為解決人工檢測痛點 Intel將AI視覺技術應用於工廠生產製造

人工智慧之所以成為關注焦點，是因為它可以解決生活中的各類難題，除了用於語音識別、智慧家居、搜尋引擎等領域，甚至是代替工人操作，解決工廠生產製造環節的質檢痛點，究竟AI視覺感知技術如何應用於工業場景？近日舉辦的一場媒體活動上，Intel與上海深視科技一同給出了答案。

眾所周知，工廠在實際產品生產過程中並不完美，比如：部分產品標籤可能忘貼，或是表面存在劃痕、凹坑。而電子產品存在這類問題就會出現很大的事故，尤其是手機電池方面，為了確保實際使用時的安全，往往生產線需要耗費上千人力進行人工目視檢查。

在工廠實際運用中，人工檢查不僅成本高昂，並且受工人熟練度影響，導致檢測準確性及效率差異較大。正是因為存在此類痛點，部分企業才引入了機器視覺檢測。但是，過去受限於技術，機器視覺判斷能力不及人工目視，在複雜環境中無法徹底取代人工檢測。

上海深視科技則是基於Intel的硬體平臺，以及視覺解決方案工具包OpenVINO，推出了AI學習平臺Deep Inspect。它可以透過深度學習應用於多個行業，包括3C、光學薄膜行業、PCB製造、輪胎製造等等。

以輪胎製造中的打點檢測為例，在進行視覺影像感知時，這一場景會涉檢測系統的定位能力、影像分割以及分類能力。雖然實現過程並不困難，不過應用時，會受限於實際環境。

在上海深視科技的米其林專案中，由於對方的生產線已經完成設計，大部分都是很黑、很暗的傳送帶，輪胎本身又是黑色橡膠材質，即使打光也很難照亮，此時傳統光學檢測就很難進行準確區分，需要運用到基於AI的機器深度學習。得益於搭載Intel CPU的工控機和OpenVINO，不僅成功滿足專案需要，同時在沒有額外GPU的情況下，僅做了很少的工作，就取得了10倍以上的效能提升。

人工智慧對資料量要求非常大，對資料處理要求也非常高，而Intel提供的視覺解決方案工具包OpenVINO，可以更好的將人工智慧和異構邊緣計算結合並將方案實際落地。

OpenVINO能加快高效能運算機視覺和深度學習應用的開發速度，並支援在各類Intel平臺的硬體加速器上進行深度學習，允許異構執行，具備很強的視覺推理優勢。簡單來說，該工具具備4項優點：提高效能、整合深度學習、加速開發、創新和定製。

至於OpenVINO在實際應用時可能遇到的一些問題，我們熱點科技採訪了上海深視科技創始人兼CEO李揚及Intel的技術專家。

提問1： 基於Intel硬體和OpenVINO的系統，在實際應用時成本如何？

回答： 工廠非常注重成本，需要計算ROI（投資回報率），民營企業、外企和國企計算方式不太一樣。他們往往會這麼計算，取代人工的裝置一般是三年的投資回報率，裝置要三年回本。對於每個行業的頭部客戶來說，他們更願意使用新技術，因為產品品質對他們非常重要。這類企業考慮到人工本身有一些不可抗性，其中主觀性會對他們的產品會帶來一些問題，對於大量的檢查，有時他們不完全相信人工，希望機器可以有更好的客觀統計性。

提問2： 這一套系統安裝到工廠之後，對網路環境要求高嗎？

回答： 網路確實是一個很大的問題，工廠通常來說網路環境都不是很好。OpenVINO是一個終端推理的加速引擎，準確率可以進一步提高，但是往往需要伺服器支撐，我們在工廠部署無法採用公有云的伺服器，只能在終端安排一個工控器，工控器之中我們會去平衡，我們儘量使用加速器可以讓它在有限的環境下執行。

提問3： OpenVINO本身是一個高度整合的工具包，包括視覺加速、深度學習、創新定製等，深視科技在OpenVINO工具基礎上做了哪些定製和開發？

回答： 整個軟體的演算法架構分了很多多層，OpenVINO對我們來說是底層SDK，上層會有類似於深度學習的通用框架，比如TensorFlow。再上層是我們定製化模型，模型之上才是應用層。我們自己的學習框架本身也支援異構運算，支援GPU和CPU，也支援不同的加速卡，它與英偉達GPU的使用是同等級別的。

我們和Intel有明確分工，基本不需要調整OpenVINO底層，他們負責更底層，讓我們這些公司做出來的模型和框架可以更好的在Intel的硬體上執行。此外，OpenVINO本身就對加法卷積的工作做了最佳化，可以讓CPU的效能發揮到最好、最優。

提問4： 如果5G可以開始初步實現，對工廠的意義有多大，能從您的系統角度聊一下嗎？

回答： 我不是5G方面的專家，不過我們已經和部分擁有5G試點的客戶在作相關合作。5G本身帶來了三個優勢，一方面是速度更快；二是延時更低，是毫秒級的；三是有非常高的併發。4G在幾千人的小區裡，網路就會擁堵，但是5G不會，因為他們不是一個數量級的。對這方面需求最高正是工廠生產，工廠中會有很多聯網的裝置，針對資料量最大影片和影像方面，我們現在已經在做相關工作了，會把每個相機的終端做的非常輕，會把所有的資料直接傳到本地的伺服器裡處理。

總結

對於工廠實際生產而言，基於Intel硬體和OpenVINO的視覺感知檢測方案無疑是很好的選擇之一。Intel不僅提供了高效能的硬體，而且透過OpenVINO還能把硬體和軟體相結合，可廣泛覆蓋應用場景，並且適用於工業應用場景的需求。除此之外，在Intel和眾多科技企業的努力下，還能推動AI技術在各行各業的普及，基於深度學習的人工智甚至能更好、更快的推動資料的智慧化，讓更多人可以感受到AI的強大之處。