適用于工業產品外觀質檢，突破技術瓶頸引領產業轉型升級

    本網訊，在全球百年未有之大變局環境下，以人工智能和5G為代表的新技術革命，正如火如荼的促進著各行各業的發展，工業作為國民經濟主導產業，勢必成為關注焦點。第22屆中國國際工業博覽會（工博會）在此大背景下如約于2020年9月15日在上海國家會展中心開幕。

縱觀全球工業現狀，新一輪科技革命與產業變革競爭格局中，自動化、無人化生產方式快速發展。在此歷史進程中，生產自動化解決起來相對比較容易，但無人化工業產品外觀質檢卻遇到了非常大的障礙。如何提高工業產品外觀質檢效率成為行業亟待解決的問題。為什么工業產品外觀質檢這么難呢？難道工業視覺技術就不能追上人類的眼睛嗎？

我們帶著這個問題采訪了參加本次工博會的北京領邦智能裝備股份公司（領邦智能）董事長崔忠偉博士。崔忠偉博士說：“工業產品外觀質檢技術，本質上就不是自動化技術，自動化技術特征是If...Then這樣一套邏輯。在深度學習（Deep Learning）技術出現之前，我們曾認為只要我們寫更多的邏輯關系，就能甄別工業產品表面的缺陷和非缺陷，但多年的實踐結果表明，就算我們寫的邏輯關系再復雜，也還是不及人類的眼睛和大腦，在產品漏檢率和過殺率上始終無法與人類媲美。自2012年深度學習技術得到突破后，我們終于意識到工業產品外觀質檢本質上就不是自動化技術能解決的，需要人工智能技術去解決。”

領邦智能作為一家人工智能（AI）賦能工業質檢領域的創新型企業，自2019年5月發布工業質檢云大腦iBrain以來，服務了3C殼體、汽車零件、手機零件、稀土永磁等多個行業，眾多智聯網（AIOT）端設備日夜運行，不斷地進行性能迭代，已讓工業產品外觀質檢技術追上了人類。

AIOT智聯網

AI賦能工業質檢，在獲得巨大成功的同時，也遇到了更為嚴峻的挑戰，那就是工業產品缺陷圖像大數據積累困難。工業產品表面成像非同自然界成像，花花草草都是在日光光源照射下根據表面反射率成像（吸收率成像），很容易積累圖像大數據，這讓我們可以通過AI應用軟件識別花草，究其原因還是其大數據容易采集，AI模型訓練學習精度高，識別率追上人類。

工業產品外觀質檢則有所不同，工業零件多為同一種材料，光線吸收率相同，且全部都是在人造光源下通過不同角度進行成像。這就意味著，同一零件在不同角度、不同人造光源下形成了各不相同的影像。一個設備的成像數據，無法被另一個設備訓練學習所用。換句話說：沒有光照和成像的標準化，就沒有工業產品缺陷圖像的標準化，就沒有大數據，沒有大數據，就沒有追上人類的機器智能，就無法實現無人化生產，大幅提高質檢效率也就無從談起。光照和成像技術的標準化成為AI在工業產品質檢應用中最大的“攔路虎”。

籍此工博會之機，領邦智能率先發布了適用于工業產品外觀質檢的標準化光照技術和成像技術，即通用光學技術。這套通用光學技術，抽象出工業產品表面質檢最本質的特征，以單一標準化的方式，一統天下，解決了工業產品表面圖像大數據的定義和累積難題。

適用于AI的通用光學技術，從最本質的表面成像機理出發，開發出一套光照光源，包括2代光源、2.5代光源、3代光源，徹底解決光照標準化問題。特別是3代光源，屬于柔性自定義光源，可根據工業產品表面本質特征，自動定義光線角度，做到“一絲（光線）不多、一絲（光線）不少”精確光照，在圖像上充分展示產品缺陷，為AI識別奠定了基礎。

通用光學組件

在光照光源標準化的基礎上形成的通用成像技術，包括1代360鏡頭、2代360鏡頭、1代外觀遠心鏡頭、2代外觀遠心鏡頭。通俗地講，采用精確的接收光錐控制，實現成像的精確化和標準化，為AI模型識別提供最好的信噪比圖像。

此次領邦智能發布的通用光源和通用成像技術形成了一套完整的技術體系，能夠實現工業產品表面精確成像，使工業產品缺陷圖像數據標準化，解決了AI落地過程中必須解決的大數據問題，實現了AI工業產品質檢能力追上人類的重大突破。工業視覺依靠AI技術起飛，卻要靠光學技術落地！我們有理由相信，領邦智能作為工業產品外觀質檢領域的領先企業，手握AI云大腦iBrain和通用光學兩大核心關鍵技術，將攜眾多致力于AI應用的企業，推動工業產品質檢效率的提升，引領產業轉型升級。

崔忠偉博士最后風趣的說：“春江未暖鴨先知,又一個近萬億級的AI市場將被開拓出來，是繼商業推薦、人臉識別后又一個大的AI應用產業集群”。