ICS3524050C3499

T/GXDSL團(tuán) 體 標(biāo) 準(zhǔn)T/GXDSL038—2025人工智能在制造業(yè)產(chǎn)品質(zhì)量檢測(cè)標(biāo)準(zhǔn)QualityInspectionStandardforArtificialIntelligenceinManufacturing2025-5-16發(fā)布 2025-5-18實(shí)施廣西電子商務(wù)企業(yè)聯(lián)合會(huì) 發(fā)布IIT/GXDSL038—2025目??次前??言 III一、引言 1(一)目的 1(二)適用范圍 1(三)規(guī)范性引用文件 1二、術(shù)語(yǔ)和定義 2(一)人工智能（AI） 2(二)產(chǎn)品質(zhì)量檢測(cè) 2(三)機(jī)器學(xué)習(xí) 2(四)數(shù)據(jù)標(biāo)注 2三、評(píng)估流程規(guī)范 2(一)數(shù)據(jù)采集與處理 2數(shù)據(jù)采集 3數(shù)據(jù)預(yù)處理 3(二)模型選擇與訓(xùn)練 3模型選擇 3模型訓(xùn)練 4(三)檢測(cè)算法 4算法選擇 4算法優(yōu)化 4(四)系統(tǒng)集成 4硬件集成 5軟件集成 5(五)性能評(píng)估 5評(píng)估指標(biāo) 5評(píng)估方法 6四、實(shí)施要求 6(一)人員培訓(xùn) 6培訓(xùn)內(nèi)容 6培訓(xùn)方式 6PAGE\*ROMANPAGE\*ROMANIIT/GXDSL038—2025培訓(xùn)目的 7(二)設(shè)備維護(hù) 7日常維護(hù) 7故障處理 7(三)數(shù)據(jù)安全 8數(shù)據(jù)加密 8訪問(wèn)控制 8(四)持續(xù)改進(jìn) 8反饋機(jī)制 8技術(shù)更新 9五、附則 9(一)標(biāo)準(zhǔn)解釋 9(二)實(shí)施日期 9(三)修訂與廢止 9(四)附錄 10T/GXDSL038—2025前??言本文件依據(jù)GB/T1.1-20201草。請(qǐng)注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識(shí)別專利的責(zé)任。本文件由廣西產(chǎn)學(xué)研科學(xué)研究院提出。本文件由廣西電子商務(wù)企業(yè)聯(lián)合會(huì)歸口。PAGEPAGE1T/GXDSL038—2025人工智能在制造業(yè)產(chǎn)品質(zhì)量檢測(cè)標(biāo)準(zhǔn)一、引言(一)目的(二)適用范圍(三)規(guī)范性引用文件GB/T19000-2016質(zhì)量管理體系基礎(chǔ)和術(shù)語(yǔ)GB/T19001-2016質(zhì)量管理體系要求GB/T25000.51-2016（SQuaRE）51T/GXDSL038—2025二、術(shù)語(yǔ)和定義(一)人工智能（AI）(二)產(chǎn)品質(zhì)量檢測(cè)(三)機(jī)器學(xué)習(xí)(四)數(shù)據(jù)標(biāo)注三、評(píng)估流程規(guī)范(一)數(shù)據(jù)采集與處理PAGEPAGE3T/GXDSL038—2025數(shù)據(jù)采集數(shù)據(jù)來(lái)源數(shù)據(jù)格式CSV、JSON、XML數(shù)據(jù)頻率數(shù)據(jù)預(yù)處理數(shù)據(jù)清洗數(shù)據(jù)歸一化：對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除量綱影響，便于模型訓(xùn)練。歸一化方法包括最小-最大歸一化、Z-score數(shù)據(jù)增強(qiáng)（(二)模型選擇與訓(xùn)練模型選擇模型類型：根據(jù)檢測(cè)任務(wù)的特點(diǎn)選擇合適的模型，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）用于圖像識(shí)別，循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）用于時(shí)間序列分析。模型選擇應(yīng)考慮任務(wù)復(fù)雜度、數(shù)據(jù)量和計(jì)算資源。模型復(fù)雜度T/GXDSL038—2025模型訓(xùn)練訓(xùn)練數(shù)據(jù)70%:15%:15%。訓(xùn)練方法K訓(xùn)練參數(shù)(三)檢測(cè)算法算法選擇算法類型（SVM）用于分類任務(wù)，YOLO算法性能F1算法優(yōu)化參數(shù)調(diào)優(yōu)算法集成（BaggingBoosting）(四)系統(tǒng)集成PAGEPAGE5T/GXDSL038—2025硬件集成硬件選擇GPU、TPU硬件配置軟件集成軟件架構(gòu)：采用模塊化設(shè)計(jì)，確保系統(tǒng)的可擴(kuò)展性和可維護(hù)性。軟件架構(gòu)應(yīng)包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、模型訓(xùn)練模塊、檢測(cè)模塊等。接口設(shè)計(jì)(五)性能評(píng)估評(píng)估指標(biāo)準(zhǔn)確率TP+TN)/(TP+TN+FP+FNPositive）：實(shí)際為缺陷且被正確檢出的樣本數(shù)量，反映系統(tǒng)對(duì)真實(shí)缺陷的識(shí)別能力。TN（TruePositive）：實(shí)際無(wú)缺陷但被誤判為缺陷的樣本數(shù)量，表示系統(tǒng)的誤報(bào)情況。FN（FalseNegative）：實(shí)際有缺陷但未被檢出的樣本數(shù)量，反映系統(tǒng)的漏檢風(fēng)險(xiǎn)。召回率：檢測(cè)系統(tǒng)能夠識(shí)別出的缺陷比例。召回率計(jì)算公式為：TP/(TP+FN)。F1F1*召回率)/(準(zhǔn)確率+召回率)。要求：整體F1值≥0.98。T/GXDSL038—2025評(píng)估方法交叉驗(yàn)證KKK-11混淆矩陣PositiveTP）：實(shí)際存在質(zhì)量缺陷且被系統(tǒng)正確識(shí)別的樣本數(shù)量，反映系統(tǒng)對(duì)缺陷產(chǎn)品的準(zhǔn)確檢出能力。真反例（TrueNegativeTN）：實(shí)際合格產(chǎn)品且被系統(tǒng)正確判定為正常的樣本數(shù)量，體現(xiàn)系統(tǒng)對(duì)合格產(chǎn)品的準(zhǔn)確判斷能力。假正例（FalsePositive,FP）：實(shí)際合格產(chǎn)品但被系統(tǒng)誤判為缺陷的樣本數(shù)量，代表系統(tǒng)的誤報(bào)情況。假反例（FalseNegative,FN）：實(shí)際存在缺陷但未被系統(tǒng)檢出的樣本數(shù)量，反映系統(tǒng)的漏檢風(fēng)險(xiǎn)。四、實(shí)施要求(一)人員培訓(xùn)培訓(xùn)內(nèi)容基礎(chǔ)知識(shí)：人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等基礎(chǔ)知識(shí)。培訓(xùn)內(nèi)容應(yīng)包括基本概念、算法原理、應(yīng)用場(chǎng)景等。技術(shù)應(yīng)用操作技能培訓(xùn)方式PAGEPAGE7T/GXDSL038—2025理論培訓(xùn)實(shí)踐培訓(xùn)培訓(xùn)目的開(kāi)展人工智能質(zhì)量檢測(cè)系統(tǒng)相關(guān)人員培訓(xùn)，旨在實(shí)現(xiàn)以下目標(biāo)：AI培養(yǎng)具備跨學(xué)科知識(shí)的復(fù)合型人才，彌合制造業(yè)與人工智能領(lǐng)域的技術(shù)鴻溝。建立標(biāo)準(zhǔn)化操作流程，降低人為操作失誤導(dǎo)致的檢測(cè)偏差。增強(qiáng)故障診斷和應(yīng)急處理能力，保障生產(chǎn)線的連續(xù)穩(wěn)定運(yùn)行。促進(jìn)新技術(shù)在傳統(tǒng)制造業(yè)的落地應(yīng)用，推動(dòng)產(chǎn)業(yè)智能化轉(zhuǎn)型。(二)設(shè)備維護(hù)日常維護(hù)硬件維護(hù)：定期檢查硬件設(shè)備的運(yùn)行狀態(tài)，及時(shí)更換損壞的部件。硬件維護(hù)應(yīng)包括清潔、潤(rùn)滑、緊固、更換等。軟件維護(hù)故障處理T/GXDSL038—2025故障診斷故障排除(三)數(shù)據(jù)安全數(shù)據(jù)加密傳輸加密SSL/TLS存儲(chǔ)加密AES訪問(wèn)控制權(quán)限管理審計(jì)日志(四)持續(xù)