全速前進！ AI助力工業製造智慧升級

談到工業數字化轉型，人們首先聯想到的就是工業互聯網，彷彿工業互聯網已經成了工業轉型的全部。

實際上，隨著數字化進程的加快，智慧化才是工業發展的星辰大海，AI與工業的深度交融悄悄成為了業界學界的重要課題，未來很長一段時間內AI將成為工業轉型升級的標配。

工業AI概念在誕生之初，就尋求在工業製造的各種場景中進行應用，諸如智慧分揀、智慧巡檢、能效優化、預防性維護、智慧缺陷檢測等，其中，質檢環節是製造業在完成智慧化過程中的一塊「硬骨頭」。

據《中國AI賦能的工業質檢解決方案市場分析2021》報告指出，工業AI視覺質檢市場也已經走向成長期，2020年全年中國工業質檢軟體和服務市場仍平穩增長，市場規模達到了1.42億美元，較2019年有近32%的增長，未來五年工業質檢軟體和服務市場還會保持30%以上的增速。

這主要基於中國工業細分領域較多且各領域的研發、生產、管理環節差異性較大，對工業場景來說，融合AI最大的挑戰在於AI應用的落地需要設備、網路和算力作為基礎條件，而工廠不可能花費巨大的成本去改造產線進而與AI進行深度融合。

另一個原因則是從工業的難點和痛點出發，質檢一直是產品內控的剛需環節，但眾所周知，現在絕大部分工廠中，質檢都是依靠工人來完成，憑藉的是人力的大量重複勞動以及相關經驗。而工廠在人工質檢方面「招工難、用工難」現象越發嚴重。

這些質檢人員每天都要花費大量的時間去判斷工業零件的品質，不但有害員工視力，還存在速度和穩定性差等問題。同時，傳統工業質檢方法是通過人肉眼所見和主觀經驗來進行判決，僅可給出定性的評價，無法形成精細化的判定數據輔助製程優化，人工判別經驗也難以複製與傳承。

而相比於傳統的人工質檢方式，AI質檢具備質檢效率高、檢測精度高、質檢系統穩定等優勢，在工業數字化轉型大背景下，用AI完成質檢無疑是最好的選擇。

以隱形眼鏡為例，雖然大多數製造商採用隨機抽樣的方法來測試產品是否存在缺陷，但是這種方法在隱形眼鏡的生產線上是不適用的，因為每片鏡片都需要檢查，品質控制人員每班最多只能檢查4000個鏡片，因此產生了生產瓶頸。此外，誤檢和漏檢也是不可避免的。

由於隱形眼鏡是透明的，因此，採用機器數據的檢測方式歷來是這個行業面臨的重大挑戰。傳統的AOI依賴固定的幾何演算法來發現缺陷，但從透明物體中獲取高品質的影像具有較大的難度，從而導致檢測的性能無法被客戶接受。

使用基於人工智慧的智慧相機搜集數據用以訓練人工智慧演算法，並持續迭代檢測的性能，以此提供更好的解決方案。基於人工智慧的智慧系統可以識別常見的缺陷，例如毛刺、氣泡、邊緣粗糙、顆粒、劃痕等等。

如上圖所示，基於人工智慧的智慧AOI甚至可以檢測透明隱形眼鏡中的微小缺陷，與之前使用人工的品質控制流程相比，檢測效率得以顯著提升，相比人工視覺檢測，每個基於人工智慧的智慧相機可以檢測50多倍數量的隱形眼鏡，而且檢測精度從30% 提高到95%。

與傳統視覺技術在識別不規則缺陷方面的不足相比，隨著數據量的增加，人工智慧檢測的準確性將繼續得到優化，以實現對生產品質數據的完全控制，並為過程優化和過程提供關鍵數據支援，人工智慧工業品質檢測解決方案將充分賦予行業動力。

想要實現人工智慧檢測的精準識別，就需要大量的優質訓練數據，目前，數據堂已在中國部署有3大數據標註基地，有著5000餘名經驗豐富的數據標註專家，能提供高效、高品質的數據標註服務，可為客戶提供高品質的訓練數據，協助客戶快提高AI質檢精度。

當前，中國製造正在從「製造大國」向「製造強國」轉變和升級，人工智慧和機器視覺將成為實現「中國製造2025」的核心技術，成為製造業的風口浪尖。

隨著越來越多的現代工業製造商正在使用電腦視覺技術來檢測工業產品問題並不斷提高品質，人工智慧和機器視覺技術必將作為智慧製造領域的「智慧之眼」不斷發展進步。