2019年11月05日 | 智能时代来临，智能工厂转型解决何种难题？

任何一件工业品来讲，瑕疵都是关乎企业生存，乃至社会安全的重要因素。尽管瑕疵检测十分重要，但随着产品精密度越来越高，瑕疵检测也变得越来越难。基于对行业发展的深刻认知，英特尔通过与深视科技合作，为工业品瑕疵检测提供了一套行之有效的解决方案，助力企业识微见远。

韩非子云，千丈之堤，以蝼蚁之穴溃；百尺之室，以突隙之烟焚。战国时期，魏国相国白圭善于筑堤防洪，对于小洞——即使只是蚂蚁洞都极其重视。在其治下，魏国从未闹过水灾。

这其中蕴藏的真理放在现代也同样适用——在制造领域，对于任何一件工业品来讲，瑕疵都是关乎企业生存，乃至社会安全的重要因素。
 
尽管瑕疵检测十分重要，无论是企业还是政府都为之投入了大量的人力物力，但随着工业产品精密度越来越高，瑕疵检测也变得越来越难。传统人工检察员判断的准确率通常保持在 90%-95%之间，随着产品数量的不断增加，流向市场的不合格产品数量急剧增加。

以车辆行业为例，据公安部统计，截至 2018 年年底，全国汽车保有量达 2.4 亿辆，比 2017 年增加 2285 万辆，增长 10.51%。不只是汽车，随着大众消费能力的不断提高，各种工业产品数量正呈指数级增长。
 
越来越多的产品数目，仅靠人工几乎不可能达到完全准确的质量判断，而越来越多流向市场的不合格产品也将影响到更多家庭，危害也越来越重。以热映的《中国机长》为例，意料之外的产品损坏影响的将是百余人的生命，尽管凭借飞行员个人技艺高超终究平稳落地，但没人希望发生意外。

于是，人们想到，随着智能时代的来临，能否借助 AI、物联网等技术，实现产品质量检测流程的升级？
 
用 AI 解决工业品瑕疵难题

得益于深度学习、计算机视觉和图像处理技术的不断增强，利用 AI 预防生产瑕疵似乎成为可能。
 
工业机器视觉在工业上应用领域广阔，核心功能包括：测量、检测、识别、定位等。而在所有功能中，尤以应用于缺陷检测的工业表面视觉检测技术应用最广。
 
工业表面视觉检测技术基于机器视觉，通过利用计算机模拟人类视觉的多种功能，能够对具体的实物进行图象的采集处理、计算，最终进行实际检测、控制和应用。目前，工业表面视觉缺陷检测系统已经得到广泛应用，有效促进了企业工厂产品高质量生产与制造业的智能化。
 
中国的工业机器视觉起步于上世纪 80 年代的技术引进，之后在 1998 年整线引进的半导体工厂也带入机器视觉系统。但 2006 年以前，我国机器视觉产品仍主要集中在外资制造企业，规模都较小。
 
2006 年开始，工业机器视觉应用的客户群开始逐步扩大，印刷、食品等检测领域率先应用工业机器视觉技术。直到 2011 年，工业机器视觉市场才开始高速增长。
 
随着人工成本的增加和制造业的升级需求，加上计算机视觉技术的快速发展，越来越多机器视觉方案渗透到各领域，到 2017 年我国机器视觉市场规模已达近 70 亿元。
 
截至目前，我国机器视觉企业已超越 102 家，机器视觉产品代理商超越 200 家，专业的机器视觉体系整合商超越 50 家，从光源、工业相机、工业镜头以及处理软件等所有视觉检测设备工业链渐趋完整。
 

正是基于对行业发展的深刻认知，英特尔通过与深视科技合作，为工业品瑕疵检测提供了一套行之有效的解决方案。
 
前不久，深视科技和英特尔就利用其解决方案，帮助一家领先的轮胎制造商解决了一些人工检察员此前无法看到的瑕疵问题：

检测速度加快。与传统的手动检查相比，该解决方案的检测速度得到显著提高，平均每次检查时间不到 1 秒钟。

检测准确率提高。得益于基于英特尔技术的深视科技解决方案，该轮胎制造商将其瑕疵检测准确率提高到 99.99%以上，每天可实时检查 20000 多个轮胎。

盈利能力增强。基于更快的速度和更高的准确率，该轮胎制造商的企业净利润大大提高，平均每条生产线的人工成本降低了大约 42000 美元。
 
当然，如此实实在在的能力提升，离不开深视科技与英特尔在深度学习领域的深耕积累以及强大的计算能力。
 
追本溯源，源于专注

就原理而言，英特尔和深视科技的解决方案首先由成像系统收集图像数据，然后传输到边缘设备，借助深视科技的 Deep Inspect 软件进行实时检测和分析，最后再将结果传送回生产线进行分类。
 
此外，该解决方案也利用深视科技的测试设备替代了原始测试设备，并可通过设备配置好的接口直接与客户的生产线进行连接，从而帮助客户通过采样来检查测试设备的准确性和稳定性。
 
倘若我们将瑕疵进行细分，即使微小的瑕疵也可分为不同类型，而不同类型的瑕疵又需要不同的成像系统才能获得最佳图像。因此，深视科技和英特尔的解决方案在成像系统领域狠下功夫，其提供的机械结构能够根据检测到瑕疵的不同类型提供所需要的不同成像系统。
 
总的来讲，深视科技和英特尔解决方案的边缘设备包括：

用于图像分析、显示和数据存储的工业计算机和显示器

深视科技用于瑕疵检测的 Deep Inspect 设备

英特尔® 分布式 OpenVINO™ 工具包
 
毫无疑问，对于深视科技与英特尔的这套解决方案来讲，算法一定在其中发挥着至关重要的作用，而英特尔分布式 OpenVINO™工具包恰恰能够对于算法进行整体优化，是解决方案的核心。
 
简单来讲，英特尔分布式 OpenVINO™工具包提供了一套能够针对英特尔处理器进行优化的计算机视觉和深度学习推理工具。通过 OpenVINO™工具包，来自深视科技和英特尔的解决方案不仅可以显著提高英特尔处理器的一些性能，还能够对英特尔硬件进行加速。据了解，基于 OpenVINO™工具包，深视科技已成功将其检测模型算法稳定运行在一台常规工业计算机上。
 
当然，英特尔分布式 OpenVINO™工具包不只能在这一解决方案中使用，还可为企业快速、有效地在多个应用中实施计算机视觉和深度学习解决方案。
 

首先，OpenVINO™工具包可以成为企业挖掘数据价值的关键。有数据显示，到 2021 年，视频将占据所有 IP 流量份额的 82％；到 2025 年，深度学习的市场价值将增长至 399 亿美元。因此，如何从大量视频数据中找到有价值的信息对于企业至关重要，有效的数据分析可以显著改善企业运营现状，从而帮助企业增加利润。
 

其次，OpenVINO™工具包可以成为企业业务转型的助力。不只是预测性维护和新零售，几乎各行各业都正在逐步依靠边缘人工智能来挖掘新的可能。借助 OpenVINO™，企业可以充分利用近乎实时的数据处理速度来更快、更好地做出决策。
 

最后，OpenVINO™工具包能够从边缘到云端实现强大人工智能。英特尔的视觉产品不仅集成有 OpenVINO™工具包，还为之配有一系列加速硬件，能够帮助用户轻松实现从边缘到云端的视觉内容捕获，为众多行业提供了非常强的推理功能。不仅如此，这些解决方案还将推动下一代人工智能的发展。
  
工业智能转型，识微方能见远

当一个很小的缺陷会影响到整个制造商的生产效率和利润率时，一切细节都是至关重要的。
 
根据 Gartner 报告，预测性维护可带来极大的节省，在某些情况下，成本降低高达 40%。例如，一家制造商可以通过优化生产工厂，从而无需为新的客户合同购买额外的机械，可节省超过 6 百万欧元。 
 
作为预测性维护的关键一环，工业表面视觉检测能够更加全面的检测出产品的质量问题，提升产品良率。
 
此外，基于机器视觉的工业表面视觉检测不但可以弥补人工视觉无法检测的环境，比如危险工作环境，温度较高和较低的工作环境等，还可以更加有效的进行保护操作员的人身安全，对检测工作可以创造出的更多的便利条件。
 
正如电视剧《鸡毛天上飞》中镇长陈金水所讲，“一分钱撑死人，一毛钱饿死人”。细节无处不在，利益也往往隐藏在微小细节处，积少成多，其价值何其巨大。

当然，随着技术的不断发展，消费者也将越来越偏爱具有更多个性化定制和更高品质的产品。当前，工业 4.0 与工业互联网的发展如火如荼，大量制造业纷纷谋求转型。在此背景下，英特尔主要从四方面着手，致力于推动工业转型：

互联制造。英特尔认为，从边缘到云的数据驱动互联解决方案能够通过流程优化、新业务模式、预测性维护等方式，为制造企业带来极强的竞争优势，未来的智能工厂一定是数据驱动型工厂。

互联供应链。人工智能和物联网技术可通过网关分析增强供应链，以便在整个交付过程中进行库存跟踪。英特尔能够通过基于物联网的智能货运技术，创新性的释放供应链管理的价值。

互联建筑。环境控制、通信接口、视频监控和节能解决方案可以有效提高建筑物的运营效率并节约成本，英特尔正积极参与采用物联网技术的智能建筑环境改造，并已于 2016 实现其在班加罗尔的首栋智能建筑落地。

互联工人。互联工人应用程序能够通过智能设备、可穿戴设备和增强现实解决方案为产业工人提供支持，智能传感器也能够有效帮助工人提高工作效率及安全性。
 
未来，英特尔期望帮助企业打造一批“智能工厂”。英特尔认为，工作负载整合、虚拟化、基于软件的自动化、数据驱动型操作等是智能工厂工作的重要方式，而智能工厂之智慧，也在于其能够自主生产并将数据使用作为工厂业务变革的重要力量。