工業(yè)制造領(lǐng)域，瑕疵檢測(cè)一直是生產(chǎn)過(guò)程中的重要一環(huán)。眾所周知，工廠實(shí)際生產(chǎn)過(guò)程并不能保證生產(chǎn)出來(lái)的產(chǎn)品百分之百的完美，或者是產(chǎn)品是螺絲沒(méi)有擰緊，或者是表面有細(xì)小的凹陷和劃痕，或者是產(chǎn)品標(biāo)簽忘記粘貼……特別是在電子產(chǎn)品、汽車、航天航空等高科技產(chǎn)業(yè)中，如果因?yàn)橐粋€(gè)不起眼的瑕疵導(dǎo)致安全事故的發(fā)生，輕則致使財(cái)產(chǎn)受到損失，重則甚至可以發(fā)生傷亡事故——無(wú)論如何，對(duì)于企業(yè)而言都是難以承受的傷痛。

為確保產(chǎn)品質(zhì)量，以往工廠往往會(huì)耗費(fèi)上千人力進(jìn)行人工視覺(jué)檢查，防止瑕疵產(chǎn)品流入市場(chǎng)。但在實(shí)際的工廠運(yùn)營(yíng)中，由于工廠自動(dòng)化水平的提高，車間生產(chǎn)效率得到進(jìn)一步提升，這樣的環(huán)境下，“人-機(jī)”工作很難得到協(xié)調(diào)。同時(shí)，加之人工成本持續(xù)走高，而且工人由于自身熟練度、身體承受能力以及主觀方面等存在的差異，導(dǎo)致檢測(cè)準(zhǔn)確性和效率也各有差異，可以說(shuō)利用人工檢測(cè)的傳統(tǒng)手段收獲效果甚微。

為滿足市場(chǎng)需求，同時(shí)實(shí)現(xiàn)自身價(jià)值，越來(lái)越多的公司注意到數(shù)字化轉(zhuǎn)型對(duì)于企業(yè)發(fā)展的重要性。在瑕疵檢測(cè)領(lǐng)域，則表現(xiàn)為將物聯(lián)網(wǎng)、人工智能等通用技術(shù)賦能給機(jī)器，從而代替工人操作，提升產(chǎn)品質(zhì)量。

市場(chǎng)引導(dǎo)，技術(shù)先行

在信息與實(shí)業(yè)沒(méi)有接軌的年代，各行業(yè)之間是平行發(fā)展的關(guān)系，跨行業(yè)的兩個(gè)企業(yè)之間就像隔著一座山，兩個(gè)不相關(guān)聯(lián)的行業(yè)之間很難找到共同的結(jié)合點(diǎn)。

而物聯(lián)網(wǎng)時(shí)代則不同，這是一個(gè)整合社會(huì)資源、融合創(chuàng)新的時(shí)代，又是一個(gè)強(qiáng)調(diào)細(xì)分市場(chǎng)，宣布主權(quán)的時(shí)代，“隔行如隔山”在今天已經(jīng)成為了歷史。肉眼可見之下，越來(lái)越多的科技企業(yè)出現(xiàn)在傳統(tǒng)行業(yè)的供應(yīng)商列表中，同時(shí)又各自發(fā)揮著熱量。

基于此，英特爾識(shí)微見遠(yuǎn)，深入汽車輪胎制造業(yè)，發(fā)現(xiàn)微小瑕疵中所蘊(yùn)含著巨大的市場(chǎng)。

在傳統(tǒng)的輪胎制造過(guò)程中，培訓(xùn)檢查員大約要花費(fèi) 3 個(gè)月的時(shí)間，而檢查工作最多占用他們 80% 的時(shí)間。即使經(jīng)過(guò)充分的培訓(xùn)，人工檢查通常也只能保持在90%到 95%的準(zhǔn)確率。這種采用人工檢測(cè)的方法顯然費(fèi)時(shí)費(fèi)力。

而輪胎瑕疵檢測(cè)恰恰又是一個(gè)極大的市場(chǎng)，僅中國(guó)的輪胎制造企業(yè)就有大約600多家，每年所生產(chǎn)的8億輪胎中，“中國(guó)造”就占到了全球總生產(chǎn)量的三分之一……

面對(duì)這樣巨大的工作量，人類顯然已經(jīng)很難再勝任，因此就需要物聯(lián)網(wǎng)、AI、邊緣計(jì)算、大數(shù)據(jù)等新興技術(shù)為支持，來(lái)解決這一痛點(diǎn)。

從行業(yè)發(fā)展來(lái)看，機(jī)器視覺(jué)已經(jīng)廣泛應(yīng)用于工業(yè)領(lǐng)域，其中以消費(fèi)電子、汽車和半導(dǎo)體三大領(lǐng)域應(yīng)用最為廣泛。而隨著配套基礎(chǔ)設(shè)施的不斷完善，制造業(yè)需求的增長(zhǎng)以及智能化水平的提高，國(guó)內(nèi)機(jī)器視覺(jué)市場(chǎng)正一步一步擴(kuò)大。據(jù)保守統(tǒng)計(jì)，2017年我國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模已經(jīng)接近70億元，2018年市場(chǎng)規(guī)模首次突破100億元，而今年，市場(chǎng)規(guī)模將再次迎來(lái)增長(zhǎng)，有望達(dá)到125億元。

這無(wú)疑得益于機(jī)器視覺(jué)行業(yè)全產(chǎn)業(yè)鏈的迅猛發(fā)展和“智能玩家”的加入，從2011年到2018年的數(shù)年間，我國(guó)機(jī)器視覺(jué)行業(yè)市場(chǎng)規(guī)模從10.8億元增長(zhǎng)到了104億元，年均復(fù)合增速達(dá)到約33%。國(guó)內(nèi)市場(chǎng)中機(jī)器視覺(jué)企業(yè)數(shù)量在數(shù)年間已經(jīng)達(dá)到200家以上。

而在行業(yè)檢測(cè)中，機(jī)器視覺(jué)又能成功解決人類用眼檢測(cè)不足的幾大痛點(diǎn)：

●速度更快，視覺(jué)檢測(cè)相比于傳統(tǒng)的人工肉眼檢測(cè)，借助AI分析能力，檢測(cè)速度可實(shí)現(xiàn)秒級(jí)內(nèi)響應(yīng);

●精度更高，與人類視覺(jué)相比，機(jī)器視覺(jué)對(duì)微小目標(biāo)分辨力更高，甚至可以觀測(cè)微米級(jí)的目標(biāo);

●增效降本，機(jī)器視覺(jué)檢測(cè)不受人類客觀條件限制，比如機(jī)器沒(méi)有人類感情羈絆，這使質(zhì)檢過(guò)程中的穩(wěn)定性得到較高的保障;其次機(jī)器視覺(jué)相比人類能做更多，有效降低人力成本和之間過(guò)程中產(chǎn)生的損失，提高盈利能力。

得益于市場(chǎng)需求、產(chǎn)業(yè)鏈的成熟以及通用技術(shù)能力的提升，英特爾和深視科技打開智慧的想象，另辟蹊徑探索出一套針對(duì)輪胎制造業(yè)的機(jī)器視覺(jué)智能檢測(cè)解決方案。聚焦于此方案，則表現(xiàn)在“云邊協(xié)同”和人工智能的注入。

眾所周知，機(jī)器視覺(jué)是人工智能應(yīng)用最為廣泛的領(lǐng)域，大量的用例都利用了高分辨率的攝像頭，生成大量需要進(jìn)行匯總和分析的數(shù)據(jù)，而面對(duì)急劇膨脹式的數(shù)據(jù)增長(zhǎng)，人工智能就發(fā)揮了重要作用。

Gartner在此前公布的2020年十大戰(zhàn)略科技趨勢(shì)預(yù)測(cè)中顯示，在2028年前，專用AI芯片以及更加強(qiáng)大的處理能力、存儲(chǔ)和其他先進(jìn)功能將被廣泛應(yīng)用于邊緣設(shè)備中。而在智能制造的大背景下，以AI為基礎(chǔ)能力的視覺(jué)檢測(cè)無(wú)疑將大放異彩。

其次是邊緣計(jì)算能力，《戰(zhàn)略師的物聯(lián)網(wǎng)指南》中提到，邊緣到云行業(yè)支出預(yù)計(jì)到2021年將達(dá)到110億美元。Gartner《2018年十大戰(zhàn)略技術(shù)趨勢(shì)：從云到邊緣》報(bào)告從另一個(gè)角度預(yù)測(cè)到，到2022年，75%的企業(yè)所生成的數(shù)據(jù)將從云端或者集中式數(shù)據(jù)中心搬到邊緣位置進(jìn)行處理。

我們熟知，瑕疵檢測(cè)是在微小中尋求更加安全高質(zhì)量的生產(chǎn)，避免造成巨大的損失，而瑕疵檢測(cè)中的現(xiàn)場(chǎng)數(shù)據(jù)就發(fā)揮了極大的作用，邊緣計(jì)算的運(yùn)用不僅保障了數(shù)據(jù)的“新鮮性”，避免數(shù)據(jù)價(jià)值斷崖式跌落，同時(shí)還對(duì)生產(chǎn)過(guò)程產(chǎn)生的數(shù)據(jù)進(jìn)行存儲(chǔ)和上傳云端，形成“云邊互動(dòng)”，通過(guò)對(duì)數(shù)據(jù)針對(duì)性的價(jià)值提煉，提供給企業(yè)更好的管理依據(jù)。

相互協(xié)作，賦能行業(yè)

當(dāng)然，在工業(yè)制造復(fù)雜的生產(chǎn)過(guò)程中，其現(xiàn)場(chǎng)情況存在諸多可能，同樣的場(chǎng)景可能會(huì)用到不同的方法，再厲害的技術(shù)還需要對(duì)接客戶本身的需求，如此也為通用技術(shù)賦能行業(yè)帶來(lái)了較大的壓力。

就像金箍棒之于孫悟空，擁有了金箍棒的孫悟空才能盡撒才華，最大化發(fā)揮自身的價(jià)值。

而此時(shí)英特爾面向中國(guó)市場(chǎng)推出的專注于加速深度學(xué)習(xí)并將視覺(jué)數(shù)據(jù)轉(zhuǎn)換為業(yè)務(wù)洞察的基于英特爾分布式OpenVINO？工具包就派上了用場(chǎng)，它是幫助企業(yè)在邊緣側(cè)快速實(shí)現(xiàn)高性能計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)的開發(fā)平臺(tái)。如果說(shuō)英特爾和深視科技是孫悟空，那么這套系統(tǒng)就是讓孫悟空施展才華金箍棒。

簡(jiǎn)單而言，英特爾分布式OpenVINO？工具包是英特爾針對(duì)其處理器進(jìn)行優(yōu)化的計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)的推理工具，深視科技的Deep Inspect平臺(tái)方案基于OpenVINO？工具包開發(fā)，不但可以解決質(zhì)檢過(guò)程中海量數(shù)據(jù)造成的工作負(fù)擔(dān)，還可以運(yùn)用強(qiáng)大的計(jì)算能力賦能硬件設(shè)備，讓瑕疵無(wú)所遁形。歸結(jié)起來(lái)具有以下三點(diǎn)優(yōu)勢(shì)：

首先是性能方面的提升。通過(guò)OpenVINO，可以方便地使用包括CPU、GPU、VPU、FPGA等在內(nèi)的英特爾的硬件優(yōu)勢(shì)資源，硬件和軟件的集成提高了性能。

其次，OpenVINO工具包支持異構(gòu)執(zhí)行。只需編寫一次程序，便可以通過(guò)異構(gòu)的接口運(yùn)行在其他的硬件平臺(tái)之上，大大縮減了用戶的開發(fā)周期。

再次，在深度學(xué)習(xí)方面。OpenVINO帶有模型優(yōu)化器、推理引擎以及超過(guò)20個(gè)預(yù)先訓(xùn)練的模型，用戶可快速的實(shí)現(xiàn)自己基于深度學(xué)習(xí)的應(yīng)用從邊緣到云端的暢快運(yùn)行。并且，OpenVINO工具包是一個(gè)開放的工具，這就意味著英特爾給了用戶更多的空間和想先去滿足其自身的定制化需求。

當(dāng)一個(gè)很小的缺陷會(huì)影響到整個(gè)制造商的生產(chǎn)效率和利潤(rùn)率時(shí)，一切細(xì)節(jié)都是至關(guān)重要的。從一組數(shù)據(jù)中就足以看得見基于英特爾技術(shù)的深視科技視覺(jué)檢測(cè)解決方案能發(fā)揮多么重要的作用。

使用該解決方案后，在速度方面，相比傳統(tǒng)的肉眼檢測(cè)，現(xiàn)在平均每次檢查時(shí)間可縮進(jìn)1秒以內(nèi)。在速度更快的同時(shí)，制造商每天還可以實(shí)時(shí)檢查20000多個(gè)輪胎，準(zhǔn)確率也能提升至99.9% 以上。不僅如此，速度和準(zhǔn)確率的提高也使企業(yè)的凈利潤(rùn)得到增長(zhǎng)，并使每條生產(chǎn)線的人工成本降低了大約42000美元。

目前，AI和邊緣計(jì)算等新興技術(shù)正在蓬勃發(fā)展，但面向真實(shí)場(chǎng)景需求的應(yīng)用卻少之又少，而深視科技基于英特爾分布式OpenVINO工具包的Deep Inspect解決方案無(wú)疑為行業(yè)打開了新的想象，助力更多通用技術(shù)真實(shí)有效的賦能行業(yè)。同時(shí)，牢牢扎根于工業(yè)領(lǐng)域，深視科技也進(jìn)行了更多實(shí)踐，比如將Deep Inspect解決方案帶進(jìn)更多制造業(yè)領(lǐng)域，比如3C、光學(xué)薄膜行業(yè)、PCB制造業(yè)……

責(zé)任編輯：ct