制造业福音：当AI视觉技术下场，金属废料减少95%
过去，工业瑕疵检测通常依赖于人工视觉检查或简单的机器视觉系统。但是，这些方法效率低下，准确率和可靠性也受限于人类检查者的疲劳、注意力分散等因素。
如今，随着人工智能（AI）技术的进步，尤其是计算能力的增强和深度学习算法的发展，人工智能技术已经在多个领域实现了广泛的应用，其中工业质量检测是AI技术展现其强大能力的关键领域之一。
AI系统通过高级图像识别技术对产品图像进行分析，能够自动识别和分类各种瑕疵，如微小裂纹、不规则形状、黑点等。这种技术的应用大幅提高了检测的速度和准确性，降低了生产成本，并显著提高了最终产品的质量。
TE用AI识别产品瑕疵，人工智能推动制造业节能提效
TE是一家总部位于瑞士的连接器、传感器供应商，拥有三大解决方案，包括通信电子解决方案、交通解决方案以及工业解决方案，深耕于电动汽车、工业自动化、能源、家电等领域。其中，TE 数据与设备终端事业部在青岛、佛山、珠海、东莞都设有工厂，主要生产连接器与电缆等，产品广泛用于数据中心、人工智能、物联网等领域。
近日，笔者有幸参观了TE数据与设备终端事业部东莞工厂，该工厂成立于2002年，占地逾48,000 平方米。是一个集产品设计、制线、线束装配、检测、模具制作等于一体的全方位服务制造基地，主要生产内外部传输线束、背板类线束、电源类线束等。制造流程包括电缆制造、电缆组装、SI信号完整性测试。
AI应用在自动检测领域，可以避免产线上的误测，降低误判率，降低报废率。而报废涉及到碳排放，因为报废越多意味着耗材就会越多，消耗能源越多。因此，工厂制造过程中，一向非常注重节能减碳，特别关注能源消耗和产品本身对于材料的消耗。
因此，近期，TE就将第五届人工智能创新比赛TE AI CUP中评选出的冠军项目——人工智能焊接检测系统，应用到其工厂生产线上。
TE高级总工程师，TE 全球自动化制造技术团队高级总监张丹丹表示，这次比赛项目考评的维度包括产品的创新性、可落地性、可复制性，以及另一个非常看重的维度是节能减排效果。这些项目主要在机器视觉、AI工艺优化以及综合AI应用。
此次比赛的冠军项目的团队来自华南农业大学，冠军团队与 TE 工程师共同设计出一套基于AI的自动机器视觉检测系统，解决了以往的电缆焊接检测难题。在电缆焊接检测环节，由于焊点缺陷种类多，以往靠人工识别缺陷，难度高、准确率低，致使废料率较高。应用该AI检测系统后，检测准确度大大提升，可使金属废料减少95%。
据华南农业大学电子工程学院（人工智能学院）邓小玲教授介绍，该项目已成功地部署到TE数据终端设备事业部东莞工厂的6条生产线上面，并且会在其他的先进制造基地也会有20多个部署的机会。
AI 机器视觉成趋势，AI在制造业的应用场景持续拓展
与金融等行业相比起来，虽然AI在制造业看似应用场景不少，但并不突出，甚至可以说发展较慢。究其原因，主要包括以下三大方面：
一是由于制造环节数据的采集、利用、开发都有较大难度，加之企业的数据库也以私有为主、数据规模有限，缺乏优质的机器学习样本，制约了机器的自主学习过程。
二是不同的制造行业之间存在差异，对于AI解决方案的复杂性和定制化要求高。
三是不同的行业内缺乏能够引领AI与制造业深度融合发展趋势的龙头企业。
正如第一点所提，由于AI在制造业的应用场景是非标准化的，不同的行业、企业、产线都有不同的应用需求，需要做特定改造，并且不同企业间的数据也无法通用，这也带来了一定限制，而机器视觉的应用相对简单，更具有通用性。因此，目前AI的应用主要体现在机器视觉领域，集成在摄像头后端，做零部件的检测、产品分拣或者质量监测。
不过，随着AI技术的不断进步，其在工业瑕疵检测中的应用将继续扩展，比如预测瑕疵的发生并自动调整生产流程以避免其发生。此外，诸如设备管理、辅助决策方面，AI也有应用潜力，但当下企业的使用还不普遍。对于设备状态的评估，故障系统预判，设备何时检修，这些场景AI也有应用空间。
写在最后
AI 机器视觉技术不仅仅是制造业的一次技术革新，更是一场生产方式的革命。近几年，工厂的智能化升级已是大势所趋，如果工厂的效率更高，做出来的产品将会更加具有市场竞争力。但在工厂智能化转型的过程中，必然需要用到大量的技术人才，对于机器视觉工程师的需求也确实在增加，需要既懂AI软件设计，又懂制造业的人才。那么这些人才如何培养呢？
这也正是与TE AI CUP的目的不谋而合的地方，通过跟全球高校合作来培养下一代的工程人才，以及通过AI Cup这个平台来持续的推动产学合作，来加速AI技术在制造和工程领域的应用和落地。
