（文/程文智）AI技術已經發(fā)展多年，已經從大家所熟知的手機拍照、美顏、安防監(jiān)控，以及語音識別等應用領域，擴展到了工業(yè)制造領域。這幾年AI在工業(yè)制造領域內也有了很多的成功落地項目。目前AI技術在工業(yè)制造領域比較廣泛的應用，包括AI機器視覺檢測、增產提效，以及智能化供應鏈管理等。

不久前，TE Connectivity在主題為“點燃AI創(chuàng)想，連動產學結合”線上媒體圓桌會上，來自TE自動化制造技術（AMT）團隊的幾位專家成員介紹了一些AI技術在工廠成功落地的項目，以及TE AI Cup今年幾個有創(chuàng)意的獲獎項目。

據(jù)TE總工程師兼全球自動化制造技術團隊總監(jiān)張丹丹博士介紹，他們的這個團隊主要服務于TE的工廠，為工廠提供一站式的自動化、智能化解決方案，以應對生產中的挑戰(zhàn)；同時，他們還會將TE全球各地不同工廠、不同產品線上的需求，進行分析、梳理，開發(fā)具有創(chuàng)新性的解決方案，從一個試點開始，并逐步推廣，以幫助TE整體上提升制造運營的自動化和智能化水平。下面，我們介紹一下TE這些年來比較成功的一些落地案例。

AI顯微鏡的項目

AI顯微鏡項目是TE全球自動化制造技術團隊高級專家工程師兼中國礦業(yè)大學碩士生導師周磊首先推薦的一個AI+制造項目。據(jù)他介紹，因為TE內部有非常多關于質量檢測的需求，如何將AI應用到質檢工序中，提高生產效率成為了工廠的一個需求。為了滿足工廠的這個需求，他們團隊開發(fā)了AI顯微鏡。

“該AI顯微鏡特別適合于在產線當中對不良品通過圖像的方法進行檢測。它的技術是把人工智能與機器視覺技術相結合，采集產品照片，并通過機器學習的方法自動生成產品的檢測標準，應用于對生產線產品的檢測與質量判斷?！敝芾诓┦勘硎尽?br />
他同時介紹了AI顯微鏡的幾大優(yōu)勢：

? 一是AI顯微鏡可以自動學習產品的質量標準，不需要額外編寫程序。

? 二是機器在進行判斷。它不會疲勞，而且它的檢測速度更快，一致性更高。

? 三是AI顯微鏡可以保存大量的實際產品照片，用于持續(xù)地學習，使檢測的精度持續(xù)提高。

據(jù)悉，目前TE已經在全球的50多家工廠部署了AI顯微鏡。同時，周磊博士還強調，AI顯微鏡是本著能夠把AI技術在產線當中實際去使用的目的去做研發(fā)的，“所以我們在開發(fā)和推動部署的過程中充分地考慮了工廠同事操作時的易用性和便利性。”

張丹丹博士補充說，AI顯微鏡是AI機器視覺非常典型的應用。實際上，AI顯微鏡最初是由中國工廠的需求應運而生的?！拔覀儎傞_始和TE傳感器深圳工廠進行試點合作，試點之后有了不錯的成果，證明該技術是可以落地的?！彪S后，TE在該基礎上，把這個技術逐步推動到TE全球的多家工廠。當前，AI顯微鏡已經在TE全球的50多家工廠得到了部署。

飛拍AI檢測系統(tǒng)

飛拍AI檢測系統(tǒng)是周磊博士分享的一個AI機器視覺領域的應用案例，該系統(tǒng)在TE順德工廠內已經部署。“其實在TE內部有一個非常強烈的需求，那就是產品的多面外觀快速檢測，一般稱之為多面產品的快速外觀檢測需求?！彼诜窒碇斜硎?。

而傳統(tǒng)的機器視覺檢測技術，無法滿足在高速情況下對產品的多個面進行快速外觀檢測，因此，此類檢測多由人工進行。他們團隊開發(fā)的飛拍AI檢測系統(tǒng)，主要解決了三個難點：

? 第一個難點，如何實現(xiàn)同時進行多面檢測。他們在產品線上安裝了特定材質的轉盤，結合多角度工業(yè)級相機，攻克了這個難點。

? 第二個難點，如何實現(xiàn)快速檢測。多面檢測其實意味著在同一個時間內增加了需要檢測的產品表面的數(shù)目，他們在這個系統(tǒng)當中結合了飛拍（fly-in）檢測技術，可以做到在整個產品檢測過程當中，產品無需任何停頓，大大加快了檢測速度。

? 第三個難點，如何實現(xiàn)柔性制造。以TE順德工廠為例，如何用同一套檢測系統(tǒng)兼容不同的尺寸、對不同料號的多面體產品進行檢測。為此，周磊博士他們團隊量身定制了AI視覺檢測系統(tǒng)。

最終，這套飛拍AI檢測系統(tǒng)在TE順德工廠成功部署，實現(xiàn)了針對多面體產品進行快速外觀檢測的功能，相比于人工檢測更穩(wěn)定，也更加精確。而且，外觀檢測并不是定量檢測，每一個檢測員的標準都略有差異。使用AI檢測系統(tǒng)，它可以學習特定操作員的檢測標準，并持續(xù)不斷穩(wěn)定的使用統(tǒng)一標準檢測，最終達到提高效率的目的。

也就是說，TE開發(fā)的 “飛拍AI檢測系統(tǒng)”既節(jié)約了人工，又提升了效率。

TE AI Cup用競賽培養(yǎng)人才

這幾年，工廠的智能化升級已經成為了大勢所趨，如果工廠的效率更高，做出來的產品將會更加具有市場競爭力。但在工廠智能化轉型的過程中，必然需要用到大量的技術人才，這些技術人才如何培養(yǎng)呢？

2018年，TE全球運營副總裁魯異博士發(fā)起，TE自動化制造技術團隊組織了TE AI Cup競賽，通過競賽的方式，讓人才更快速地成長起來。據(jù)TE官方介紹，大賽的參賽隊伍由在校大學生組成，一般4到6人。每支隊伍會舉薦一位同學作為隊長，并邀請一名該校的老師作為高校指導老師。隊伍組建成功后，TE會為每個隊伍配置一名TE的工程師作為團隊的工程師顧問，在參賽過程中與學生進行交流和指導。

比賽共設立綜合獎項一二三等獎，及若干單項獎（包括最佳創(chuàng)新獎、最佳節(jié)能減排獎等）。獲獎隊伍將贏取相應的獎學金、獎杯、參賽獲獎證書。此外，TE歡迎參賽選手申請TE的實習機會。

最新的TE AI Cup 2021-2022賽事共吸引了全球超過百名學生的參與。他們共組成了23支團隊，用近一年的時間，應用AI技術，為結對的工廠在實際生產中面臨的挑戰(zhàn)提供創(chuàng)新的解決方案。

本屆大賽共分為兩大類別：AI機器視覺和AI制程監(jiān)控。參賽隊伍需要選擇一個類別，結合TE工廠提供的工業(yè)制造場景中的真實挑戰(zhàn)，開發(fā)相應的解決方案。比賽過程包含了：比賽前期的宣講會、組隊、參賽隊伍提交參賽方案的方向、項目啟動會、參賽隊伍培訓會、比賽過程中的定期交流和進度跟進、決賽。

TE AI Cup 2021-2022比賽設有大賽評委會。評委會通過統(tǒng)一的評分表，分別從設計方案的創(chuàng)新性、可落地性、對其他工業(yè)場景的可復制性，以及項目的完整度，四大維度來對參賽作品進行打分。

本次大賽的結果在4月28日已經公布，其中，

冠軍獲得者

Urameshi團隊，來自墨西哥索諾拉大學（Universidad de Sonora in Mexico）

亞軍獲得者

Venados團隊，來自墨西哥埃莫西約技術學院（Instituto Technologic de Hermosillo in Mexico）

廈門大學團隊，來自中國廈門大學

季軍獲得者

SWUFER團隊，來自中國西南財經大學

AI SONORA團隊，來自墨西哥蒙特雷理工大學索諾拉北部分校 (ITESM Campus Sonora Norte in Mexico)

The Firefly團隊，來自中國蘇州大學

這幾年，大賽涌現(xiàn)出來了不少優(yōu)秀的AI落地項目，比如：

? 榮獲2021-2022賽事金獎的是來自墨西哥索諾拉大學（Universidad de Sonora in Mexico）的Urameshi團隊。該團隊為TE汽車事業(yè)部位于墨西哥埃莫西約 (Hermosillo) 的工廠開發(fā)了結合缺陷品圖片合成器的AI視覺檢測系統(tǒng)。它創(chuàng)新地解決了工業(yè)領域產品線常因缺陷樣本量不夠而無法引入AI視覺檢測，只能采取人工檢測的挑戰(zhàn)。這套系統(tǒng)在比賽測試階段的檢測精度幾乎達到了100%。

? 獲得2021-2022屆三等獎的是來自蘇州大學的The Firefly團隊。他們?yōu)門E工業(yè)事業(yè)部蘇州工廠開發(fā)了一套基于人工智能的自反饋調速系統(tǒng)，用以解決工廠某接插件設備想要提速增效的需求。該系統(tǒng)包含三層：數(shù)據(jù)收集和存儲層、算法分析層，及反饋與控制層。通過不斷執(zhí)行以上三層，形成一個閉環(huán)控制系統(tǒng)。這個系統(tǒng)兼顧自動調速算法、算法普適性、避免設備撞擊的算法改進等，可以幫助工廠在保證設備運行質量的前提下，提升設備的速度值。在比賽測試環(huán)節(jié)，這套系統(tǒng)在TE工業(yè)事業(yè)部蘇州工廠試運行了三個月時間，成功地將工廠的測試設備生產力提高了約10%。

? 在TE AI Cup 2019-2020賽事中，華南理工大學為TE順德工廠利用“AI機器視覺技術”開發(fā)了一套“無監(jiān)督學習自動檢測系統(tǒng)”，用于塑膠件的外觀檢測。賽后，這套AI解決方案不僅被部署到了TE順德工廠，并在這一年里完成了2.0的迭代，實現(xiàn)了從僅應用于半成品外觀檢測，到應用于成品生產線功能性檢測的升級。相比傳統(tǒng)的檢測方式，“無監(jiān)督學習自動檢測系統(tǒng)” 具有部署快、效率高、準確度高的優(yōu)勢。以檢測一個塑膠件為例，它的運行時間僅為0.33秒，且準確度可達99%以上。

結語

從這些實際案例中，可以看到AI技術正在工廠中成功落地，助力工廠提升效率和品質，降低成本。當然，目前最為緊缺的其實是人才問題，畢竟這是一個新的賽道，好在現(xiàn)在已經有越來越多的學校、機構和企業(yè)已經在人才培養(yǎng)上行動起來了。