微波爐角落里的型號編碼、空調(diào)背面不顯眼的小螺釘、冰箱側(cè)身的標(biāo)簽，它們的質(zhì)量檢測是生產(chǎn)線中最費人工的地方，也是制約智能制造的老大難。

如果哪天這類瑕疵檢測不再需要人工，這樣的制造就真的稱得上智能。最近，這一難題被美的和英特爾攻克了！美的與英特爾的人工智能專家用一套工業(yè)視覺檢測云平臺為智能制造“點睛”——未來，美的生產(chǎn)線上各類產(chǎn)品的檢測都將無需人工，視覺AI可以讓所有瑕疵無可遁逃！

破局：用AI對抗非標(biāo)環(huán)境

品質(zhì)檢測一直是制造工廠繁重瑣碎的工序，也是阻滯其智能化的痛點。

美的庫卡機器人視覺團(tuán)隊摸索一年多，發(fā)現(xiàn)痛點的根源在機器檢測視覺應(yīng)用環(huán)境的非標(biāo)性——生產(chǎn)線環(huán)境復(fù)雜、產(chǎn)品多種多樣，光亮條件、產(chǎn)品表面性狀都不同，幾乎每一個項目都需要定制相機、光源、算法。

怎么辦？ 攜手英特爾成為關(guān)鍵突破，AI人工智能提供了利器。

在人工智能領(lǐng)域布局良久的英特爾與智能制造的排頭兵美的走到了一起。英特爾至強?可擴展處理器的可靠算力和英特爾Analytics Zoo所包含的先進(jìn)AI算法框架，再加上美的豐富的生產(chǎn)數(shù)據(jù)——最終，美的工業(yè)視覺檢測云借力英特爾AI橫空出世。

點睛：美的工業(yè)視覺檢測云

美的工業(yè)視覺檢測云平臺采用了這樣的架構(gòu)：前端圖像收集-云端大數(shù)據(jù)分析-深度學(xué)習(xí)模式識別，解決視覺檢測環(huán)境的非標(biāo)難題。前端設(shè)備收集的圖像數(shù)據(jù)通過4G或Wi-Fi傳輸?shù)皆贫?，通過深度學(xué)習(xí)框架，經(jīng)由訓(xùn)練獲得非標(biāo)準(zhǔn)化視覺檢測特征，最終打造出通用化、智能化的瑕疵檢測能力。

而這一過程實現(xiàn)的關(guān)鍵，是英特爾Analytics Zoo大數(shù)據(jù)分析+AI平臺。

英特爾Analytics Zoo是一個統(tǒng)一的大數(shù)據(jù)+人工智能平臺，支持基于Spark的分布式TensorFlow、Keras和BigDL，目的是方便用戶開發(fā)基于大數(shù)據(jù)、端到端的深度學(xué)習(xí)應(yīng)用。

此外，至強?可擴展處理器全新的微架構(gòu)帶來了計算能力的飛躍，也能夠有效應(yīng)對制造業(yè)繁復(fù)的數(shù)據(jù)處理任務(wù)。

美的工業(yè)視覺檢測云平臺架構(gòu)

通過對Analytics Zoo上模型和算法的優(yōu)化，美的工業(yè)視覺檢測云平臺能夠在大約50毫秒之內(nèi)完成對圖片的讀取和處理，模型推理也僅需124毫秒。

Analytics Zoo的流水線支持還讓開發(fā)周期大大縮短，非標(biāo)環(huán)境的識別難題就這樣輕松搞定！美的視覺研究所所長胡正總結(jié)道：“應(yīng)用的開發(fā)周期從之前的兩到三個月，縮短到現(xiàn)在的半個月。兩個月內(nèi)就可以復(fù)制到九條生產(chǎn)線，未來我們還會復(fù)制到更多的生產(chǎn)線?！?/p>

英特爾人工智能為美的工業(yè)視覺檢測云提供了“秘密武器”，成為了智能制造的“點睛之筆”。