近年來，隨著我國(guó)工業(yè)高端化轉(zhuǎn)型升級(jí)，計(jì)算機(jī)算力以及數(shù)據(jù)總量呈指數(shù)級(jí)增長(zhǎng)，算法研究快速迭代，人工智能（AI）技術(shù)已經(jīng)登上了科技革命的風(fēng)口。

根據(jù)Gartner發(fā)布的技術(shù)成熟度曲線顯示，目前全球處于上升期或巔峰期的新興技術(shù)中，一半以上與AI技術(shù)有關(guān)。

在工業(yè)領(lǐng)域，基于AI技術(shù)可以將工業(yè)大數(shù)據(jù)轉(zhuǎn)化為有效信息、抽象為模型、輔助人類進(jìn)行精準(zhǔn)決策，最終實(shí)現(xiàn)工業(yè)過程高效配置和執(zhí)行。而這其中，基于工業(yè)視覺的AI質(zhì)檢正成為制造業(yè)探索人工智能實(shí)踐的殺手級(jí)應(yīng)用。

IDC發(fā)布的《中國(guó)AI賦能的工業(yè)質(zhì)檢解決方案市場(chǎng)分析》報(bào)告指出，AI技術(shù)供應(yīng)商正和設(shè)備廠商、解決方案商、系統(tǒng)集成商、服務(wù)提供商一起向用戶提供較為完備的AI工業(yè)質(zhì)檢解決方案。

未來，AI工業(yè)質(zhì)檢應(yīng)用會(huì)進(jìn)一步成熟，并將帶領(lǐng)制造業(yè)、泛工業(yè)領(lǐng)域的自動(dòng)化、智能化轉(zhuǎn)型。

人工質(zhì)檢

被取代是大勢(shì)所趨

當(dāng)前制造業(yè)產(chǎn)品外表檢查主要有人工質(zhì)檢和機(jī)器視覺質(zhì)檢兩種方式，其中人工占90%，機(jī)器只占10%。

傳統(tǒng)人工質(zhì)檢普遍面臨以下痛點(diǎn)：

第一、傳統(tǒng)的人工檢查方法在缺陷判別上存在個(gè)體與個(gè)體間的差異，容易受檢查員視力疲勞、狀態(tài)不佳等外界等因素影響，很多產(chǎn)品的微小瑕疵并不能被高效識(shí)別；且人工質(zhì)檢成本高、誤操作多、生產(chǎn)數(shù)據(jù)無法有效留存；

第二、人口紅利消失，用工難的問題愈加突出。據(jù)統(tǒng)計(jì)，目前每天產(chǎn)品線上進(jìn)行人工檢測(cè)的工人數(shù)量超350萬人，但因工資低、工作枯燥，愿意從事人工質(zhì)檢的工人愈來愈少。

據(jù)前瞻產(chǎn)業(yè)研究院統(tǒng)計(jì)數(shù)據(jù)顯示,中國(guó)每天在產(chǎn)線上進(jìn)行目視檢查的工人超過350萬,其中僅3C行業(yè)就超過了150萬人，大概15%-20%的工人會(huì)拿著一個(gè)產(chǎn)品看產(chǎn)品有無問題，有無瑕疵，以此來判斷工業(yè)零件的質(zhì)量。

這不但有害員工視力，還會(huì)存在速度和穩(wěn)定性差等問題，對(duì)檢測(cè)效率和質(zhì)量造成影響。

此外，傳統(tǒng)的工業(yè)質(zhì)檢方法是通過實(shí)驗(yàn)，人工用放大鏡、顯微鏡等多種工具選取亮度、顏色、尺寸、形狀等特征及其參數(shù)來設(shè)計(jì)判決規(guī)則，僅可判別定量缺陷檢測(cè)、無法自適應(yīng)，泛用性低，且人工成本高。

來源：天風(fēng)證券行業(yè)專題研究報(bào)告

機(jī)器視覺

全面賦能AI質(zhì)檢工業(yè)

當(dāng)前，中國(guó)制造正從“制造大國(guó)”向“制造強(qiáng)國(guó)”轉(zhuǎn)型升級(jí)，人工智能、機(jī)器視覺作為實(shí)現(xiàn)中國(guó)制造2025的核心技術(shù)正處于制造產(chǎn)業(yè)的風(fēng)口浪尖，越來越多的現(xiàn)代工業(yè)生產(chǎn)商，正在使用計(jì)算機(jī)視覺技術(shù)，檢查工業(yè)產(chǎn)品問題，提升質(zhì)量。

而工業(yè)AI質(zhì)檢的兩個(gè)重要組成部分是圖片采集和基于深度學(xué)習(xí)的圖像處理系統(tǒng)，它們的檢測(cè)精度與處理準(zhǔn)確率將直接影響智能質(zhì)檢的最終效果。

在這種情況下，通過AI視覺取代人工質(zhì)檢，構(gòu)建一套銳利的“眼”和智慧的“腦”，提高質(zhì)檢效率、降低誤差成為可行之策。

所以，以新一代人工智能、機(jī)器視覺技術(shù)為主導(dǎo)的工業(yè)質(zhì)檢設(shè)備登上舞臺(tái)。

來源：天風(fēng)證券行業(yè)專題研究報(bào)告

該技術(shù)能夠使機(jī)器像人類一樣看清圖像，處理和識(shí)別靜止物體甚至是視頻中連續(xù)動(dòng)作，并根據(jù)判別的結(jié)果來控制設(shè)備動(dòng)作。

尤其在大批量重復(fù)性制造生產(chǎn)中，使用工業(yè)相機(jī)拍下零部件，再交由圖像識(shí)別軟件識(shí)別出有缺陷的零件，將會(huì)極大提升工廠生產(chǎn)效率和自動(dòng)化程度。

矩視智能低代碼平臺(tái) 

加速智能革命

目前主流的機(jī)器視覺技術(shù)仍采用傳統(tǒng)方式，即首先將數(shù)據(jù)表示為一組特征，分析特征或輸入模型后，輸出得到預(yù)測(cè)結(jié)果，在結(jié)構(gòu)化場(chǎng)景下定量檢測(cè)具有高速、高準(zhǔn)確率、可重復(fù)性等優(yōu)勢(shì)。

但隨著機(jī)器視覺的應(yīng)用領(lǐng)域擴(kuò)大，傳統(tǒng)方式顯示出通用性低、難以復(fù)制、對(duì)使用人員要求高等缺點(diǎn)。

深度學(xué)習(xí)對(duì)原始數(shù)據(jù)通過多步特征轉(zhuǎn)換，得到更高層次、更加抽象的特征表示，并輸入預(yù)測(cè)函數(shù)得到最終結(jié)果。

深度學(xué)習(xí)可以將機(jī)器視覺的效率和魯棒性與人類視覺的靈活性相結(jié)合，完成復(fù)雜環(huán)境下的檢測(cè)，特別是涉及偏差和未知缺陷的情形，極大地拓展了機(jī)器視覺的應(yīng)用場(chǎng)景。

傳統(tǒng)機(jī)器學(xué)習(xí)VS深度學(xué)習(xí)

矩視智能低代碼平臺(tái)充分把握工業(yè)檢測(cè)領(lǐng)域的客戶核心需求，從行業(yè)痛點(diǎn)入手，研發(fā)解決產(chǎn)業(yè)痛點(diǎn)的AI質(zhì)檢系統(tǒng)，以先進(jìn)的AI工業(yè)視覺技術(shù)正在賦能工業(yè)領(lǐng)域，為生產(chǎn)線裝上“智慧眼”自動(dòng)“揪”出產(chǎn)品缺陷。

目前，矩視智能低代碼平臺(tái)已上線100多個(gè)開發(fā)工具，并通過數(shù)據(jù)驅(qū)動(dòng)，實(shí)現(xiàn)工具間的自由組合，訓(xùn)練時(shí)間縮短在10分鐘以內(nèi)，大大提升開發(fā)效率。

此外，矩視智能低代碼平臺(tái)針對(duì)工業(yè)等傳統(tǒng)行業(yè)的上千種應(yīng)用場(chǎng)景，識(shí)別準(zhǔn)確率在99%以上，高于行業(yè)95%的平均水平。

矩視智能低代碼平臺(tái)工作流程

面臨工業(yè)領(lǐng)域不斷提升產(chǎn)品質(zhì)量和良品率的需求，矩視智能憑借云端數(shù)據(jù)積累，能夠快速對(duì)各類產(chǎn)品圖像缺陷進(jìn)行學(xué)習(xí)訓(xùn)練，做到高精度識(shí)別判斷，快速識(shí)別其人工檢查以前看不到的問題。

現(xiàn)在矩視智能的解決方案已在多個(gè)行業(yè)實(shí)現(xiàn)落地，包括3C、汽車、醫(yī)藥、食品、半導(dǎo)體、物流、機(jī)械等。