7月24日，阿里云ET工業(yè)大腦發(fā)布AI視覺產(chǎn)品“見遠”，可以利用深度學習和圖像處理算法，自動識別圖像中的瑕疵、故障及其他目標物，大幅節(jié)省人力，提高產(chǎn)品生產(chǎn)效率及精度穩(wěn)定性效果。

“見遠”來自阿里巴巴機器智能技術實驗室視覺計算團隊，這一團隊還曾在城市大腦中研發(fā)出一系列視覺智能創(chuàng)新技術，如天曜、天擎、天鷹、天機。

阿里巴巴機器智能實驗室副主任、視覺計算團隊負責人華先勝介紹，目前“見遠”已經(jīng)應用在電池片瑕疵檢測、蠶絲瑕疵、道路裂縫檢測、垃圾分類、智能養(yǎng)殖等多個領域。

舉例來說，在電池片瑕疵檢測領域，“見遠”的識別準確度已達95%，節(jié)省人力率比為每33個人節(jié)省1人。通過深度學習和圖像識別算法，阿里云ET工業(yè)大腦集中學習了40000多張樣片，將圖像轉換為機器能讀懂的二進制語言，從而能讓質檢機器實時、自動判斷電池片的缺陷。

位于杭州的浙江正泰新能源已經(jīng)通過“見遠”實現(xiàn)了單、多晶電池片EL缺陷的毫秒級自動判定，能成功識別隱裂、黑斑等20余種瑕疵，相比人工檢測速度提升2倍以上。這也是光伏行業(yè)首次實現(xiàn)對電池片的實時、在線、自動檢測。

該項目算法工程師魏溪含介紹，工業(yè)質檢主要是三類：無攝像頭，全人工；有攝像頭，但人工觀察；攝像頭帶簡單的分析功能。這導致的問題就是人力成本高、人的情緒對質控影響大、效率低下等問題。“見遠”能夠做到真正的自動化，全面的解放一線工作人員。“以前他們需要大海撈針，現(xiàn)在只要在桌面找針就行”。

除此之外，“見遠”還能被應用到更多其他領域。例如，可通過列車底部/側面照片，自動檢測列車是否有故障。常見故障超過100種，小概率重要故障幾十種。180萬張圖片的測試數(shù)據(jù)顯示，人工智能系統(tǒng)檢出上報數(shù)為985張，其中141個是人工漏檢而被機器檢出的。

除車輛外，在橋梁、路面檢測中“見遠”顯得更為重要。它能夠通過無人機搭載的高清攝像頭，實時發(fā)現(xiàn)橋梁存在的外觀病害，如構件變形、裂縫、滲水等。即使是一個頭發(fā)絲粗細的裂縫，都可以發(fā)現(xiàn)。而在之前，大多都是通過肉眼完成，漏檢率高、速度慢。

阿里云一直致力推動產(chǎn)業(yè)AI的落地，并且擁有從底層硬件基礎設施到行業(yè)解決方案的豐富人工智能產(chǎn)品家族，是國內最全的人工智能解決方案商。ET工業(yè)大腦已經(jīng)幫助工業(yè)制造企業(yè)創(chuàng)造利潤數(shù)十億元。