万万没想到，品控救星是长了“眼睛”的机器

质量，是企业的核心竞争力。很多企业面临着质量控制价格高，占销售收入的15-20%，高成本投入的情况下，缺陷率也居高不下，甚至可以达到50%。

这是因为，很多制造行业的机器一开就无法停歇，为保证生产效率不受影响，就需要将生产与实时在线检测紧密的结合起来。这样一来，企业将需要大量的在线检测人员，人工质量检测人员需要7*24小时不间断盯着产品表面，从而完成生产检测。

人工检测不可避免地会受到很多环境因素、人为因素的干扰， 无论人的责任心有多强，注意力有多集中，他都有可能会疲劳、疏忽、走神、情绪化……从而造成瑕疵品流向市场。

如何才能根本上显示质量问题？

如何解决生产中质量的可追溯性？

如何长久稳定地把握产品质量？

在生产力提高的同时，质量检测稳定成为每个行业的难题。

万物互联与人工智能时代，机器视觉为质量检测提供了一种新的可能。

什么是机器视觉？

机器视觉，简单来说就是以机器替代人眼，形成视觉能力，实现引导、定位、测量、检测、识别等功能。

从技术角度来讲，机器视觉被认为是人工智能的分支，需要通过人工智能算法将图像信号进行处理和分析，深度学习构建神经网络对海量的图像数据进行学习，能够实现对待测物体的精确分析。

将机器视觉用于缺陷检测，可以使其准确性和生产力远超人类水平，增强质量控制。

更低的成本、更高的检出率

人力成本逐年提升，尤其是有经验、技术水平的检验人员待遇更高，同时检验人员还有局限性，因为他们需要稳定的工作时间，休息时间，但基于机器视觉的质量检测系统可以全天24小时工作。

而且由于基于AOI的解决方案是无偏见的，可以根据预编程算法对零件进行评估，因此无需进行耗时耗成本的双重检查。

在检出率方面，人力检测受客观主观因素的影响，检出率不稳定。而机器视觉加上深度学习技术，提供大量捕捉各种缺陷类型的图像，训练系统来区分可接受和不可接受的质量，机器就可以“学习”产品尺寸、螺栓孔及其位置和形状等细微差别，消除人类感知的缺陷。

相比人工，检出率更高，帮助企业在生产过程的早期发现错误，在每个阶段避免手动生产瓶颈。

除了识别已知的缺陷之外，人工智能还可以根据先前的输入发现以前从未见过和不可预测的缺陷。

提高生产效率和自动化程度

机器视觉技术的特点是提高生产的柔性和自动化程度，针对不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，可以用机器视觉来替代人工视觉。

同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

检验软件将能够收集有关质量控制的统计信息，管理者可以在系统中通过查看故障图片了解缺陷具体情况，进行有针对性的改进，也可以在有需要时进行质量精准追溯。

识别不明显的缺陷

针对一些特殊行业，如航空航天、汽车或医疗，基于计算机视觉的检测超出了光谱可见部分的范围，并且在紫外、x射线和红外线下发挥作用。为了满足相对苛刻要求和安全规定，需要比人眼高得多的光学分辨率。

尽管目前人类在区分异常方面仍然优于机器，但深度学习技术提高了标准。也就是说，基于深度学习的解决方案可以识别一些肉眼难以检测出的缺陷，如裂纹，斑块，夹杂物和划痕等。在机器学习分析的支持下，系统可以在几天内适应新的可视数据集和场景。

只要在深入学习模型上投入足够的精力，就有可能够获得意想不到的结果，例如发现一个从未发现的缺陷类型，再如将检测成本降低60%。