當今的時代已經(jīng)進入到大制造時代，我們身邊充斥著越來越多的工業(yè)制造品，大到高樓大廈，小到紐扣、別針，但是對于任何一件工業(yè)品來講，微小的瑕疵隱患不僅是關(guān)乎企業(yè)生存，更是社會安全的重要因素，因此如何更好的提前發(fā)現(xiàn)產(chǎn)品存在的瑕疵及質(zhì)量隱患，已經(jīng)成為制造業(yè)邁入"智能制造"時代的必要前提。

在"智能制造"時代來臨之際，研華科技作為在自動化產(chǎn)業(yè)、嵌入計算機、物聯(lián)網(wǎng)具有關(guān)鍵影響力的全球性企業(yè)，通過自身在物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算領域的技術(shù)積累，不斷協(xié)助系統(tǒng)集成商助推在工業(yè)質(zhì)量檢測領域的轉(zhuǎn)型和創(chuàng)新，創(chuàng)造出更多潛在價值。

近日，中國安防行業(yè)網(wǎng)記者有幸與研華科技邊緣人工智能系統(tǒng)與服務器總監(jiān)鮑志偉先生共同探討研華科技在人工智能時代如何推進制造業(yè)智能化升級，揭秘AI產(chǎn)品檢測在研華人工智能與視覺分析應用中的地位以重要意義。

"智能制造"時代 機器視覺檢測大有用武之地 　　

工業(yè)產(chǎn)品質(zhì)量問題一直是世界各國極其重視的領域，但相關(guān)統(tǒng)計，傳統(tǒng)人工質(zhì)檢員判斷的準確率通常保持在90%-95%之間，并且隨著產(chǎn)品數(shù)量的不斷增加，不合格產(chǎn)品數(shù)量在急劇增加。以前些年，手機企業(yè)玻璃蓋板外觀檢測為例，其本上都是人工檢測，導致檢測效率低下、漏檢率高、人工成本不斷上升等諸多缺陷。

隨著近兩年進入到"智能制造"時代，通過機器視覺賦能產(chǎn)品制造，進一步降低人力成本、提升產(chǎn)品質(zhì)量正在貫穿整個產(chǎn)業(yè)智慧化升級的全過程。

"目前基于機器視覺技術(shù)的產(chǎn)品瑕疵檢測，已經(jīng)是制造業(yè)實現(xiàn)智能化升級的關(guān)鍵一環(huán)，不但有效地促進工業(yè)產(chǎn)品高質(zhì)量生產(chǎn)，同時還助推制造業(yè)流程的智能化推進。"

據(jù)鮑志偉介紹，機器視覺在工業(yè)上應用領域相當廣闊，目前來看核心功能包括測量、檢測、識別、定位等。而在所有功能中，尤以應用于瑕疵檢測的工業(yè)視覺檢測技術(shù)應用最廣。例如目前汽車零件裝配完整性檢測、裝配尺寸精度檢測、位置/角度測量等，另外在電商物流"無人化倉儲"中包裝的符合性檢測，以上這些內(nèi)容均屬于標準檢測。另外，還有一部分屬于非標準檢測，如煙草、棉花以及各種食品如蘋果的瑕疵檢測。

鮑志偉還詳細介紹了工業(yè)視覺瑕疵檢測的流程。他表示，"通過模擬人類視覺功能，計算機系統(tǒng)借助圖像傳感器、鏡頭等裝置來獲取產(chǎn)品的表面圖像，利用相應的圖像處理算法提取圖像的特征信息，然后根據(jù)特征信息進行表面缺陷的定位、識別、分級等判別和統(tǒng)計、存儲、查詢等操作。

AI深度學習給視覺瑕疵檢測帶來新突破 　　

 "當然相較于人工質(zhì)檢，機器視覺瑕疵檢測不僅提高檢測效率，進一步降低了漏檢率，同時還大幅節(jié)約成本。但機器視覺也面臨著更多檢測場景下需要更多的視覺算法投入。" 鮑志偉強調(diào)，傳統(tǒng)的機器視覺系統(tǒng)可能無法區(qū)分相似零件之間差異較大的缺陷類型，并且不夠靈活，無法更新現(xiàn)有的缺陷檢查系統(tǒng)來識別新的缺陷類型等等。

而隨著人工智能技術(shù)的不斷演進，利用人工智能技術(shù)的強大功能，提供高精度的檢測結(jié)果已經(jīng)成為可能，同時利用深度學習技術(shù)，實現(xiàn)系統(tǒng)自動更新視覺模型，提高模型對復雜環(huán)境的自適應能力，為視覺瑕疵檢測帶來更大發(fā)展空間。

"把人工智能與深度學習技術(shù)深度融合進產(chǎn)業(yè)制造智能化進程中正是研華科技的專長" 鮑志偉表示，基于研華此前針對人工智能提出的再分析處理的概念，實現(xiàn)把深度學習（Deep Learning server），推理(Inference note/pc)，再分析處理(Inference server)三者通過一套軟件串聯(lián)在一起。通過向視覺瑕疵檢測領域的應用廠商提供學習架構(gòu)，使其能夠根據(jù)視覺瑕疵檢測領域的圖像數(shù)據(jù)進行深度學習再訓練，再結(jié)合實際應用場景進行二次開發(fā)與應用。

鮑志偉指出，融合深度學習的傳統(tǒng)機器視覺系統(tǒng)，不但能夠?qū)崿F(xiàn)高精度的檢測，區(qū)分相似零件之間差異較大的缺陷類型，并且可以做到根據(jù)實際檢測過程中遇到的新瑕疵問題，實現(xiàn)更新現(xiàn)有的缺陷檢查系統(tǒng)來識別新的缺陷類型，這將大大提高瑕疵檢測準確率。

同時，融合深度學習算法的視覺瑕疵檢測系統(tǒng)適用性更強，極大拓展瑕疵檢測應用領域，尤其是在非標準檢測領域?qū)⑦M一步拓展相關(guān)系統(tǒng)集成商市場空間。

研華科技AI加速平臺實現(xiàn)瑕疵檢測多場景落地 　　

如今，人工智能（AI）在制造業(yè)領域已經(jīng)充分展示出其巨大的能量，成為滿足少量多樣生產(chǎn)需求、增進制造質(zhì)量、傳承工藝經(jīng)驗等多重目標的利器，是推動制造業(yè)邁進"智能化時代"的關(guān)鍵性力量。

鮑志偉表示，目前在制造產(chǎn)業(yè)中已經(jīng)有不少廠商通過引入研華AI加速運算平臺，實現(xiàn)產(chǎn)品瑕疵檢測翻天覆地的變化，同時研華為實現(xiàn)AI技術(shù)在更多制造產(chǎn)業(yè)中落地應用，基于不同的行業(yè)應用，不同的產(chǎn)品瑕疵檢測場景推出了多種不同的推理架構(gòu)。

例如研華推出的主機 GPU AINavi 推理架構(gòu)，通過在設備中的IPC直接加裝GPU，并且將AINavi 推理算法整合進設備軟件中，即可將原本的設備升級成AINavi檢測功能，實現(xiàn)設備的利舊，進一步降低成本。

研華分布式 AINavi推理架構(gòu)，針對設備中的IPC不需加裝GPU，該架構(gòu)可透過網(wǎng)絡實現(xiàn)與研華MIC-730AI(基于英偉達 Jetson架構(gòu))串接再與AINavi 推理算法整合進設備的軟件中，即可將原有設備升級成有AINavi檢測功能。此架構(gòu)可以實現(xiàn)原有系統(tǒng)高擴充性，并且可以整合多個AINavi算法模型 。

據(jù)介紹，工業(yè)自動化軟件開發(fā)企業(yè)-偲倢科技通過選用研華分布式 AINavi推理架構(gòu)及相關(guān)硬件設備，在不到三個月的時間就完成了一家散熱片企業(yè)AI檢測機臺的組裝與測試，監(jiān)測精準度達到了97%，準確度遠遠超過客戶的要求。不但降低了人工成本，也加快了檢測效率。

另外還包括混合式 AINavi推理架構(gòu)以及外掛AINavi推理架構(gòu)。研華通過這些多樣化AI技術(shù)驅(qū)動力，最大化提升工業(yè)制造領域系統(tǒng)集成商產(chǎn)品檢測的便利性和市場服務能力，降低開發(fā)成本，提升靈活性的同時，幫助制造商提升生產(chǎn)效率。