過去，工業(yè)瑕疵檢測通常依賴于人工視覺檢查或簡單的機(jī)器視覺系統(tǒng)。但是，這些方法效率低下，準(zhǔn)確率和可靠性也受限于人類檢查者的疲勞、注意力分散等因素。

如今，隨著人工智能（AI）技術(shù)的進(jìn)步，尤其是計(jì)算能力的增強(qiáng)和深度學(xué)習(xí)算法的發(fā)展，人工智能技術(shù)已經(jīng)在多個領(lǐng)域?qū)崿F(xiàn)了廣泛的應(yīng)用，其中工業(yè)質(zhì)量檢測是AI技術(shù)展現(xiàn)其強(qiáng)大能力的關(guān)鍵領(lǐng)域之一。

AI系統(tǒng)通過高級圖像識別技術(shù)對產(chǎn)品圖像進(jìn)行分析，能夠自動識別和分類各種瑕疵，如微小裂紋、不規(guī)則形狀、黑點(diǎn)等。這種技術(shù)的應(yīng)用大幅提高了檢測的速度和準(zhǔn)確性，降低了生產(chǎn)成本，并顯著提高了最終產(chǎn)品的質(zhì)量。

TE用AI識別產(chǎn)品瑕疵，人工智能推動制造業(yè)節(jié)能提效

TE是一家總部位于瑞士的連接器、傳感器供應(yīng)商，擁有三大解決方案，包括通信電子解決方案、交通解決方案以及工業(yè)解決方案，深耕于電動汽車、工業(yè)自動化、能源、家電等領(lǐng)域。其中，TE 數(shù)據(jù)與設(shè)備終端事業(yè)部在青島、佛山、珠海、東莞都設(shè)有工廠，主要生產(chǎn)連接器與電纜等，產(chǎn)品廣泛用于數(shù)據(jù)中心、人工智能、物聯(lián)網(wǎng)等領(lǐng)域。

近日，筆者有幸參觀了TE數(shù)據(jù)與設(shè)備終端事業(yè)部東莞工廠，該工廠成立于2002年，占地逾48,000 平方米。是一個集產(chǎn)品設(shè)計(jì)、制線、線束裝配、檢測、模具制作等于一體的全方位服務(wù)制造基地，主要生產(chǎn)內(nèi)外部傳輸線束、背板類線束、電源類線束等。制造流程包括電纜制造、電纜組裝、SI信號完整性測試。

AI應(yīng)用在自動檢測領(lǐng)域，可以避免產(chǎn)線上的誤測，降低誤判率，降低報(bào)廢率。而報(bào)廢涉及到碳排放，因?yàn)閳?bào)廢越多意味著耗材就會越多，消耗能源越多。因此，工廠制造過程中，一向非常注重節(jié)能減碳，特別關(guān)注能源消耗和產(chǎn)品本身對于材料的消耗。

因此，近期，TE就將第五屆人工智能創(chuàng)新比賽TE AI CUP中評選出的冠軍項(xiàng)目——人工智能焊接檢測系統(tǒng)，應(yīng)用到其工廠生產(chǎn)線上。

TE高級總工程師，TE 全球自動化制造技術(shù)團(tuán)隊(duì)高級總監(jiān)張丹丹表示，這次比賽項(xiàng)目考評的維度包括產(chǎn)品的創(chuàng)新性、可落地性、可復(fù)制性，以及另一個非常看重的維度是節(jié)能減排效果。這些項(xiàng)目主要在機(jī)器視覺、AI工藝優(yōu)化以及綜合AI應(yīng)用。

此次比賽的冠軍項(xiàng)目的團(tuán)隊(duì)來自華南農(nóng)業(yè)大學(xué)，冠軍團(tuán)隊(duì)與 TE 工程師共同設(shè)計(jì)出一套基于AI的自動機(jī)器視覺檢測系統(tǒng)，解決了以往的電纜焊接檢測難題。在電纜焊接檢測環(huán)節(jié)，由于焊點(diǎn)缺陷種類多，以往靠人工識別缺陷，難度高、準(zhǔn)確率低，致使廢料率較高。應(yīng)用該AI檢測系統(tǒng)后，檢測準(zhǔn)確度大大提升，可使金屬廢料減少95%。

據(jù)華南農(nóng)業(yè)大學(xué)電子工程學(xué)院（人工智能學(xué)院）鄧小玲教授介紹，該項(xiàng)目已成功地部署到TE數(shù)據(jù)終端設(shè)備事業(yè)部東莞工廠的6條生產(chǎn)線上面，并且會在其他的先進(jìn)制造基地也會有20多個部署的機(jī)會。

AI+機(jī)器視覺成趨勢，AI在制造業(yè)的應(yīng)用場景持續(xù)拓展

與金融等行業(yè)相比起來，雖然AI在制造業(yè)看似應(yīng)用場景不少，但并不突出，甚至可以說發(fā)展較慢。究其原因，主要包括以下三大方面：

一是由于制造環(huán)節(jié)數(shù)據(jù)的采集、利用、開發(fā)都有較大難度，加之企業(yè)的數(shù)據(jù)庫也以私有為主、數(shù)據(jù)規(guī)模有限，缺乏優(yōu)質(zhì)的機(jī)器學(xué)習(xí)樣本，制約了機(jī)器的自主學(xué)習(xí)過程。

二是不同的制造行業(yè)之間存在差異，對于AI解決方案的復(fù)雜性和定制化要求高。

三是不同的行業(yè)內(nèi)缺乏能夠引領(lǐng)AI與制造業(yè)深度融合發(fā)展趨勢的龍頭企業(yè)。

正如第一點(diǎn)所提，由于AI在制造業(yè)的應(yīng)用場景是非標(biāo)準(zhǔn)化的，不同的行業(yè)、企業(yè)、產(chǎn)線都有不同的應(yīng)用需求，需要做特定改造，并且不同企業(yè)間的數(shù)據(jù)也無法通用，這也帶來了一定限制，而機(jī)器視覺的應(yīng)用相對簡單，更具有通用性。因此，目前AI的應(yīng)用主要體現(xiàn)在機(jī)器視覺領(lǐng)域，集成在攝像頭后端，做零部件的檢測、產(chǎn)品分揀或者質(zhì)量監(jiān)測。

不過，隨著AI技術(shù)的不斷進(jìn)步，其在工業(yè)瑕疵檢測中的應(yīng)用將繼續(xù)擴(kuò)展，比如預(yù)測瑕疵的發(fā)生并自動調(diào)整生產(chǎn)流程以避免其發(fā)生。此外，諸如設(shè)備管理、輔助決策方面，AI也有應(yīng)用潛力，但當(dāng)下企業(yè)的使用還不普遍。對于設(shè)備狀態(tài)的評估，故障系統(tǒng)預(yù)判，設(shè)備何時檢修，這些場景AI也有應(yīng)用空間。

寫在最后

AI+機(jī)器視覺技術(shù)不僅僅是制造業(yè)的一次技術(shù)革新，更是一場生產(chǎn)方式的革命。近幾年，工廠的智能化升級已是大勢所趨，如果工廠的效率更高，做出來的產(chǎn)品將會更加具有市場競爭力。但在工廠智能化轉(zhuǎn)型的過程中，必然需要用到大量的技術(shù)人才，對于機(jī)器視覺工程師的需求也確實(shí)在增加，需要既懂AI軟件設(shè)計(jì)，又懂制造業(yè)的人才。那么這些人才如何培養(yǎng)呢？

這也正是與TE AI CUP的目的不謀而合的地方，通過跟全球高校合作來培養(yǎng)下一代的工程人才，以及通過AI Cup這個平臺來持續(xù)的推動產(chǎn)學(xué)合作，來加速AI技術(shù)在制造和工程領(lǐng)域的應(yīng)用和落地。