据前瞻产业研究院统计数据显示，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。若按照工人的薪资计算，人工质检可以被形容为一个千亿级的市场。

但人工检测存在诸多不可控的主观因素，因此随着人力成本的提升，越来越多的工厂开始使用机器视觉技术来代替人工进行产品质检。

然而值得注意的是，“由于目前机器还无法赶超人眼的目视能力，导致在质检市场当中，机器视觉覆盖率不到5%，但随着人工智能技术的快速发展以及中国对先进制造的重视，给我们这种初创公司带来了机会。”深视科技首席执行官李扬如是说。

那么如何把AI能力应用到工业领域来实现智能质检呢?

训练算法模型

作为一家主攻工业缺陷质检的深视科技，李扬在谈及基于AI的机器视觉检测时表示：“深视科技将产品的缺陷通过图像抓取出来，然后将对图像数据的标注录入系统，使检测平台Deep Inspect利用数据信息训练算法模型，通过边采集数据边更新模型的方式，在模型达到一定的准确精度后，再安装到产线上取代人工质检的工作。”

同时，李扬补充：“基于深度学习的检测软件平台Deep Inspect包括了我们在生产线遇到的定位、分割及分类在内的所有缺陷检测基础的技术模块。”

但是建立出较为精准的模型后，工厂离线的设备才是体现机器深度学习的成果。而机器深度学习需要海量的数据以及较高要求的计算能力，这些Deep Inspect又是如何做到的呢？

借英特尔实现“质”的提升

据李扬介绍，该平台采用了英特尔的OpenVINO™。在工作量极大减少的同时，性能还得以10倍以上的“质“的提升。

英特尔技术专家李勇表示，OpenVINO™是一个开放的视觉推理和神经网络加速工具包。它可以加快高性能计算机视觉和深度学习视觉应用的开发速度，支持在各种英特尔平台的硬件加速器上进行深度学习，并允许异构计算的执行。

李勇指出，提高性能、整合深度学习和加速开发都是OpenVINO™的优势。此外，这一视觉解决方案工具包也允许用户区定制和开发自己的深度学习或是传统OpenCV的基础库，客户还可添加独有代码。

对于英特尔把硬件和软件结合起来的互为补充，李勇也表示，这使得用户的最终产品可以获得更低的功耗、更低的成本和灵活的开发设计。基于深度学习的人工智能可以更好更快的推动数据的智能化。

领域范围小但却是兴奋的挑战

尽管在整个工业机器视觉领域，全球的覆盖率还不到5%。但李扬认为：“这个行业仍然存在很多还没有被解决的问题，这对我们来说更多是机会，让人很兴奋的机会。”

相较传统视觉技术对不规则缺陷的识别能力的不足，人工智能预测准确率将随着数据量的提升而持续优化，以实现生产质量数据的全面掌控，为流程优化和工艺再造提供关键数据支持，可以说人工智能工业质检解决方案将全面赋能工业。

谈及未来规划，李扬则说：“未来一年我们希望这些垂直行业里可以真正把量跑出来。以便有能力服务跨国集团大批量的需求。”（校对/Aki）