厂长杨志坚则呼吁，要建立起真正有深度、能应用的行业模型：“PCB制造行业应用大模型不需要非常大的参数，但对数据质量要求很高。要收集这样的数据仅靠一家之力是不够的，希望由主管部门或行业协会等第三方力量牵头，与企业、模型供应商三方合作，将产业链上下游企业的专业数据整合起来，打通行业‘标准壁垒’，形成一个真正专属于PCB制造行业的模型。”他表示，中国实体经济优势显著，在实践中积累了大量优质的行业专属数据。行业专属大模型一旦落地，无疑会为企业带来显著收益和新的核心竞争力。
　　基于此，森玛仕战略合作供应商天衡智能装备（深圳）有限公司牵手腾讯公司，引荐了腾讯云大模型助力智能算法解决方案。腾讯云工业大客户总监古松松表示：“人工智能要在细分垂直领域中真正落地，一定要形成行业专属的‘小模型’。腾讯在其中会持续扮演好‘工具箱’的角色，发挥技术能力和优势，与用户一同打磨更好的产品，赋能制造业尽快实现人工智能转型。”
　　对于森玛仕未来在人工智能深度应用方面的规划，杨志坚早有明确的方向。他告诉记者，目前的大模型应用仍处于起步阶段，仅能为特定环节创造收益；未来，希望大模型能够更多地参与到生产流程以外的环节中：“如果能把人工智能技术引入经营管理等各方面，PCB行业的产品品质、生产效率、经营收益都将有很大的提升空间。”