智能产品工厂测试软件,人工智能如何帮助工厂做质量检测

原标题：人工智能如何帮助工厂做质量检测

在生产流水线上的质检员，他们往往每天需要花10个小时以上的时间去判断质量。很多工厂这个工作岗位两三个月就要轮一次岗，因为眼睛确实受不了。

现在大家都在搞智能制造、智能工厂，工厂前端的自动化程度非常高，多数岗位完全由机器人来代替。但是大家没看到的是工厂的后端，需要给工厂做产品质检那一段，后端的人黑压压一片。

为什么之前没用技术手段解决质检的问题呢？主要原因是机器误判率比较高，大概有百分之二十，甚至三十的误判率。这也是为什么工厂没有办法大规模的推广和使用这种技术。

而现在人工智能介入了以后，工厂的这种误判率会在上线时可达到3%-4%的水平，并且会逐步减少到最低。

人工智能的质检员怎么判断出划痕呢？

在生产中一个划痕会有很多种不同类型的定义。比如：这个划痕的位置，它的长度、它的深度，这都需要预先做好一些判断。

在传统的工具中，会以一个类似九宫格的方式画出不同类型的缺陷，然后采用算术方法去作对比，确定它的缺陷类型。

实际生产过程中，很多缺陷类型，哪怕是划痕都会有一些模棱两可的比较难判断的状况出现，传统方法就会有很高的一些误判率。

人工智能最重要的一个能力是它具备学习能力。比如说，同样一个划痕，它会和传统系统一样，第一次都犯错误。但是人工智能第二次、第三次，它不会犯一样的错误，它具备一个学习能力。同样的问题或者类似的问题，下次它会做出非常精准的判断。而传统的系统除非你改程序，同样的问题，下次它一样会犯错误。

基于人工智能的系统可以自主的、自动的去学习，从过去的一些判断失误中学习。从一些有经验的质检员那儿学习，这是完全自动的方式，不需要人工干预的，生产线可以正常的运行下去。

智能质检员需要不断地被训练

其实任何一个智能质检系统，都跟传统的软件有非常大的区别，它需要一些开发的过程。拿认知质检员做例子来说就是，它有三个主要的一些开发过程。

第一个阶段，就是开发一套具有学习能力的图象识别系统，用数百万GB的相片，例如手机、苹果、梨子、火车等，去培训出来一个有图片识别能力的基础模型。这个过程用的基本上就是日常生活中的图片。这样的一个基础模型，它的认知能力基本上类似于一个七八岁的孩子。

第二个阶段，需要利用工厂产品特定的照片去培训这个模型。一般会需要数万张照片，让这个模型接受培训。通过这个阶段，这个模型的能力相当于一个技校毕业的学生的水平。也就是说，基本上有一些生产工经验知识了，但是放到工厂上立马让他工作，可能还有一点难度。这也是为什么会需要第三个阶段。

第三个阶段，就是用比较有经验的质检员来培训这个模型。就像老师傅带学徒一样。因为每一个模型，让它去做一次判断，它总会有一些失误存在。一旦这些失误产生，就会让老师傅去跟它说：“我为什么判断错了，主要原因是哪些？”这样，这一套模型或者说系统，就具备了老师傅刚才传授的经验，下一次遇到类似的问题，就不用再找老师傅了。

因此，第三阶段培训结束后，认知质检员基本就具备上岗能力了。

并不是所有的人工质检员都会被取代

认知质检员来了，会不会一个质检员都不需要了呢？不是的。

其实认知质检员的上岗也是需要一个过程的，就跟新的学徒上岗一样，不可能100%的放手让他去干，还是让一个老员工在他后面去做一些监督、做一些观察工作。在实际生产的过程中，一个认知质检员系统上岗，通常还会有一个人工在旁边去帮它做一些监督检查。经过一段时间之后，这一部分需要监督或者检查的人工就会逐步的节省下来。

另外一个非常关键的点，是这一套人工智能系统每一次判断，它会给一个“自信度”。所谓“自信度”就是“我有多大的信心，这个判断是对的，但是我可以量化它”，比如：我看到这个划痕，基于它的长度和它的位置，我有99.9%的信心这个划痕是一个必须检查到的问题，需要下一步去做处理的。这样的话，就给到生产线上的同事一个比较清晰的信息，这一块东西我不用人再看了。但是会有模棱两可的问题出来，质检员也会有信心比较低的时候。比如：我这个划痕有80%的信心，它是这里错误。师傅，您能不能帮我再看一下。

这时候人类师傅拍板，不简简单单是“对”和“错”这样的拍板。人工智能质检师更需要的是，师傅您得告诉我，这个为什么对了，这个为什么错了？这样才能学。

具备人工智能技术的认知质检员，是不会100%替代现有的人工质检员的，但是它能够大大的减少人力在这种有害健康的工种上的投入，对企业来讲也会大大的提高它的生产效率。

这一套系统在生产线上是一个逐步迭代和提高的过程，一般一开始可能能帮助工厂节省20%-30%的人力，还需要相当一部分人力去做一些比较复杂的判断。但是随着时间的推移，这个百分比会逐渐到五十、六十、八十，甚至更高，但是永远不会100%的取代所有的人，因为还需要企业保留最有经验的一部分质检员，帮人工智能质检员去做一些最复杂的判断。这样的话，这个系统才能不断的去提高。

人工智能质检员效益如何？

类似这样的系统已经开始在一家中国的LCD面板工厂实施了，给他带来的效益是按千万级来计算的。不仅减少了人力成本，更多的是生产力的提高，让工厂的生产能力得到了释放。

只要涉及到外观检测的行业，这类系统都有应用。不光是电子行业、手机行业，已经在汽车行业的一些汽车外观、喷漆的检测得到了应用。

除了制造业之外，其实在建筑业方面，也有一些应用。比如说，一些比较高危部位的检测，人爬上去可能比较困难，而且效率也不高。用无人机带着摄像机上去拍摄，然后再去判断工程质量的问题。总的来看，只要是需要人去做外观判断检测的，这一套技术都用得上。无论是食品外观出现了问题，比如：一个苹果上出现了斑点，能不能上架；还是服装上的一个线头露出来太长，能不能让它判定为质量合格。只要能拍出来照片，在照片上能识别问题的这一类场景，认知质检员都可以用起来。返回搜狐，查看更多

责任编辑：