對于任何一件工業品來講，瑕疵都是關乎企業生存，乃至社會安全的重要因素。盡管瑕疵檢測十分重要，但隨著產品精密度越來越高，瑕疵檢測也變得越來越難。基于對行業發展的深刻認知，英特爾通過與深視科技合作，為工業品瑕疵檢測提供了一套行之有效的解決方案，助力企業識微見遠。

韓非子云，千丈之堤，以螻蟻之穴潰；百尺之室，以突隙之煙焚。戰國時期，魏國相國白圭善于筑堤防洪，對于小洞——即使只是螞蟻洞都極其重視。在其治下，魏國從未鬧過水災。

這其中蘊藏的真理放在現代也同樣適用——在制造領域，對于任何一件工業品來講，瑕疵都是關乎企業生存，乃至社會安全的重要因素。

盡管瑕疵檢測十分重要，無論是企業還是政府都為之投入了大量的人力物力，但隨著工業產品精密度越來越高，瑕疵檢測也變得越來越難。傳統人工檢察員判斷的準確率通常保持在90%-95%之間，隨著產品數量的不斷增加，流向市場的不合格產品數量急劇增加。

以車輛行業為例，據公安部統計，截至2018年年底，全國汽車保有量達2.4億輛，比2017年增加2285萬輛，增長10.51%。不只是汽車，隨著大眾消費能力的不斷提高，各種工業產品數量正呈指數級增長。

越來越多的產品數目，僅靠人工幾乎不可能達到完全準確的質量判斷，而越來越多流向市場的不合格產品也將影響到更多家庭，危害也越來越重。以熱映的《中國機長》為例，意料之外的產品損壞影響的將是百余人的生命，盡管憑借飛行員個人技藝高超終究平穩落地，但沒人希望發生意外。

于是，人們想到，隨著智能時代的來臨，能否借助AI、物聯網等技術，實現產品質量檢測流程的升級？

用AI解決工業品瑕疵難題

得益于深度學習、計算機視覺和圖像處理技術的不斷增強，利用AI預防生產瑕疵似乎成為可能。

工業機器視覺在工業上應用領域廣闊，核心功能包括：測量、檢測、識別、定位等。而在所有功能中，尤以應用于缺陷檢測的工業表面視覺檢測技術應用最廣。

工業表面視覺檢測技術基于機器視覺，通過利用計算機模擬人類視覺的多種功能，能夠對具體的實物進行圖象的采集處理、計算，最終進行實際檢測、控制和應用。目前，工業表面視覺缺陷檢測系統已經得到廣泛應用，有效促進了企業工廠產品高質量生產與制造業的智能化。

中國的工業機器視覺起步于上世紀80年代的技術引進，之后在1998年整線引進的半導體工廠也帶入機器視覺系統。但2006年以前，我國機器視覺產品仍主要集中在外資制造企業，規模都較小。

2006年開始，工業機器視覺應用的客戶群開始逐步擴大，印刷、食品等檢測領域率先應用工業機器視覺技術。直到2011年，工業機器視覺市場才開始高速增長。

隨著人工成本的增加和制造業的升級需求，加上計算機視覺技術的快速發展，越來越多機器視覺方案滲透到各領域，到2017年我國機器視覺市場規模已達近70億元。

截至目前，我國機器視覺企業已超越102家，機器視覺產品代理商超越200家，專業的機器視覺體系整合商超越50家，從光源、工業相機、工業鏡頭以及處理軟件等所有視覺檢測設備工業鏈漸趨完整。

正是基于對行業發展的深刻認知，英特爾通過與深視科技合作，為工業品瑕疵檢測提供了一套行之有效的解決方案。

前不久，深視科技和英特爾就利用其解決方案，幫助一家領先的輪胎制造商解決了一些人工檢察員此前無法看到的瑕疵問題：

檢測速度加快。與傳統的手動檢查相比，該解決方案的檢測速度得到顯著提高，平均每次檢查時間不到1秒鐘。

檢測準確率提高。得益于基于英特爾技術的深視科技解決方案，該輪胎制造商將其瑕疵檢測準確率提高到99.99%以上，每天可實時檢查20000多個輪胎。

盈利能力增強。基于更快的速度和更高的準確率，該輪胎制造商的企業凈利潤大大提高，平均每條生產線的人工成本降低了大約42000美元。

當然，如此實實在在的能力提升，離不開深視科技與英特爾在深度學習領域的深耕積累以及強大的計算能力。

追本溯源，源于專注

就原理而言，英特爾和深視科技的解決方案首先由成像系統收集圖像數據，然后傳輸到邊緣設備，借助深視科技的Deep Inspect軟件進行實時檢測和分析，最后再將結果傳送回生產線進行分類。

此外，該解決方案也利用深視科技的測試設備替代了原始測試設備，并可通過設備配置好的接口直接與客戶的生產線進行連接，從而幫助客戶通過采樣來檢查測試設備的準確性和穩定性。

倘若我們將瑕疵進行細分，即使微小的瑕疵也可分為不同類型，而不同類型的瑕疵又需要不同的成像系統才能獲得最佳圖像。因此，深視科技和英特爾的解決方案在成像系統領域狠下功夫，其提供的機械結構能夠根據檢測到瑕疵的不同類型提供所需要的不同成像系統。

總的來講，深視科技和英特爾解決方案的邊緣設備包括：

用于圖像分析、顯示和數據存儲的工業計算機和顯示器

深視科技用于瑕疵檢測的 Deep Inspect 設備

英特爾 分布式 OpenVINO 工具包

毫無疑問，對于深視科技與英特爾的這套解決方案來講，算法一定在其中發揮著至關重要的作用，而英特爾分布式OpenVINO工具包恰恰能夠對于算法進行整體優化，是解決方案的核心。

簡單來講，英特爾分布式OpenVINO工具包提供了一套能夠針對英特爾處理器進行優化的計算機視覺和深度學習推理工具。通過OpenVINO工具包，來自深視科技和英特爾的解決方案不僅可以顯著提高英特爾處理器的一些性能，還能夠對英特爾硬件進行加速。據了解，基于OpenVINO工具包，深視科技已成功將其檢測模型算法穩定運行在一臺常規工業計算機上。

當然，英特爾分布式OpenVINO工具包不只能在這一解決方案中使用，還可為企業快速、有效地在多個應用中實施計算機視覺和深度學習解決方案。

首先，OpenVINO工具包可以成為企業挖掘數據價值的關鍵。有數據顯示，到2021年，視頻將占據所有IP流量份額的82％；到2025年，深度學習的市場價值將增長至399億美元。因此，如何從大量視頻數據中找到有價值的信息對于企業至關重要，有效的數據分析可以顯著改善企業運營現狀，從而幫助企業增加利潤。

其次，OpenVINO工具包可以成為企業業務轉型的助力。不只是預測性維護和新零售，幾乎各行各業都正在逐步依靠邊緣人工智能來挖掘新的可能。借助OpenVINO，企業可以充分利用近乎實時的數據處理速度來更快、更好地做出決策。

最后，OpenVINO工具包能夠從邊緣到云端實現強大人工智能。英特爾的視覺產品不僅集成有OpenVINO工具包，還為之配有一系列加速硬件，能夠幫助用戶輕松實現從邊緣到云端的視覺內容捕獲，為眾多行業提供了非常強的推理功能。不僅如此，這些解決方案還將推動下一代人工智能的發展。

工業智能轉型，識微方能見遠

當一個很小的缺陷會影響到整個制造商的生產效率和利潤率時，一切細節都是至關重要的。

根據Gartner報告，預測性維護可帶來極大的節省，在某些情況下，成本降低高達40%。例如，一家制造商可以通過優化生產工廠，從而無需為新的客戶合同購買額外的機械，可節省超過6百萬歐元。

作為預測性維護的關鍵一環，工業表面視覺檢測能夠更加全面的檢測出產品的質量問題，提升產品良率。

此外，基于機器視覺的工業表面視覺檢測不但可以彌補人工視覺無法檢測的環境，比如危險工作環境，溫度較高和較低的工作環境等，還可以更加有效的進行保護操作員的人身安全，對檢測工作可以創造出的更多的便利條件。

正如電視劇《雞毛天上飛》中鎮長陳金水所講，“一分錢撐死人，一毛錢餓死人”。細節無處不在，利益也往往隱藏在微小細節處，積少成多，其價值何其巨大。

當然，隨著技術的不斷發展，消費者也將越來越偏愛具有更多個性化定制和更高品質的產品。當前，工業4.0與工業互聯網的發展如火如荼，大量制造業紛紛謀求轉型。在此背景下，英特爾主要從四方面著手，致力于推動工業轉型：

互聯制造。英特爾認為，從邊緣到云的數據驅動互聯解決方案能夠通過流程優化、新業務模式、預測性維護等方式，為制造企業帶來極強的競爭優勢，未來的智能工廠一定是數據驅動型工廠。

互聯供應鏈。人工智能和物聯網技術可通過網關分析增強供應鏈，以便在整個交付過程中進行庫存跟蹤。英特爾能夠通過基于物聯網的智能貨運技術，創新性的釋放供應鏈管理的價值。

互聯建筑。環境控制、通信接口、視頻監控和節能解決方案可以有效提高建筑物的運營效率并節約成本，英特爾正積極參與采用物聯網技術的智能建筑環境改造，并已于2016實現其在班加羅爾的首棟智能建筑落地。

互聯工人。互聯工人應用程序能夠通過智能設備、可穿戴設備和增強現實解決方案為產業工人提供支持，智能傳感器也能夠有效幫助工人提高工作效率及安全性。

未來，英特爾期望幫助企業打造一批“智能工廠”。英特爾認為，工作負載整合、虛擬化、基于軟件的自動化、數據驅動型操作等是智能工廠工作的重要方式，而智能工廠之智慧，也在于其能夠自主生產并將數據使用作為工廠業務變革的重要力量。