近年來，隨著我國工業高端化轉型升級，計算機算力以及數據總量呈指數級增長，算法研究快速迭代，人工智能（AI）技術已經登上了科技革命的風口。

根據Gartner發布的技術成熟度曲線顯示，目前全球處于上升期或巔峰期的新興技術中，一半以上與AI技術有關。

在工業領域，基于AI技術可以將工業大數據轉化為有效信息、抽象為模型、輔助人類進行精準決策，最終實現工業過程高效配置和執行。而這其中，基于工業視覺的AI質檢正成為制造業探索人工智能實踐的殺手級應用。

IDC發布的《中國AI賦能的工業質檢解決方案市場分析》報告指出，AI技術供應商正和設備廠商、解決方案商、系統集成商、服務提供商一起向用戶提供較為完備的AI工業質檢解決方案。

未來，AI工業質檢應用會進一步成熟，并將帶領制造業、泛工業領域的自動化、智能化轉型。

人工質檢

被取代是大勢所趨

當前制造業產品外表檢查主要有人工質檢和機器視覺質檢兩種方式，其中人工占90%，機器只占10%。

傳統人工質檢普遍面臨以下痛點：

第一、傳統的人工檢查方法在缺陷判別上存在個體與個體間的差異，容易受檢查員視力疲勞、狀態不佳等外界等因素影響，很多產品的微小瑕疵并不能被高效識別；且人工質檢成本高、誤操作多、生產數據無法有效留存；

第二、人口紅利消失，用工難的問題愈加突出。據統計，目前每天產品線上進行人工檢測的工人數量超350萬人，但因工資低、工作枯燥，愿意從事人工質檢的工人愈來愈少。

據前瞻產業研究院統計數據顯示,中國每天在產線上進行目視檢查的工人超過350萬,其中僅3C行業就超過了150萬人，大概15%-20%的工人會拿著一個產品看產品有無問題，有無瑕疵，以此來判斷工業零件的質量。

這不但有害員工視力，還會存在速度和穩定性差等問題，對檢測效率和質量造成影響。

此外，傳統的工業質檢方法是通過實驗，人工用放大鏡、顯微鏡等多種工具選取亮度、顏色、尺寸、形狀等特征及其參數來設計判決規則，僅可判別定量缺陷檢測、無法自適應，泛用性低，且人工成本高。

來源：天風證券行業專題研究報告

機器視覺

全面賦能AI質檢工業

當前，中國制造正從“制造大國”向“制造強國”轉型升級，人工智能、機器視覺作為實現中國制造2025的核心技術正處于制造產業的風口浪尖，越來越多的現代工業生產商，正在使用計算機視覺技術，檢查工業產品問題，提升質量。

而工業AI質檢的兩個重要組成部分是圖片采集和基于深度學習的圖像處理系統，它們的檢測精度與處理準確率將直接影響智能質檢的最終效果。

在這種情況下，通過AI視覺取代人工質檢，構建一套銳利的“眼”和智慧的“腦”，提高質檢效率、降低誤差成為可行之策。

所以，以新一代人工智能、機器視覺技術為主導的工業質檢設備登上舞臺。

來源：天風證券行業專題研究報告

該技術能夠使機器像人類一樣看清圖像，處理和識別靜止物體甚至是視頻中連續動作，并根據判別的結果來控制設備動作。

尤其在大批量重復性制造生產中，使用工業相機拍下零部件，再交由圖像識別軟件識別出有缺陷的零件，將會極大提升工廠生產效率和自動化程度。

矩視智能低代碼平臺 

加速智能革命

目前主流的機器視覺技術仍采用傳統方式，即首先將數據表示為一組特征，分析特征或輸入模型后，輸出得到預測結果，在結構化場景下定量檢測具有高速、高準確率、可重復性等優勢。

但隨著機器視覺的應用領域擴大，傳統方式顯示出通用性低、難以復制、對使用人員要求高等缺點。

深度學習對原始數據通過多步特征轉換，得到更高層次、更加抽象的特征表示，并輸入預測函數得到最終結果。

深度學習可以將機器視覺的效率和魯棒性與人類視覺的靈活性相結合，完成復雜環境下的檢測，特別是涉及偏差和未知缺陷的情形，極大地拓展了機器視覺的應用場景。

傳統機器學習VS深度學習

矩視智能低代碼平臺充分把握工業檢測領域的客戶核心需求，從行業痛點入手，研發解決產業痛點的AI質檢系統，以先進的AI工業視覺技術正在賦能工業領域，為生產線裝上“智慧眼”自動“揪”出產品缺陷。

目前，矩視智能低代碼平臺已上線100多個開發工具，并通過數據驅動，實現工具間的自由組合，訓練時間縮短在10分鐘以內，大大提升開發效率。

此外，矩視智能低代碼平臺針對工業等傳統行業的上千種應用場景，識別準確率在99%以上，高于行業95%的平均水平。

矩視智能低代碼平臺工作流程

面臨工業領域不斷提升產品質量和良品率的需求，矩視智能憑借云端數據積累，能夠快速對各類產品圖像缺陷進行學習訓練，做到高精度識別判斷，快速識別其人工檢查以前看不到的問題。

現在矩視智能的解決方案已在多個行業實現落地，包括3C、汽車、醫藥、食品、半導體、物流、機械等。