划痕麻点检测程序_轮胎缺陷检测准确率99.9% ！英特尔如何实现？

导 读

一个很小的缺陷不仅会影响到整个制造商的生产效率和利润率，更重要的是，这些不合格的产品如果不小心流入市场，可能会给最终的用户带来安全风险！一切细节都是至关重要的。

1 安全驱动轮胎质检流程升级

据统计高速公路交通事故70%由轮胎引起，120码以上爆胎生还几率为零，轮胎安全已成为全民关注的问题。2019 年 9 月 28 日上午，G25 长深高速 2154KM 处一辆满载的大客车左前轮突然爆胎，冲破道路中央隔离带驶入对向车道并与一辆半挂货车相撞，造成 36 人死亡、36 人受伤。整个搜救历经 8 个多小时，事故现场触目惊心……

越来越多的产品，仅靠人工几乎不可能达到完全准确的质量判断，产品表面微小的划痕和凹坑等瑕疵就可能会酿成重大的事故。一个很小的缺陷不仅会影响到整个制造商的生产效率和利润率，更重要的是，这些不合格的产品如果不小心流入市场，可能会给最终的汽车用户带来安全风险！

随着智能时代的来临，能否借助AI、物联网等技术，实现产品质量检测流程的升级？

近日，Gartner公布了2020年十大战略科技趋势的预测。报告提出，在2028年前，专用AI芯片以及更强大的处理能力、存储和其他先进功能将被添加到更广泛的边缘设备中。越来越多的企业将使用AI来改善工业系统决策机制、重塑商业模式和客户体验。 数据显示，41%的企业组织在试用或采用AI计划。

AI为工业质检赋能在智能制造大背景下，大有可为。轮胎表面视觉检测不但可以弥补人工视觉无法检测的环境，比如危险工作环境，温度较高和较低的工作环境等，还能够更加全面的检测出产品的质量问题，提升产品良率。

2 先行探索者：从“人工”到“人工智能”

中国目前大约有600家轮胎制造商，每年生产将近8亿个轮胎，占全球轮胎年产总量的三分之一。在这种规模上，要保证产品质量的一致，属实是一个巨大的挑战。

从轮胎业内整体情况来看，目前大多数公司都依靠人工检查。但这种方法既耗费人力财力，又不够可靠。具体来说，培训一个检查员要花费3个月的时间，而检查工作最多占用他们80%的时间。为什么轮胎检测如此复杂困难，以至于训练有素的检查员都无法达到更高的准确率？

专业人士指出，在轮胎的生产过程中，轮胎表面的字符、色点标识会存在各式各样的缺陷问题，比如位置偏移、标识不清、凹坑、裂口等。再加上轮胎上的字符跟背景色相近。传统的人工检查方法在缺陷判别上存在个体与个体间的差异，并且有检查员视力疲劳等因素，很多产品的微小瑕疵并不能高效地被识别。人工检测精准性低会增加昂贵的返工成本，也会限制产量的扩大、甚至可能会造成召回问题，影响公司声誉。 

行业困局中，总有另辟蹊径的先行探索者。上海深视科技与英特尔合作，基于Intel分布式OpenVINO工具包定制开发了针对轮胎行业的智能缺陷检测系统，可以高效地帮助轮胎制造商洞悉每一个微小的缺陷。

在一个使用深视科技产品的工厂，每天生产几万个轮胎，检测的工作量巨大，现在用“AI”替代传统人工质量检测方式，不仅能及时发现不合格的产品，还可以在轮胎瑕疵成为更大的问题之前就从根本上将其解决。

3 99.9%准确率的巨大机会

中国每天在产线上进行目视检查的工人超过350万，其中仅3C行业就超过了150万人。大概15%-20%的工人会拿着一个产品看产品有没有问题，有没有瑕疵。这也是企业为什么关注AI在工业质检创新落地的原因。一是AI本身对整个社会带来的价值，能够取代大量的重复性的目视检查工作。二是工业质检这个行业仍然存在很多问题没有被解决，有机会通过新技术的进步来解决，这是让人很兴奋的创新机会。

深视科技利用其在 AI 领域的专业知识，带来了高度精确、高度稳定的智能缺陷检测系统，通过计算机视觉解决了轮胎制造商面临的不断出现的产品瑕疵挑战。相较人工检测，AI智能质检在3个方面将有显著效果：

1、瑕疵检测准确率达到99.9%以上。得益于基于英特尔技术的深视科技解决方案，该轮胎制造商将其瑕疵检测准确率提高到99.9%以上，每天可实时检查20000多个轮胎。

2、检测速度毫秒级。与传统的手动检查相比，平均每次检查时间不到1秒钟，该解决方案的检测速度将有10倍性能的提升。

3、盈利能力大幅增强。基于更快的速度和更高的准确率，该轮胎制造商的企业净利润大大提高，平均每条生产线的人工成本降低了大约42000美元。

4 英特尔AI视觉赋能工业质检，加速智能革命

工业质检为什么发展近30年，还不能得到广泛推广呢？ 

一方面是面临海量的质检数据，传统的工控机在计算能力方面并没有那么强，经常需要插一些加速卡，有时候会插一些GPU。另一方面是终端硬件视觉内容捕获和处理不够及时，在线标注、云端训练、终端推理需要更强大的计算能力以及人工智能技术深度学习技术。

针对行业工业质检普遍的现状，深海科技的Deep Inspect平台方案一开始就采用了英特尔专注于加速深度学习的OpenVINO工具包，取得了出乎意料的成功。这个工具套件的优势有3点。

1、提高性能，OpenVINO工具包可以帮助企业快速从大量视频、图像数据中找到有价值的信息，这个工具包可以最大发挥出英特尔计算单元的运算能力，性能可以得到提高。

2、整合深度学习，深度学习是AI的一部分，OpenVINO工具包为为众多行业提供了非常强的推理功能，企业能够轻松实现从边缘到云端的视觉内容捕获，利用近乎实时的数据处理速度来更快、更好地做出决策。同时OpenVINO是一个开放的工具，英特尔允许用户去定制和开发他自己的一些深度学习的基础库，也允许客户自己去添加他自己的独有代码。

3、加速开发，OpenVINO工具包支持了异构运行，用户只需要开发一个应用程序就可以运行在英特尔不同的硬件架构上，这相当于可以大大缩短用户的开发周期。比如深海科技在产品落地时应用了OpenVINO之后，很短的时间里就可以将性能提高10倍部署到实际应用当中。

面临制造业不断提升产品质量和良品率的需求，深视科技借助OpenVINO工具包，能够快速对各类产品图像缺陷进行学习训练，做到高精度识别判断，快速识别其人工检查以前看不到的问题。这种硬件和软件结合的方式可以帮助终端用户在生产效率、工人生产力、减少浪费和提高良品率取得了可喜的进展。

现在深视科技Deep Inspect解决方案还在其他多个制造行业都在落地，包括3C、光学薄膜行业、PCB制造等。各行各业都正在逐步依靠人工智能来解决工业质检问题和挖掘新的可能，这些创新实践还将推动下一代智能质检的发展，成为企业业务转型的助力。

本文转载自智能制造