人工智能機器視覺技術(shù)在質(zhì)檢領(lǐng)域的應(yīng)用，為工業(yè)流水線帶來了精準度高、速度快、穩(wěn)定性高、信息集成與留存等明顯的優(yōu)勢，幫助企業(yè)可以更好地進行質(zhì)量和成本控制。而且現(xiàn)在的機器視覺已經(jīng)不僅僅在工廠端，其已經(jīng)成為一個云端融合的系統(tǒng)，持續(xù)地推動工業(yè)的升級。

在工廠里，工作崗位有很多，質(zhì)檢員就是其中一種。質(zhì)檢員需要負責公司所有物資、產(chǎn)品、設(shè)備的質(zhì)量檢查，這就需要熟悉并理解產(chǎn)品圖紙、工藝、產(chǎn)品結(jié)構(gòu)、性能及使用要求等，可以說質(zhì)量管理是一項復(fù)雜的系統(tǒng)工程，也是企業(yè)品牌和市場競爭力的關(guān)鍵。

制造業(yè)在生產(chǎn)上一直在不斷的發(fā)展，在質(zhì)檢上也不例外，人工檢測不可避免還是會出現(xiàn)不良品，而且耗時長，效率低等問題。

隨著人工智能機器視覺技術(shù)在質(zhì)檢領(lǐng)域的應(yīng)用，為工業(yè)流水線帶來了精準度高、速度快、穩(wěn)定性高、信息集成與留存等明顯的優(yōu)勢，幫助企業(yè)可以更好地進行質(zhì)量和成本控制。而且現(xiàn)在的機器視覺已經(jīng)不僅僅在工廠端，其已經(jīng)成為一個云端融合的系統(tǒng)，持續(xù)地推動工業(yè)的升級。

當機器視覺遇上工業(yè)質(zhì)檢

據(jù)Markets and Markets發(fā)布的研究報告顯示，2020全球機器視覺市場規(guī)模為107億美元，到2025年，該市場將增長至127億美元。預(yù)測期內(nèi)（2020—2025年）的年復(fù)合增長率為13.6%。

全球機器視覺市場增長主要有以下四大驅(qū)動力：一、工業(yè)質(zhì)量檢查和自動化需求；二、視覺引導(dǎo)機器人系統(tǒng)需求；三、3D機器視覺系統(tǒng)的不斷采用；四、混合動力和電動汽車的生產(chǎn)的增加。

其中機器視覺在工業(yè)上應(yīng)用領(lǐng)域廣闊，核心功能包括：測量、檢測、識別、定位等。產(chǎn)業(yè)鏈可以分為上游部件級市場、中游系統(tǒng)集成/整機裝備市場和下游應(yīng)用市場。上游包括：光源、鏡頭、工業(yè)相機、圖像采集卡、圖像處理軟件等軟硬件提供商；中游包括：集成和整機設(shè)備提供商；下游包括：電子制造行業(yè)、汽車、印刷包裝、煙草、農(nóng)業(yè)、醫(yī)藥、紡織、交通等領(lǐng)域。

中科創(chuàng)達CTO鄒鵬程表示，工業(yè)質(zhì)檢是機器視覺在工業(yè)應(yīng)用中較早的領(lǐng)域，在發(fā)展上也有著組織、文化、產(chǎn)品三大挑戰(zhàn)，這就需要打造面向服務(wù)的平臺型組織，打造以技術(shù)為本的開放文化，最重要的是打造一套融合系統(tǒng)解決機器視覺在工業(yè)領(lǐng)域的應(yīng)用。

因為未來更多是異構(gòu)分布計算的場景，所以系統(tǒng)架構(gòu)應(yīng)該是終端和云端一致的體系，也就是融合系統(tǒng)，通過同一個代碼就可以實現(xiàn)所有的運行和部署，不需要考慮在端側(cè)還是云側(cè)。

云端的融合ADC系統(tǒng)

成立于2008年的中科創(chuàng)達致力于提供卓越的智能操作系統(tǒng)產(chǎn)品、技術(shù)及解決方案，主要擁有智能手機、智能物聯(lián)網(wǎng)、智能汽車、智能視覺四大業(yè)務(wù)板塊。

2018年中科創(chuàng)達推出了基于人工智能和智能視覺技術(shù)的中科創(chuàng)達智慧工業(yè)ADC （Automatic Defect Classification） 系統(tǒng)，將AI技術(shù)賦能傳統(tǒng)工業(yè)，提升生產(chǎn)效率和產(chǎn)品良率，助力傳統(tǒng)制造企業(yè)轉(zhuǎn)型升級。

ADC系統(tǒng)包含缺陷自動化分類、新產(chǎn)品迭代數(shù)據(jù)清洗、業(yè)務(wù)作業(yè)員認證三個子系統(tǒng)，從作業(yè)員技能認證、數(shù)據(jù)集更新到新產(chǎn)品導(dǎo)入，貫穿工業(yè)檢測的整個生命周期，有效幫助制造企業(yè)減少75%的工作量，產(chǎn)能提升35倍。相比人工檢測，漏檢率下降3%，準確率提升99%。

鄒鵬程表示，ADC系統(tǒng)在2019年開始一期第一階段的研發(fā)，最初為私有化部署，并非云方案，經(jīng)過了半年的開發(fā)測試，準確率達到了90%。由于私有化需要部署在各地工廠端，帶了很大的成本壓力，而且疫情期間很難進行實地部署，所以在一期第二階段，開始在AWS上進行試點，并使用Amazon SageMaker。

在與Amazon SageMaker集成后ADC系統(tǒng)具備了四大特點：第一、上手容易：大大降低簡易算法開發(fā)的難度，工具鏈完善，上手的速度非常快；第二、開發(fā)快速：使用組件快速、輕松地構(gòu)建和訓練機器學習模型，在控制臺即可將模型部署到安全、可擴展的環(huán)境中；第三、算法靈活：支持主流的TensorFlow、PyTorch、Keras、xnet等框架，提供常見的機器學習算法，支持自定義算法；第四、功能強大：一體式機器學習環(huán)境，高質(zhì)量的訓練數(shù)據(jù)集，實驗管理和跟蹤，強化學習、模型監(jiān)控等。

讓行業(yè)應(yīng)用發(fā)揮更大作用

ADC系統(tǒng)有三種部署模式，第一、私有化部署，即在工廠端；第二、云端部署，即部署在AWS上；第三、分布式部署，端側(cè)部署ARM服務(wù)器和AWS IoTGreengrass邊緣計算等，云側(cè)部署Amazon SageMaker的組合。 目前ADC系統(tǒng)已經(jīng)在多個領(lǐng)域進行應(yīng)用，第一、汽車行業(yè)，例如表面涂膠檢測、車身板件裝配檢測等；第二、電子產(chǎn)品行業(yè)，例如PCBA電路板檢測、外觀缺陷檢測、包裝缺陷檢測等；第三、化妝品行業(yè)，例如包裝缺陷檢測、灌裝液位檢測、標簽損壞檢測等。

在與AWS的合作上，其實中科創(chuàng)達最早是自己做模型的訓練、分發(fā)等工作，在過程中也認識到自己的核心價值是操作系統(tǒng)和之上的算法，所以轉(zhuǎn)向Amazon SageMaker可以輕松地獲得機器學習能力，例如彈性Notebook、實驗管理、自動模型創(chuàng)建、模型調(diào)試分析，以及模型概念漂移檢測等能力。

AWS中國區(qū)生態(tài)系統(tǒng)及合作伙伴部總經(jīng)理汪湧也提到和中科創(chuàng)達合作的三大戰(zhàn)略意義，第一、AWS在集成電路領(lǐng)域的應(yīng)用，第二、Amazon SageMaker落地中國，為中國企業(yè)提供集成化的人工智能環(huán)境，幫助企業(yè)進行轉(zhuǎn)型；第三、傳統(tǒng)視覺技術(shù)到云上的轉(zhuǎn)型。

在Amazon SageMaker和合作之后，AWS也將和中科創(chuàng)達在汽車、晶片等行業(yè)進行拓展，在新基建的框架下，通過技術(shù)幫助合作伙伴在行業(yè)應(yīng)用上發(fā)揮更大的作用。
責任編輯:pj