还记得去年热映的《中国机长》这部电影吗？
根据川航3U8633航班紧急迫降事件改编，讲述了机组执行航班任务时，在万米高空突遇驾驶舱风挡玻璃爆裂脱落、座舱释压的极端罕见险情并化险为夷安全降落的故事。
正所谓"千丈之堤以蝼蚁之穴溃"，也许是生产过程中驾驶舱风挡玻璃就存在瑕疵隐患，也许是使用过程中出现隐患但日常维护中没有发现。但事实是意料之外的产品隐患影响的却是百余人的生命，尽管凭借飞行员个人高超技艺终究平稳落地，但没人希望发生意外。
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，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。
研华科技边缘人工智能系统与服务器总监鲍志伟
"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，研华4U SKY-6000 系列），推理(Inference note/pc 研华MIC-AI 系列)，再分析处理(Inference server 研华1U/2U SKY-6000 系列)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。
克服瓶颈、不畏竞争 研华构建AI检测生态圈
无论是工业4.0，还是"中国制造2025"，当下产业界正在迎接以"智能制造"为主导的第四次工业革命，即通过充分利用信息通讯技术和网络信息系统相结合的手段，将制造业向智能化转型。
对此，鲍志伟表示，正是在这种背景下，以AI视觉产品检测为代表的工业制造智能化升级是大势所趋，这也预示着AI视觉瑕疵检测市场前景值得产业界期待。
同时他还指出，AI视觉瑕疵检测有机遇同时也有挑战。目前人工智能（AI）算法构建及概念验证对大多数系统集成商而言并不具备难度，难点却在如何实现具体场景下的应用，以及如何实现规模性上云运用。
研华科技通过其自身的Edge AI（含 MIC-770、MIC-730AI、SKY-6000系列 ）串联 WISE-PaaS/AFS 云端平台，结合企业提供的图像数据、训练程序及算法，即可汇聚为从端到云，从模型训练、部署到验证的一整套方案，企业无需加额外组件，便能加速 AI 布局。
同时也可在不断汇集更多图像数据资源、持续进行训练，持续更新模型，自动化部署到产品线，大幅降低模型训练人力成本，说明客户克服从 PoC 迈向规模性上线之间的种种困难。
值得一提的，研华WISE-PaaS/AFS 功能仍在不断精进，近期推出的超参数调校（Hyperparameter Tuning）功能，可透过 AI 算法自动搜寻最佳参数，大幅减少人为调参带来的时间成本与错误率。
在采访的最后，记者提出，挑战不仅局限在技术及应用中，企业间的竞争依然不小的压力，目前以互联网企业、ICT企业以及传统安防制造企业为代表的势力，也在趁着"智能制造"的大势，不断拓展机器视觉领域。
针对此，鲍志伟颇有信心的表示，研华科技作为自动化产业、嵌入计算机、物联网领域的全球性领先企业，在推进AI视觉检测不断落地过程中，通过从端到云与更多的产业系统整合商紧密合作，能够更快捷、更准确的了解AI在工业制造领域落地过程，并通过持续不断的创新与服务实现在产业的生根，构建起更有研华服务的智能制造生态圈。
