智能制造 机器视觉 研华科技引领工业制造AI落地应用

当今的时代已经进入到大制造时代，我们身边充斥着越来越多的工业制造品，大到高楼大厦，小到纽扣、别针，但是对于任何一件工业品来讲，微小的瑕疵隐患不仅是关乎企业生存，更是社会安全的重要因素，因此如何更好的提前发现产品存在的瑕疵及质量隐患，已经成为制造业迈入"智能制造"时代的必要前提。

在"智能制造"时代来临之际，研华科技作为在自动化产业、嵌入计算机、物联网具有关键影响力的全球性企业，通过自身在物联网、大数据、云计算领域的技术积累，不断协助系统集成商助推在工业质量检测领域的转型和创新，创造出更多潜在价值。

近日，中国安防行业网记者有幸与研华科技边缘人工智能系统与服务器总监鲍志伟先生共同探讨研华科技在人工智能时代如何推进制造业智能化升级，揭秘AI产品检测在研华人工智能与视觉分析应用中的地位以重要意义。

"智能制造"时代 机器视觉检测大有用武之地 　　

工业产品质量问题一直是世界各国极其重视的领域，但相关统计，传统人工质检员判断的准确率通常保持在90%-95%之间，并且随着产品数量的不断增加，不合格产品数量在急剧增加。以前些年，手机企业玻璃盖板外观检测为例，其本上都是人工检测，导致检测效率低下、漏检率高、人工成本不断上升等诸多缺陷。

随着近两年进入到"智能制造"时代，通过机器视觉赋能产品制造，进一步降低人力成本、提升产品质量正在贯穿整个产业智慧化升级的全过程。

"目前基于机器视觉技术的产品瑕疵检测，已经是制造业实现智能化升级的关键一环，不但有效地促进工业产品高质量生产，同时还助推制造业流程的智能化推进。"

据鲍志伟介绍，机器视觉在工业上应用领域相当广阔，目前来看核心功能包括测量、检测、识别、定位等。而在所有功能中，尤以应用于瑕疵检测的工业视觉检测技术应用最广。例如目前汽车零件装配完整性检测、装配尺寸精度检测、位置/角度测量等，另外在电商物流"无人化仓储"中包装的符合性检测，以上这些内容均属于标准检测。另外，还有一部分属于非标准检测，如烟草、棉花以及各种食品如苹果的瑕疵检测。

鲍志伟还详细介绍了工业视觉瑕疵检测的流程。他表示，"通过模拟人类视觉功能，计算机系统借助图像传感器、镜头等装置来获取产品的表面图像，利用相应的图像处理算法提取图像的特征信息，然后根据特征信息进行表面缺陷的定位、识别、分级等判别和统计、存储、查询等操作。

AI深度学习给视觉瑕疵检测带来新突破 　　

 "当然相较于人工质检，机器视觉瑕疵检测不仅提高检测效率，进一步降低了漏检率，同时还大幅节约成本。但机器视觉也面临着更多检测场景下需要更多的视觉算法投入。" 鲍志伟强调，传统的机器视觉系统可能无法区分相似零件之间差异较大的缺陷类型，并且不够灵活，无法更新现有的缺陷检查系统来识别新的缺陷类型等等。

而随着人工智能技术的不断演进，利用人工智能技术的强大功能，提供高精度的检测结果已经成为可能，同时利用深度学习技术，实现系统自动更新视觉模型，提高模型对复杂环境的自适应能力，为视觉瑕疵检测带来更大发展空间。

"把人工智能与深度学习技术深度融合进产业制造智能化进程中正是研华科技的专长" 鲍志伟表示，基于研华此前针对人工智能提出的再分析处理的概念，实现把深度学习（Deep Learning server），推理(Inference note/pc)，再分析处理(Inference server)三者通过一套软件串联在一起。通过向视觉瑕疵检测领域的应用厂商提供学习架构，使其能够根据视觉瑕疵检测领域的图像数据进行深度学习再训练，再结合实际应用场景进行二次开发与应用。

鲍志伟指出，融合深度学习的传统机器视觉系统，不但能够实现高精度的检测，区分相似零件之间差异较大的缺陷类型，并且可以做到根据实际检测过程中遇到的新瑕疵问题，实现更新现有的缺陷检查系统来识别新的缺陷类型，这将大大提高瑕疵检测准确率。

同时，融合深度学习算法的视觉瑕疵检测系统适用性更强，极大拓展瑕疵检测应用领域，尤其是在非标准检测领域将进一步拓展相关系统集成商市场空间。

研华科技AI加速平台实现瑕疵检测多场景落地 　　

如今，人工智能（AI）在制造业领域已经充分展示出其巨大的能量，成为满足少量多样生产需求、增进制造质量、传承工艺经验等多重目标的利器，是推动制造业迈进"智能化时代"的关键性力量。

鲍志伟表示，目前在制造产业中已经有不少厂商通过引入研华AI加速运算平台，实现产品瑕疵检测翻天覆地的变化，同时研华为实现AI技术在更多制造产业中落地应用，基于不同的行业应用，不同的产品瑕疵检测场景推出了多种不同的推理架构。

例如研华推出的主机 GPU AINavi 推理架构，通过在设备中的IPC直接加装GPU，并且将AINavi 推理算法整合进设备软件中，即可将原本的设备升级成AINavi检测功能，实现设备的利旧，进一步降低成本。

研华分布式 AINavi推理架构，针对设备中的IPC不需加装GPU，该架构可透过网络实现与研华MIC-730AI(基于英伟达 Jetson架构)串接再与AINavi 推理算法整合进设备的软件中，即可将原有设备升级成有AINavi检测功能。此架构可以实现原有系统高扩充性，并且可以整合多个AINavi算法模型 。

据介绍，工业自动化软件开发企业-偲倢科技通过选用研华分布式 AINavi推理架构及相关硬件设备，在不到三个月的时间就完成了一家散热片企业AI检测机台的组装与测试，监测精准度达到了97%，准确度远远超过客户的要求。不但降低了人工成本，也加快了检测效率。

另外还包括混合式 AINavi推理架构以及外挂AINavi推理架构。研华通过这些多样化AI技术驱动力，最大化提升工业制造领域系统集成商产品检测的便利性和市场服务能力，降低开发成本，提升灵活性的同时，帮助制造商提升生产效率。