先進(jìn)制造是制造業(yè)中的關(guān)鍵領(lǐng)域，其綜合運(yùn)用新技術(shù)、新設(shè)備、新材料、新工藝、新流程、新生產(chǎn)組織方式，集現(xiàn)代科學(xué)技術(shù)之大成，是一國(guó)工業(yè)實(shí)力和現(xiàn)代化水平的重要體現(xiàn)。

隨著人工智能時(shí)代的到來，人工智能技術(shù)與制造業(yè)融合日益加深，智能化成為當(dāng)前先進(jìn)制造業(yè)的典型特質(zhì)之一。在視覺技術(shù)方面，視覺引導(dǎo)、視覺量測(cè)、視覺篩選、文字識(shí)別等技術(shù)已逐漸廣泛應(yīng)用于先進(jìn)制造業(yè)中，服務(wù)從生產(chǎn)到物流供應(yīng)鏈的各個(gè)環(huán)節(jié)。而視覺技術(shù)服務(wù)于缺陷檢測(cè)（尤其是復(fù)雜外觀的缺陷檢測(cè)）則在落地場(chǎng)景面臨不小的難題。

缺陷標(biāo)準(zhǔn)迭代快對(duì)算法能力提出挑戰(zhàn)、可用于模型訓(xùn)練的缺陷數(shù)據(jù)量小、解決方案遷移成本高，是當(dāng)前人工智能視覺技術(shù)服務(wù)缺陷檢測(cè)的三大難關(guān)。武漢象點(diǎn)科技，一家為先進(jìn)制造過程中提供AI視覺檢測(cè)解決方案的公司，基于飛槳深度學(xué)習(xí)平臺(tái)開發(fā)智能工業(yè)視覺平臺(tái)軟件PixAI，集模型訓(xùn)練和方案搭建為一體，成功突破三大難關(guān)，解決復(fù)雜外觀瑕疵檢測(cè)難題。其解決方案已成功應(yīng)用至華為、比亞迪、蘋果供應(yīng)鏈體系。

先進(jìn)制造過程中各類缺陷檢測(cè)場(chǎng)景

缺陷檢測(cè)智能升級(jí)面臨“三大難關(guān)”

“小模型”方式亟待升級(jí)

從市場(chǎng)需求方面來看，傳統(tǒng)制造業(yè)缺陷檢測(cè)環(huán)節(jié)往往以人工作業(yè)方式為主，而人工檢測(cè)受限于人員能力及現(xiàn)場(chǎng)表現(xiàn)，穩(wěn)定性波動(dòng)較大。逐年攀升的人力成本也制約了制造業(yè)企業(yè)的全球競(jìng)爭(zhēng)力提升。將人工智能技術(shù)應(yīng)用到缺陷檢測(cè)環(huán)節(jié)，提升缺陷檢測(cè)穩(wěn)定性及效率，已成為當(dāng)前智能制造頭部企業(yè)越來越關(guān)注的重點(diǎn)。

“缺陷檢測(cè)的智能化升級(jí)過程中，最開始以研發(fā)解決具體需求的AI小模型為主要方向。模型性能、模型調(diào)參方式，是各個(gè)解決方案供應(yīng)商的核心競(jìng)爭(zhēng)點(diǎn)。”象點(diǎn)科技總經(jīng)理劉亦銘介紹，“然而小模型遠(yuǎn)遠(yuǎn)不能滿足各先進(jìn)制造企業(yè)的需求。從市場(chǎng)反饋來看，適配單一缺陷檢測(cè)場(chǎng)景的這類方案只能達(dá)到3%的市場(chǎng)占有率。同時(shí)，AI視覺技術(shù)落地缺陷檢測(cè)的三個(gè)核心難關(guān)也始終存在。”

第一個(gè)難關(guān)來自制造場(chǎng)景復(fù)雜，缺陷標(biāo)準(zhǔn)持續(xù)迭代，這對(duì)AI模型的算法能力提出挑戰(zhàn)。比如在激光焊接場(chǎng)景下，缺陷種類多，不同產(chǎn)線對(duì)缺陷識(shí)別的標(biāo)準(zhǔn)不同；又如隨著生產(chǎn)工藝的改進(jìn)，定義缺陷的標(biāo)準(zhǔn)發(fā)生變化（如口罩生產(chǎn)過程中，原先金屬鼻梁偏移1/3為缺陷，變?yōu)槠?/4才是缺陷），如果模型算法的能力不足，則每當(dāng)面臨變化就需要反復(fù)重新訓(xùn)練，耗時(shí)耗力，無法快速滿足生產(chǎn)需求。

激光焊接缺陷種類多樣

第二個(gè)難關(guān)來自缺陷數(shù)據(jù)量小，小樣本對(duì)模型訓(xùn)練提出挑戰(zhàn)。某些制造場(chǎng)景下，可用于模型訓(xùn)練的數(shù)據(jù)量甚至少到個(gè)位數(shù)，或數(shù)據(jù)在保密車間無法取出。這導(dǎo)致傳統(tǒng)的模型訓(xùn)練方式難開展，模型快速產(chǎn)出受阻。

第三個(gè)難關(guān)來自解決方案遷移成本高。僅在同一企業(yè)，不同產(chǎn)線、不同產(chǎn)品對(duì)缺陷識(shí)別的需求不同，就會(huì)導(dǎo)致方案遷移需要額外的調(diào)試時(shí)間和人力。若是進(jìn)入不同行業(yè)，建立新的解決方案更需要花費(fèi)大量時(shí)間適配行業(yè)標(biāo)準(zhǔn)，這都影響了解決方案的拓展效率。

除此之外，降低技術(shù)門檻，打通從技術(shù)到應(yīng)用的“最后一公里”，讓一線工作人員能夠更加方便地使用人工智能技術(shù)，也是產(chǎn)業(yè)化落地中的一大難題。

基于此，象點(diǎn)科技判斷，能夠提供“復(fù)合模型和混合算法”的整合性平臺(tái)化工具將是產(chǎn)業(yè)智能化升級(jí)進(jìn)程中的必然方向。經(jīng)過長(zhǎng)時(shí)間技術(shù)迭代與探索，象點(diǎn)科技選擇基于飛槳深度學(xué)習(xí)平臺(tái)開發(fā)智能工業(yè)視覺平臺(tái)軟件PixAI，探索攻克人工智能視覺技術(shù)應(yīng)用至缺陷檢測(cè)的三大難關(guān)，并“打通最后一公里”，創(chuàng)造用戶價(jià)值。

基于飛槳打造PixAI平臺(tái)

探索攻克技術(shù)難關(guān)，助企業(yè)提效

劉亦銘介紹，選擇飛槳的原因主要來自兩方面：一是相比其他開源框架，飛槳有整體的研發(fā)迭代思路、問題解決方案和專業(yè)技術(shù)人員，同時(shí)提供了從開發(fā)到部署的全流程先進(jìn)工具，具有“品質(zhì)保證”，且“與時(shí)俱進(jìn)”；二是飛槳的國(guó)產(chǎn)化特質(zhì)，讓先進(jìn)制造企業(yè)避免“脫鉤”風(fēng)險(xiǎn)，提供了更大的安全性。

“在具體技術(shù)支持上，飛槳提供了非常好的底層技術(shù)。”劉亦銘補(bǔ)充，“基于這樣的技術(shù)基礎(chǔ)，我們深入各個(gè)先進(jìn)制造企業(yè)，結(jié)合實(shí)際場(chǎng)景需求痛點(diǎn)及工藝邏輯，開發(fā)出PixAI，探索突破AI視覺技術(shù)應(yīng)用到缺陷檢測(cè)環(huán)節(jié)的三大難關(guān)，來更好地助力先進(jìn)制造智能化升級(jí)?！?/p>

• 在AI模型算法方面，飛槳提供了豐富的算法選擇。既能滿足多樣化的缺陷識(shí)別細(xì)節(jié)，又能提供側(cè)重高性能、或高運(yùn)行速度、或低成本等不同目標(biāo)的算法方案。在此基礎(chǔ)上，象點(diǎn)科技進(jìn)一步把AI算法和企業(yè)工藝參數(shù)及缺陷檢測(cè)邏輯相結(jié)合，從而快速產(chǎn)出具體場(chǎng)景的缺陷識(shí)別解決方案，以跟進(jìn)生產(chǎn)工藝及標(biāo)準(zhǔn)的迭代變化。

• 以激光切割場(chǎng)景為例，隨著生產(chǎn)工藝的變化，缺陷定義可能由“縫隙”轉(zhuǎn)變?yōu)椤熬€條”，模型算法由側(cè)重“高性能”轉(zhuǎn)變?yōu)閭?cè)重“高推理速度”，飛槳能夠提供滿足不同需求的算法，而象點(diǎn)科技在此基礎(chǔ)上加入相關(guān)工藝參數(shù)，如激光溫度、切割速度、切割角度等，提供整體的參數(shù)調(diào)整方案，從而幫助企業(yè)及時(shí)跟進(jìn)變化，實(shí)現(xiàn)缺陷識(shí)別的快速落地應(yīng)用。

• 在小樣本數(shù)據(jù)訓(xùn)練方面，飛槳提供了優(yōu)質(zhì)的半監(jiān)督、無監(jiān)督算法，極大減少了模型訓(xùn)練數(shù)據(jù)需求。同時(shí)象點(diǎn)科技自研缺陷仿真技術(shù)，通過少量缺陷樣本仿真生成大量圖像，結(jié)合飛槳算法，進(jìn)一步解決模型小樣本訓(xùn)練數(shù)據(jù)不足的問題。

• 在方案遷移方面，象點(diǎn)科技持續(xù)探索與文心大模型結(jié)合，嘗試在視覺大模型的基礎(chǔ)上微調(diào)得到行業(yè)大模型，從而依靠大模型的強(qiáng)泛化能力解決方案復(fù)制遷移難題。

最終，基于飛槳底層技術(shù)基礎(chǔ)，結(jié)合大量深入的產(chǎn)業(yè)積累，象點(diǎn)科技開發(fā)的PixAI智能工業(yè)視覺平臺(tái)集模型訓(xùn)練和方案搭建為一體，提供了多種工業(yè)級(jí)AI工具鏈，覆蓋流程搭建、圖像仿真、智能標(biāo)注、數(shù)據(jù)統(tǒng)計(jì)等核心開發(fā)場(chǎng)景。同時(shí)充分考慮技術(shù)易用性，設(shè)計(jì)圖形化開發(fā)界面，讓使用者無須編寫代碼即可生成復(fù)雜的工業(yè)AI視覺檢測(cè)方案，解決復(fù)雜外觀瑕疵檢測(cè)難題。

PixAI技術(shù)架構(gòu)

目前，象點(diǎn)科技基于PixAI的缺陷檢測(cè)解決方案已經(jīng)覆蓋3C電子、汽車、新能源、醫(yī)療耗材、激光五大類行業(yè)的20余家先進(jìn)制造企業(yè)，提供50余個(gè)滿足不同缺陷檢測(cè)場(chǎng)景需求的基礎(chǔ)模型。所有缺陷檢測(cè)方案滿足企業(yè)“重大缺陷零漏檢”目標(biāo)，并結(jié)合不同企業(yè)產(chǎn)線具體要求，實(shí)現(xiàn)方案的靈活適配。

如在AI檢測(cè)激光焊接缺陷領(lǐng)域，解決方案基于飛槳高性能圖像分割開發(fā)套件PaddleSeg和PixAI流程模塊，實(shí)現(xiàn)適配7種焊接類型和12種缺陷類型，相較原識(shí)別方案提升15%的缺陷識(shí)別能力，對(duì)激光錫焊、熔接焊、熱壓焊等焊接缺陷綜合檢出率達(dá)到99.99%；在涂膠缺陷檢測(cè)領(lǐng)域，基于飛槳目標(biāo)檢測(cè)端到端開發(fā)套件PaddleDetection套件和PixAI缺陷仿真模塊，快速實(shí)現(xiàn)小樣本條件下的模型訓(xùn)練，在無線充、手機(jī)外殼、智能手表耳機(jī)、麥克風(fēng)等14個(gè)產(chǎn)業(yè)中，將解決方案上線時(shí)間縮短至1天，并對(duì)涂膠工藝中的各類缺陷實(shí)現(xiàn)99.99%的檢出率。

涂膠缺陷檢測(cè)示例

著眼未來

大模型加速AI賦能先進(jìn)制造業(yè)

談到大模型給行業(yè)帶來的新機(jī)會(huì)，劉亦銘認(rèn)為“視覺大模型在解決‘缺陷識(shí)別方案遷移難度大’這個(gè)問題上具有極大價(jià)值”。大模型可以直接省去傳統(tǒng)視覺任務(wù)中的歸納、解釋、找特征的步驟，憑借其出色的泛化能力快速實(shí)現(xiàn)解決方案的不同場(chǎng)景遷移。并且憑借自監(jiān)督訓(xùn)練、自適應(yīng)方面的優(yōu)勢(shì)，提升解決方案的研發(fā)效率。

同時(shí)，象點(diǎn)科技也持續(xù)探索解決方案與大語(yǔ)言模型的結(jié)合。“用大語(yǔ)言模型生成邏輯描述文件是一個(gè)能很好地降低研發(fā)門檻的辦法?！眲⒁嚆懻劦?，“以往我們需要有編程能力的工程師，來將實(shí)際問題轉(zhuǎn)換為工程語(yǔ)言，而有了大語(yǔ)言模型，就可以讓企業(yè)的一線生產(chǎn)人員，用自然語(yǔ)言的方式與大模型交互，讓大模型生成工程描述語(yǔ)言，進(jìn)而去自動(dòng)化地執(zhí)行解決問題?！?/p>

“單獨(dú)的視覺大模型或大語(yǔ)言模型也許還沒辦法完全滿足實(shí)際需求?！眲⒁嚆懷a(bǔ)充，“跨模態(tài)大模型會(huì)更適合具體的落地場(chǎng)景。有時(shí)候技術(shù)落地產(chǎn)業(yè)并不在于模型本身的性能，更在于它的歸納性是否好，是不是能夠提供更完整的使用價(jià)值。

“每當(dāng)行業(yè)出現(xiàn)新的革命性技術(shù)時(shí)，都會(huì)產(chǎn)生一大批的優(yōu)秀企業(yè)，甚至是世界一流企業(yè)。象點(diǎn)科技也會(huì)抓住大模型發(fā)展機(jī)遇，力爭(zhēng)成為視覺識(shí)別業(yè)內(nèi)的頂尖公司。我們也相信，大模型技術(shù)將更加標(biāo)準(zhǔn)化、更加易用，不僅能服務(wù)千千萬萬的工廠，更能深入地融入到咱們所有人的生活當(dāng)中去?！?/p>