AI技能正全面向工业范畴浸透，这一次轮到轿车零部件职业，瞄准的是产质量检。
外媒报导称，协作小型摄像头，奥迪根据杂乱人工智能神经网络技能研制的软件，在立异机器学习程序下运转，能在几秒内主动、可靠地辨认并符号钣金零件中最细小的裂缝。
在国内，这项技能的落地正在同步进行。北京波塞冬科技有限公司（以下 简称“波塞冬” ）就以AI机器视觉技能为切入点，旨在为轿车业客户供给零部件外观检测的主动化解决方案。让记者没有想到的是，作为建立刚满一年的草创公司，波塞冬竟已取得来自零部件职业的不少橄榄枝——国内电镀件、轿车玻璃、轮胎等范畴位居前列的几家闻名企业欣欣然与之协作，发动项目试点。
从现在的状况看，不管整车企业，仍是零部件供货商，职业遍及看好AI技能 在零部件质检方面的运用。这是值得仔细研讨的一个现象。
数据显现，2012年至今，我国零部件制作业产量占轿车总产量的比重坚持40%左右，不过，其精细化办理水平仍有待进步，零部件外观检测范畴存在的问题便是一个例子。现阶段，质检工人在零部件企业的人员组成中占有了很大份额。以电镀职业为例，年产量5亿元的供货商，大约需求200~300名质检 工人，计入相关的办理本钱，每年企业要担负的费用超越2000万元，约占年产量的4%。在外观检测进程中，以电镀件为例的零部件产品对精度要求非常高，呈现直径超越0.5mm的小圆点瑕疵都被归为不合格品。但实际上，因为强反光、视觉疲惫等要素，这些瑕疵经过人眼 查看的难度非常大。
波塞冬的创始人兼CEO王勇，曾担任德国轿车工业联合会高档质量司理，审阅并教导过上百家轿车零部件企业。他向记者道出了零部件外观检测的三大痛点：
一是人工检测局限性大。 除了昂扬的本钱外，人工效率低、判别不客观、易疲惫误检以及人员招工难等问题，都是成为限制零部件质量提高的不利要素；
二是传统设备适应性差，当时国内绝大多数厂家都以集成为主，只能针对某些特定的外观缺点进行查验，更新改善的难度比较大；
三是人工核算缺点问题多，关于缺点零部件，人工核算不只简单犯错，也缺少对数据的深度发掘运用。
这应该便是当时零部件职业遍及看好AI机器视觉检测的主要原因。王勇说：“国内有超越10万家轿车零部件成规划企业，依照均匀每家每年20万元的AI检测投入核算，AI零部件外观查看 的商场规划就超越200亿元/年（不含其 他衍生服务）。假如以全球来计，这个数 字将超越1000亿元/年。”
据介绍，波塞冬的解决方案是用结构光照耀零部件， 3D摄像头会收集零部件在各个视点的图画，并经过自行研制的Neptune神经网络结构程序进行 AI最佳算法剖析，由此发现并主动标 记出有瑕疵的不良品。此外，因为 AI 具有深度学习的特征，跟着笔直范畴缺点数据的不断累积，公司后续还将经过数据渠道进行最新算法晋级引荐。
记者了解到，针对电镀件，波塞冬样机可完成精度0.1mm的外观不良检测，在对某品牌的车标质检测验中，完成了95%以上的准确率。王勇解说称，电镀件归于强反光零部件产品，轿车玻璃则归于强透光零部件产品，而轮胎则归于弱反光的典型。这些零部件光学 特征非常杂乱，是 AI视觉检测的世界难题，但商场运用远景极为宽广。从这几类高难度的产品下手，堆集经历，再延申到其他品类的产品检测，后续开发将愈加简单。
“现在，咱们霸占了机器视觉强反光零件细小缺点检测难题，相关技能已申报国家专利，原型件开发和原理验证结束，取得职业界技能评定专家的必定，产品估计今年年底前正式交给客户运用。” 王勇告知记者，当时一些笔记本、电池以及码头集装箱厂家连续联络过波塞冬， 寻求AI机器视觉范畴的深度协作。一些当地政府，也都给出不同程度的优惠政策，期望他们可以本地落户建厂，带动当地工业向人工智能范畴晋级。
AI技能运用于零部件质检的蓝图是夸姣的，但因其触及光学、机电学、人工智能、工业制作等多个学科和范畴，自带高门槛，因此也已会集大批高学历的海内外人才。波塞冬的团队就表现出了跨界交融的意味。据介绍，该公司不只具有来自海内外闻名院校的硕士及博士，并且团队成员均具有相关范畴尖端组织多年的作业经历，具有了比较完好的光、机、电及AI算法才能。
“我国AI视觉检测商场充溢了丰厚的幻想，潜力非常巨大。”王勇以为“，我国对新技能的承受程度远远高于其他国家， 对数据的运用也比较老练，因此未来很可能会诞生全球AI机器视觉范畴的巨头。” 他表明，关于AI机器视觉，不管硬件设备仍是缺点辨认软件出售，抑或是售后大数据算法晋级服务都具有很强的变现才能。
在“工业4.0”发源地德国，奥迪有意推行人工智能技能的运用，以求在生产进程中彻底改变质检进程——假如有足够多的符号数据集，该体系也可用于喷涂车间或装配车间的质检作业。在我国，王勇现在最为惋惜的则是波塞冬作为草创公司，资源有限，难免会失去一些良机。AI机器视觉在轿车零部件范畴的运用是一个关键，现在已不乏充溢勇气的探路者，但也相同离不开本钱助力和来自轿车职业的更多支撑。
不远的将来，AI技能在零部件质检 中究竟能不能成为“神器”？技能的老练 度和工业化的可行性才是终究的答案。
