全速前进！ AI助力工业制造智能升级

谈到工业数字化转型，人们首先联想到的就是工业互联网，仿佛工业互联网已经成了工业转型的全部。

实际上，随着数字化进程的加快，智能化才是工业发展的星辰大海，AI与工业的深度交融悄悄成为了业界学界的重要课题，未来很长一段时间内AI将成为工业转型升级的标配。

工业AI概念在诞生之初，就寻求在工业制造的各种场景中进行应用，诸如智能分拣、智能巡检、能效优化、预防性维护、智能缺陷检测等，其中，质检环节是制造业在完成智能化过程中的一块“硬骨头”。

据《中国AI赋能的工业质检解决方案市场分析2021》报告指出，工业AI视觉质检市场也已经走向成长期，2020年全年中国工业质检软件和服务市场仍平稳增长，市场规模达到了1.42亿美元，较2019年有近32%的增长，未来五年工业质检软件和服务市场还会保持30%以上的增速。

这主要基于我国工业细分领域较多且各领域的研发、生产、管理环节差异性较大，对工业场景来说，融合AI最大的挑战在于AI应用的落地需要设备、网络和算力作为基础条件，而工厂不可能花费巨大的成本去改造产线进而与AI进行深度融合。

另一个原因则是从工业的难点和痛点出发，质检一直是产品内控的刚需环节，但众所周知，现在绝大部分工厂中，质检都是依靠工人来完成，凭借的是人力的大量重复劳动以及相关经验。而工厂在人工质检方面“招工难、用工难”现象越发严重。

这些质检人员每天都要花费大量的时间去判断工业零件的质量，不但有害员工视力，还存在速度和稳定性差等问题。同时，传统工业质检方法是通过人肉眼所见和主观经验来进行判决，仅可给出定性的评价，无法形成精细化的判定数据辅助工艺优化，人工判别经验也难以复制与传承。

而相比于传统的人工质检方式，AI质检具备质检效率高、检测精度高、质检系统稳定等优势，在工业数字化转型大背景下，用AI完成质检无疑是最好的选择。

以隐形眼镜为例，虽然大多数制造商采用随机抽样的方法来测试产品是否存在缺陷，但是这种方法在隐形眼镜的生产线上是不适用的，因为每片镜片都需要检查，质量控制人员每班最多只能检查4000个镜片，因此产生了生产瓶颈。此外，误检和漏检也是不可避免的。

由于隐形眼镜是透明的，因此，采用机器数据的检测方式历来是这个行业面临的重大挑战。传统的AOI依赖固定的几何算法来发现缺陷，但从透明物体中获取高质量的图像具有较大的难度，从而导致检测的性能无法被客户接受。

使用基于人工智能的智能相机搜集数据用以训练人工智能算法，并持续迭代检测的性能，以此提供更好的解决方案。基于人工智能的智能系统可以识别常见的缺陷，例如毛刺、气泡、边缘粗糙、颗粒、划痕等等。

如上图所示，基于人工智能的智能AOI甚至可以检测透明隐形眼镜中的微小缺陷，与之前使用人工的质量控制流程相比，检测效率得以显著提升，相比人工视觉检测，每个基于人工智能的智能相机可以检测50多倍数量的隐形眼镜，而且检测精度从30% 提高到95%。

与传统视觉技术在识别不规则缺陷方面的不足相比，随着数据量的增加，人工智能检测的准确性将继续得到优化，以实现对生产质量数据的完全控制，并为过程优化和过程提供关键数据支持，人工智能工业质量检测解决方案将充分赋予行业动力。

想要实现人工智能检测的精准识别，就需要大量的优质训练数据，目前，数据堂已在国内部署有3大数据标注基地，有着5000余名经验丰富的数据标注专家，能提供高效、高质量的数据标注服务，可为客户提供高质量的训练数据，协助客户快提高AI质检精度。

当前，中国制造正在从“制造大国”向“制造强国”转变和升级，人工智能和机器视觉将成为实现“中国制造2025”的核心技术，成为制造业的风口浪尖。

随着越来越多的现代工业制造商正在使用计算机视觉技术来检测工业产品问题并不断提高质量，人工智能和机器视觉技术必将作为智能制造领域的“智慧之眼”不断发展进步。