工業(yè)制造領域，瑕疵檢測一直是生產(chǎn)過程中的重要一環(huán)。眾所周知，工廠實際生產(chǎn)過程并不能保證生產(chǎn)出來的產(chǎn)品百分之百的完美，或者是產(chǎn)品是螺絲沒有擰緊，或者是表面有細小的凹陷和劃痕，或者是產(chǎn)品標簽忘記粘貼……特別是在電子產(chǎn)品、汽車、航天航空等高科技產(chǎn)業(yè)中，如果因為一個不起眼的瑕疵導致安全事故的發(fā)生，輕則致使財產(chǎn)受到損失，重則甚至可以發(fā)生傷亡事故——無論如何，對于企業(yè)而言都是難以承受的傷痛。

為確保產(chǎn)品質(zhì)量，以往工廠往往會耗費上千人力進行人工視覺檢查，防止瑕疵產(chǎn)品流入市場。但在實際的工廠運營中，由于工廠自動化水平的提高，車間生產(chǎn)效率得到進一步提升，這樣的環(huán)境下，“人-機”工作很難得到協(xié)調(diào)。同時，加之人工成本持續(xù)走高，而且工人由于自身熟練度、身體承受能力以及主觀方面等存在的差異，導致檢測準確性和效率也各有差異，可以說利用人工檢測的傳統(tǒng)手段收獲效果甚微。

為滿足市場需求，同時實現(xiàn)自身價值，越來越多的公司注意到數(shù)字化轉型對于企業(yè)發(fā)展的重要性。在瑕疵檢測領域，則表現(xiàn)為將物聯(lián)網(wǎng)、人工智能等通用技術賦能給機器，從而代替工人操作，提升產(chǎn)品質(zhì)量。

市場引導，技術先行

在信息與實業(yè)沒有接軌的年代，各行業(yè)之間是平行發(fā)展的關系，跨行業(yè)的兩個企業(yè)之間就像隔著一座山，兩個不相關聯(lián)的行業(yè)之間很難找到共同的結合點。

而物聯(lián)網(wǎng)時代則不同，這是一個整合社會資源、融合創(chuàng)新的時代，又是一個強調(diào)細分市場，宣布主權的時代，“隔行如隔山”在今天已經(jīng)成為了歷史。肉眼可見之下，越來越多的科技企業(yè)出現(xiàn)在傳統(tǒng)行業(yè)的供應商列表中，同時又各自發(fā)揮著熱量。

基于此，英特爾識微見遠，深入汽車輪胎制造業(yè)，發(fā)現(xiàn)微小瑕疵中所蘊含著巨大的市場。

在傳統(tǒng)的輪胎制造過程中，培訓檢查員大約要花費 3 個月的時間，而檢查工作最多占用他們 80% 的時間。即使經(jīng)過充分的培訓，人工檢查通常也只能保持在90%到 95%的準確率。這種采用人工檢測的方法顯然費時費力。

而輪胎瑕疵檢測恰恰又是一個極大的市場，僅中國的輪胎制造企業(yè)就有大約600多家，每年所生產(chǎn)的8億輪胎中，“中國造”就占到了全球總生產(chǎn)量的三分之一……

面對這樣巨大的工作量，人類顯然已經(jīng)很難再勝任，因此就需要物聯(lián)網(wǎng)、AI、邊緣計算、大數(shù)據(jù)等新興技術為支持，來解決這一痛點。

從行業(yè)發(fā)展來看，機器視覺已經(jīng)廣泛應用于工業(yè)領域，其中以消費電子、汽車和半導體三大領域應用最為廣泛。而隨著配套基礎設施的不斷完善，制造業(yè)需求的增長以及智能化水平的提高，國內(nèi)機器視覺市場正一步一步擴大。據(jù)保守統(tǒng)計，2017年我國機器視覺市場規(guī)模已經(jīng)接近70億元，2018年市場規(guī)模首次突破100億元，而今年，市場規(guī)模將再次迎來增長，有望達到125億元。

這無疑得益于機器視覺行業(yè)全產(chǎn)業(yè)鏈的迅猛發(fā)展和“智能玩家”的加入，從2011年到2018年的數(shù)年間，我國機器視覺行業(yè)市場規(guī)模從10.8億元增長到了104億元，年均復合增速達到約33%。國內(nèi)市場中機器視覺企業(yè)數(shù)量在數(shù)年間已經(jīng)達到200家以上。

而在行業(yè)檢測中，機器視覺又能成功解決人類用眼檢測不足的幾大痛點：

●速度更快，視覺檢測相比于傳統(tǒng)的人工肉眼檢測，借助AI分析能力，檢測速度可實現(xiàn)秒級內(nèi)響應;

●精度更高，與人類視覺相比，機器視覺對微小目標分辨力更高，甚至可以觀測微米級的目標;

●增效降本，機器視覺檢測不受人類客觀條件限制，比如機器沒有人類感情羈絆，這使質(zhì)檢過程中的穩(wěn)定性得到較高的保障;其次機器視覺相比人類能做更多，有效降低人力成本和之間過程中產(chǎn)生的損失，提高盈利能力。

得益于市場需求、產(chǎn)業(yè)鏈的成熟以及通用技術能力的提升，英特爾和深視科技打開智慧的想象，另辟蹊徑探索出一套針對輪胎制造業(yè)的機器視覺智能檢測解決方案。聚焦于此方案，則表現(xiàn)在“云邊協(xié)同”和人工智能的注入。

眾所周知，機器視覺是人工智能應用最為廣泛的領域，大量的用例都利用了高分辨率的攝像頭，生成大量需要進行匯總和分析的數(shù)據(jù)，而面對急劇膨脹式的數(shù)據(jù)增長，人工智能就發(fā)揮了重要作用。

Gartner在此前公布的2020年十大戰(zhàn)略科技趨勢預測中顯示，在2028年前，專用AI芯片以及更加強大的處理能力、存儲和其他先進功能將被廣泛應用于邊緣設備中。而在智能制造的大背景下，以AI為基礎能力的視覺檢測無疑將大放異彩。

其次是邊緣計算能力，《戰(zhàn)略師的物聯(lián)網(wǎng)指南》中提到，邊緣到云行業(yè)支出預計到2021年將達到110億美元。Gartner《2018年十大戰(zhàn)略技術趨勢：從云到邊緣》報告從另一個角度預測到，到2022年，75%的企業(yè)所生成的數(shù)據(jù)將從云端或者集中式數(shù)據(jù)中心搬到邊緣位置進行處理。

我們熟知，瑕疵檢測是在微小中尋求更加安全高質(zhì)量的生產(chǎn)，避免造成巨大的損失，而瑕疵檢測中的現(xiàn)場數(shù)據(jù)就發(fā)揮了極大的作用，邊緣計算的運用不僅保障了數(shù)據(jù)的“新鮮性”，避免數(shù)據(jù)價值斷崖式跌落，同時還對生產(chǎn)過程產(chǎn)生的數(shù)據(jù)進行存儲和上傳云端，形成“云邊互動”，通過對數(shù)據(jù)針對性的價值提煉，提供給企業(yè)更好的管理依據(jù)。

相互協(xié)作，賦能行業(yè)

當然，在工業(yè)制造復雜的生產(chǎn)過程中，其現(xiàn)場情況存在諸多可能，同樣的場景可能會用到不同的方法，再厲害的技術還需要對接客戶本身的需求，如此也為通用技術賦能行業(yè)帶來了較大的壓力。

就像金箍棒之于孫悟空，擁有了金箍棒的孫悟空才能盡撒才華，最大化發(fā)揮自身的價值。

而此時英特爾面向中國市場推出的專注于加速深度學習并將視覺數(shù)據(jù)轉換為業(yè)務洞察的基于英特爾分布式OpenVINO？工具包就派上了用場，它是幫助企業(yè)在邊緣側快速實現(xiàn)高性能計算機視覺與深度學習的開發(fā)平臺。如果說英特爾和深視科技是孫悟空，那么這套系統(tǒng)就是讓孫悟空施展才華金箍棒。

簡單而言，英特爾分布式OpenVINO？工具包是英特爾針對其處理器進行優(yōu)化的計算機視覺和深度學習的推理工具，深視科技的Deep Inspect平臺方案基于OpenVINO？工具包開發(fā)，不但可以解決質(zhì)檢過程中海量數(shù)據(jù)造成的工作負擔，還可以運用強大的計算能力賦能硬件設備，讓瑕疵無所遁形。歸結起來具有以下三點優(yōu)勢：

首先是性能方面的提升。通過OpenVINO，可以方便地使用包括CPU、GPU、VPU、FPGA等在內(nèi)的英特爾的硬件優(yōu)勢資源，硬件和軟件的集成提高了性能。

其次，OpenVINO工具包支持異構執(zhí)行。只需編寫一次程序，便可以通過異構的接口運行在其他的硬件平臺之上，大大縮減了用戶的開發(fā)周期。

再次，在深度學習方面。OpenVINO帶有模型優(yōu)化器、推理引擎以及超過20個預先訓練的模型，用戶可快速的實現(xiàn)自己基于深度學習的應用從邊緣到云端的暢快運行。并且，OpenVINO工具包是一個開放的工具，這就意味著英特爾給了用戶更多的空間和想先去滿足其自身的定制化需求。

當一個很小的缺陷會影響到整個制造商的生產(chǎn)效率和利潤率時，一切細節(jié)都是至關重要的。從一組數(shù)據(jù)中就足以看得見基于英特爾技術的深視科技視覺檢測解決方案能發(fā)揮多么重要的作用。

使用該解決方案后，在速度方面，相比傳統(tǒng)的肉眼檢測，現(xiàn)在平均每次檢查時間可縮進1秒以內(nèi)。在速度更快的同時，制造商每天還可以實時檢查20000多個輪胎，準確率也能提升至99.9% 以上。不僅如此，速度和準確率的提高也使企業(yè)的凈利潤得到增長，并使每條生產(chǎn)線的人工成本降低了大約42000美元。

目前，AI和邊緣計算等新興技術正在蓬勃發(fā)展，但面向真實場景需求的應用卻少之又少，而深視科技基于英特爾分布式OpenVINO工具包的Deep Inspect解決方案無疑為行業(yè)打開了新的想象，助力更多通用技術真實有效的賦能行業(yè)。同時，牢牢扎根于工業(yè)領域，深視科技也進行了更多實踐，比如將Deep Inspect解決方案帶進更多制造業(yè)領域，比如3C、光學薄膜行業(yè)、PCB制造業(yè)……