AI“質檢員”進車間 讓瑕疵無所遁形

人工智能賦能工業製造

華豐科技生產的連接器在進行AI質檢。

阿加犀研發的智能工業相機。

流水線上，僅幾釐米長的連接器依次通過15個工位後，2000萬像素的工業相機陣列早已準備就緒，從不同角度拍下20多張高清產品細節照片，再傳輸到人工智能“大腦”進行分析，後台大屏即刻顯示出產品質量結果。

6月11日，華西都市報、封面新聞記者在位於綿陽的四川華豐科技股份有限公司（以下簡稱華豐科技）連接器生產車間看到，AI“質檢員”正大顯身手，提升著檢測精準率。

這是傳統製造業進入精細化時代的縮影，AI工業質檢則是守護產品質量的關鍵環節，新質生產力助力工業高質量發展已有跡可循。

近日，尋新記報導組對成都阿加犀智能科技有限公司（以下簡稱阿加犀）、成都數之聯科技股份有限公司（以下簡稱數之聯）等人工智能企業進行了調研，這些企業在AI工業質檢領域不斷打破國外壟斷，實現自主創新，力圖破解通用性低、成本較高等諸多難題。

製造工廠升級煥新 AI質檢讓瑕疵無所遁形

連接器是電子系統設備之間電流、光信號等傳輸與交換的電子部件，不僅常出現在航空航天領域中，在70兆帕的深海、80千伏的高壓等多種特殊環境中都有運用，因此對生產質量要求極高，產品質檢至關重要。

“華豐科技生產的連接器是多面體形狀，以往需要工人使用20倍顯微鏡，挨個翻來覆去檢查產品是否存在缺陷。但並不是所有的缺陷都能通過顯微鏡分辨出來，並且檢測結果也很容易受到人為情緒影響。”長虹AI實驗室高級研究員劉明華說，傳統的機器視覺技術雖能代替人工檢測，提升一定的檢測效率，但也存在識別能力單一等問題。

如今，AI工業質檢逐漸取代了傳統檢測方式，人工智能深度學習則是解決難題的“有力武器”。長虹AI實驗室通過自研AI視覺檢測技術，研製出“5G+ AI”視覺檢測設備，檢測精度低於0.02毫米。2022年，該檢測系統上線，不僅成功提高了控股子公司華豐科技連接器的檢測效率，也在冰箱壓縮機等製造領域成功應用。

一家傳統家電製造企業，為何將AI質檢作為重點攻克方向？長虹AI實驗室首席科學家展華益介紹，研究人員通過大量調研發現，AI質檢已是製造工廠普遍且迫切的需求。“特別是我們的客戶已開始提出，為了確保產品質量可靠性必須使用AI質檢，這一定也是未來的發展趨勢。”

今年3月7日，中國人工智能學會發佈2023年度吳文俊人工智能科學技術獎授獎公告，全國70項成果獲獎。由四川長虹電子控股集團有限公司提名的“多面異構體表面缺陷智能檢測關鍵技術及產業化應用”上榜，成為唯一一項由四川企業提名和完成的獲獎成果。

人工智能企業入局 推動工業質檢降本增效

AI大模型熱度空前，技術迭代週期越來越短，深度學習蓬勃發展，一定程度上促進了新型工業化的“智改數轉”。以長虹為代表的製造企業正在嚐試探索，但大多數製造企業想要部署一套完整可行的工業質檢方案並非易事。

從另一個層面上來看，視覺檢測設備搭載AI算法迭代升級的機會已到來。

在阿加犀的展廳內，應用於不同行業的人工智能產品琳瑯滿目，“火眼金睛”高效識別產品瑕疵的工業AI質檢相機則是其中代表性的產品。該產品是阿加犀打造的全球首款搭載高通平台的智能工業相機，今年7月，該相機的量產流水線就將運作起來。

人工智能賽道眾多，做技術出身的阿加犀CEO孫曉剛選擇成為“中間商”，服務產業上遊和下遊企業。“我們把算力、芯片、鏡頭做到一體化，集成到小型終端設備，原來需要數萬元的工業相機，現在成本降低到幾千元。”他說，目前這款相機已初步在10多家上市公司的生產線上使用。

工業場景複雜多變，不僅面臨轉產換產的麻煩，同時還有許多定製化需求。孫曉剛稱，通過不斷訓練大模型適應柔性化生產，既能解決AI工業檢測設備貴的問題，又能解決換產難題。

同樣在成都，另一家專注工業質檢的企業數之聯則在這一領域深耕了十餘年。該公司推出的AI Camera是一款軟硬一體的視覺檢測分類產品，能實現在產線的在製、成品等產品的外觀表面的毫秒級實時拍出、精確檢測一體化，準確率達到99%以上。

研發通用平台 是AI工業質檢的發展方向之一

在製造業“智改數轉”進程中，隨著工藝生產的進步，傳統視覺檢測已不足以應對行業日新月異的檢測要求。

據國際數據公司IDC測算，中國工業質檢市場規模至2025年將快速增長至62億元，2020年至2025年復合增長率達28.5%。曾幾何時，工業質檢這道命門長期掌握在外國廠商手中，海外企業服務價格高等問題讓許多中國企業望而卻步。

作為新興垂直賽道，一眾老牌廠商追趕而上，並佔據了大部分市場。人工智能發展進入新階段後，該領域不僅吸引了互聯網頭部企業入局，也有AI創新企業的深耕，更多有實力的製造業企業也在改造升級中突破發展。

但業內普遍認為，國內工廠的AI檢測設備使用率較低，AI質檢設備還不夠智能。當大模型的風颳到質檢領域，深度學習讓AI質檢的穩定性和準確率得到了質的提升，在行業瓶頸真正被解決前，相關技術的競爭仍在持續。

“長虹在全國擁有幾十家工廠，為什麼AI質檢系統推進並不快？”面對這樣的問題，展華益表示，要將檢測系統落地到一個新工廠，面對複雜工業場景和許多定製化開發需求，需要從零開始採集數據、訓練模型，這是目前的一大挑戰。因此他認為，研發相對通用的平台，是AI工業質檢的未來發展方向之一。

在劉明華看來，為什麼用AI質檢的製造工廠不多，其背後還與工廠的投入產出比有關。“如果工廠生產加入柔性機器人等助力，使設備成本進一步降低，那麼工廠使用AI質檢的意願就會越來越高。”他說。

也正如孫曉剛所說，智能製造必將逐步滲透到中低端製造業中，AI不僅要在高端製造業中用得好，也要讓中低端製造業用得起。

實際上，並不是所有製造企業都有自主研發能力，更多的是需要技術供應商和行業用戶的協同發展。IDC中國高級分析師程蔭認為，技術供應商和行業用戶需要通力合作，一方面通過不斷的測試與迭代，幫助大模型、生成式AI更好地落地；另一方面，技術供應商和行業用戶也不應放棄針對特定場景開發特定的模型，持續提升具體場景的應用效果。

華西都市報-封面新聞記者朱珠受訪者供圖