工业AI应用案例-兼容多架构的AI质检解决方案.pdf

工业AI应用案例-兼容多架构的AI质检解决方案--第1页

工业AI应用案例-兼容多架构的AI质检解决方案

一、人工智能与制造业融合所面临的挑战

虽然AI赋能的工业质检应用正在逐步渗透到多行业领域，其在

落地过程中也存在一定的挑战，例如，AI质检效果不如预期、数据

积累速度远低于产品交付，AI训练数据的小样本问题突出、算法工

程师缺少工业机理的理解等。工业质检领域技术供应商可以结合自身

业务特点，优先在有数据积累的场景进行差异化竞争。在工业领域加

强小样本等算法的研发，持续进行算法优化迭代。另外，技术供应商

也要加强对工业业务场景的理解与沉淀，包括产品生产流程、加工工

艺等，才能找准企业的痛点并提升应用效果。在合作生态上，硬件厂

商、解决方案商、集成商、服务提供商都是生态合作中不可或缺的环

节，工业质检领域的技术供应商还会进一步和合作伙伴加强合作，丰

富产业生态。未来，AI工业质检市场会进一步成熟，进一步带领泛

工业领域的自动化、智能化转型。

问题一：缺陷样本数据缺乏

人工智能模型的训练需要依赖大数量、高质量的数据，由于实际

生产中主要采用人工检测，涉及各类缺陷的高质量样本数据基本没有，

需要从零开始采集。但数据的自动化采集需要考虑镜头、光源、工业

相机等多方面因素，其中，光源就有几千种，还要考虑如何组合。

问题二：模糊标准下的精准判定与分类

现实场景中质检员对于缺陷的判定主观性比较大，标准不太统一，

存在模糊性，比如对于同一种细小的缺陷判定，不同的质检员容易受

工业AI应用案例-兼容多架构的AI质检解决方案--第1页

工业AI应用案例-兼容多架构的AI质检解决方案--第2页

到个人经验影响，会存在判断上的分歧。即使选择使用传统的AOI设

备来弥补人工检测的不足，但在面对更加复杂的在线场景,检测精度

不高，可能会米用过高的误判率来最大可能地减少不良品进入下一个

环节，但这样会增加人工复检的成本。

问题三：检测需求多变且复杂

客户的检测需求一直在变化，尤其是在Al、5G、超高清等技术

加持下日新月异的触显领域。新技术的应用、制造工艺的变革，会使

检测的要求提升以及复杂性增加，比如：以前的检测精度要求可能是

15微米，但随着下游终端市场需求变化，现在的检测精度可能要求

达到10微米；对比2D、2.5D盖板玻璃，3D盖板玻璃在检测上对视

觉算法、光学系统、机械控制等要求更高，在实际中需要解决的问题

也更加复杂。

问题四：模型上线后迭代优化成本高

传统AI质检均在AI模型失效后，才能被厂方知晓。需要将AI

系统下线重复系统初次上线的模型优化工作。对于已经按AI质检调

整后的产线，需要重新排产重现安排质检员。这样的反复更替，会带

来AI运维成本的极大提高和效率极大降低。

二、市场需求情况

AI赋能的工业质检市场主要是软件和解决方案市场，在这一领

域，各类新技术供应商凭借自身基础优势进入该市场，如云厂商、

AI创企、传统机器视觉企业、工业互联网平台企业等都在Al视觉质

检领域积极布局。资本市场也高度看好该领域，近2年已经有超过

工业AI应用案例-兼容多架构的AI质检解决方案--第2页

工业AI应用案例-兼容多架构的AI质检解决方案--第3页

30家相关创新企业获得融资。经过几年的发展，AI赋能的工业质检

软件和解决方案市场也已经走向成长期，尽管在过去18个月内因为

疫情等原因，工业质检市场交付呈现滞后现象，但20