【BigAI創新大學公開課】領邦智能董事長崔忠偉《新質檢的智能化革命》
本文來自領邦智能董事長崔忠偉博士在2019年7月27日BigAI創新大學中關村壹號分院的分享。BigAI創新大學將持續邀請在行業＋硬科技最前沿領域的實踐者在全國多個城市BigAI分院舉辦科技實踐公開課，帶您發掘自己的行業＋硬科技機遇藍海。
崔忠偉博士，領邦智能創始人＆董事長、AI科學家、中關村AI評委，畢業于北京理工大學，博士學位，著有《非線性建模與深度學習》多本著作，在工業質檢領域有近30年的研發、實踐經驗，是中國智能質檢領域最早的探索者之一。本次BigAI創新大學有幸邀請到崔忠偉博士就人工智能在質檢方向的最新技術發展和實踐做分享，分享主題《領邦智能：新質檢的智能化革命》。
一、中國需要智能質檢
l 萬億級市場
據前瞻產業研究院統計數據顯示，中國每天在產線上進行目視檢查的工人超過350萬，其中僅3C行業就超過了150萬人。僅按照工人的薪資福利計算，質檢就是一個近萬億級的市場，而且仍在不斷的擴大。人眼具有精準的識別能力和動態調整能力，但人工檢查成本高昂，并且易受到工人熟練度影響，導致檢測準確性及效率差異較大，因此隨著人力成本的提升，越來越多的工廠開始使用機器視覺技術來代替人工進行產品質檢。
傳統的人工質檢
l 傳統機器視覺的局限
然而在實際的應用過程中，傳統機器視覺識別雖然能夠替代一部分工作，但存在著識別率低，開發維護成本高，復雜環境下誤檢率高，這也導致目前的質檢市場仍大量采用人工目檢的方式，企業需要有更好的技術方法來實現生產線的自動化檢測。
l 人工智能視覺技術革命
人工智能技術革命
人工智能技術從2012年開始有了質的突破，主要體現在視覺和聲覺方面，從12到16年4年間，基于深度學習算法技術的突破，機器視覺完成了人類的跨越過程，第一次讓機器看的比人更精準。
這個過程首先是由斯坦福的一個華人女科學家叫李飛飛推動的，她在互聯網上下載了近10億幅圖片，給它們篩選、分類、打標簽， 之后不斷訓練用新的深度學習算法去讓機器識別圖片，2016年時機器識別的錯誤率已經從28％降到3．6％，比人眼識別錯誤率5．1％還要低，開啟了人工智能視覺應用的夢想之路。
l 鋪滿荊棘的AI夢想之路
也正是這一年，在質檢行業已經沉浸了20多年的崔忠偉博士，非常敏銳的預感到人工智能視覺會給這個行業帶來的翻天覆地的變化，毅然帶領所有認可這個變化的同事們，成立了現在領邦智能，踏上這個看起來很美，實際上荊棘滿途的創業之路。
原以為深度學習技術科學界已經突破了，行業應用應該會水到渠成，而實際上本以為一年就可以落地的應用，整整研發迭代了三年，幾年來我們接觸了很多新技術，做了很多新嘗試，結果總比預期少了那么一點點。
l 光的困境
發現差在什么地方？我們以為機器視覺是追上人類了，但實際上機器的攝像頭追不上人類的眼睛。人類看物體，人眼成像系統在不同的光線不同的角度下，都有精準的動態識別能力。而工業成像系統卻遠遠追不上人類。說的非常透徹的一句話，就是說有些缺陷我們根本就成不了像。
舉個例子，比如說我們的手機表面有輕微劃痕，大部人都可以輕易看到。但機器卻很難發現，因為機器需要特殊角度和光學才能看到這些缺陷，如果我們的光學系統不能夠把缺陷呈現出來，怎么可能指望人工智能去處理。
l 破繭而生
領邦智能智能質檢實際場景
后來我們大力投入光學技術，同時又與百度人工智能團隊深度合作，經過以夜繼日的投入，我們終于研發出了智能化的質檢機器大腦，不僅達到了對精度的高標準要求，同時可以非常快地從一個零件切換到下一個零件，過去一批貨物可能要十幾個工人連續運轉幾天才能完成，現在一臺機器一天就能搞定。
像以前一些復雜的外觀檢測是很難通過人工完成的，我們的技術也可以很好的去做到了。這是一次偉大的突破性的嘗試。讓機器視覺質檢終于可以超過人類，也讓我們看到了中國制造業的機會。
二、新質檢、新認知、新實踐
l 新質檢
深度學習示意圖
新質檢與以往的質檢有很大不同，學習能力、適應能力、共享能力、預測能力賦能機器質檢，這就是我們的新質檢．我們應用了最新的深度學習技術、光學技術和物理技術，機器質檢的精度上已經超越了人類。
不需要再有任何編程，只要不斷地把瑕疵照片輸入，就可以自動的讓機器學會新的瑕疵。
它還可以不停的學習和積累，任何遇到過的質檢問題，只要被任何一臺機器學習了，馬上可以被其他的機器也學會。
5月18日我們發布了工業自動化質檢設備IBrain，也就是工業質檢大腦。我們用云上強大的計算能力讓機器可以更快更準確的學習和理解質檢瑕疵，再通過物聯網讓每個終端設備都可以有理解任何質檢瑕疵的能力，讓機器實現AI質檢。
l 新認知
在我們幾年來的落地實踐中，我們發現新質檢技術驅動出了不少新需求和新商業模式，所以也想談談這個過程中我們總結出來的新認知。
1） 在大腦中學習，在終端中實踐
讓機器學習質檢瑕疵，需要大量的算力，就像人學習知識一樣，需要在大腦中學習和鞏固，所以學習質檢瑕疵也要在擁有大量算力的工業質檢大腦中心。而當某個終端需要識別瑕疵的時候，只需要把這些經驗從工業質檢大腦中心下傳到終端，就可以類似人類指揮眼睛和手一樣，讓機器智能的發現和解決質量問題了。
2） 共同學習大于獨立學習
一個終端發現問題的數量是有限的，所有終端發現問題數量是無限的，當所有終端可以相互共享問題，那意味著終端也同樣可以共享解決問題的方法，這就是機器智能的魅力。我們的工業質檢大腦也正是這樣設計，讓每個終端可以共享互助，比人類更協調更高效的處理質量問題。
3） 可量化驅動質變
量化的意義永遠大于它字面上的意義，當質量瑕疵可被數據量化后，企業產品質量終于可以有數據可依，可以不斷在原來質量數據的基礎上，優化現有技術追求更高標準的質量。整體行業也自然會產生橫向比較，從而驅動全行業的質量優化和產業變革，從而驅動中國制造走向中國精品制造。
4） 可預測問題
有了終端時序數據的不斷積累，通過AI算法我們就可以做很多預測性維護了，不必再等著發生問題再解決問題，而是發生問題前就解決問題。
l 新實踐
高速檢測微型零件缺陷中
自動分揀入料
這是我們的一套新質檢設備自動檢測零件缺陷的演示，它可以快速的把不良品篩選出來，不僅有人工智能技術，還有光學技術、物理技術也起了至關重要的作用。
它可以檢測2－50毫米內的微小零件，能夠包括主面、側面、棱邊全方位無死角檢測。其精度已經超越人類，一天可檢測80萬個零件，可以代替八個熟練工人夜以繼日的高強度工作，在多個制造企業用戶的反饋中，新質檢技術獲得了一致的認可，我們終于真正把智能質檢落地成為現實。
實際客戶真實反饋
這是我們的一家上市制造企業客戶做了非常精細的傳統人工與智能質檢的比較，結論如下；
AI設備檢測合格率在80％－90％，非AI設備60－90％；
AI設備的光源和鏡頭有升級，目前的不良都能在成像里識別出來；
與CV設備比，AI設備每年多花費6萬元，卻減少了5個質檢工人；
非AI生產模式下，設備粗檢外觀，人工全檢外觀，人工效率是4萬片／10H；
AI設備優勢是完全替代檢驗人工，設備檢測效率是20萬片／24H；。
他們的最終結論是：AI賦能后效率倍增顯著。
三、新質檢的未來
對新質檢的未來，我們充滿信心，工業質檢大腦會全面取代人的經驗性工作，成為人類大腦的延伸，可預見到未來幾年：
l AI視覺在各種場景的動態適應能力追上人類，開始全面機器換人
l 質檢生產力獲全面倍增，精品制造將成為中國制造的代名詞
l AI視覺將全面進入制造全流程，不僅僅是質檢的最后流程
l 制造業將變革為各種技術的大集成，將更加依賴于戰略伙伴，沒有戰略伙伴的公司將失去競爭力
l 產業鏈重新組合，將更加注重“買服務”
四、總結
領邦智能人在質檢領域的工齡雖然都很長，但我們在智能質檢的工齡都很短，我們都還是有夢想的年輕人，我們夢想就是用AI思維推動產業智能化，賦能工業質檢。
工業4．0時代，人工智能具有廣闊的發展前景，同樣也面臨這經濟下行的壓力，作為智能制造中的一員，我們會繼續發揮我們研發團隊的創造能力和創新精神，顛覆的傳統的質檢模式和商業模式，拓展質檢發展新空間，未來，領邦智能將不忘初心，砥礪前進，用AI智能技術引擎源源不斷的質檢生產力，打造工業質檢的創新生態，歡迎與我們攜手共同用智能質檢改變中國制造！
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
