AI赋能工业质检 传统制造工厂加速“智改数转”｜寻新记⑲

流水线上仅有几厘米长的连接器依次通过15个工位后，2000万像素的工业相机阵列已准备就绪，从不同角度“咔嚓”拍下20多张高清产品细节照片，再传输到人工智能“大脑”进行分析，后台大屏即刻显示出产品质量结果。6月11日，当记者走进位于绵阳的四川华丰科技股份有限公司时，在连接器生产车间，看到的不再是人工的反复操作，而是AI“质检员”正大显身手，提升着检测精准率。

这是传统制造业进入精细化时代的缩影，AI工业质检则是守护产品质量这一生命线的关键环节，新质生产力助力工业高质量发展已有迹可循。

随着AI大模型在图像和音视频处理上获得更大突破，不仅是制造工厂的改造焕新。近日，寻新记报道组在阿加犀、数之联等扎根成都的人工智能企业调研中发现，AI工业质检赛道企业一路升级迭代，不断打破国外垄断，实现自主创新，正力图破解通用性低、成本较高等诸多难题。

制造工厂升级焕新

自主研发AI“质检员”走进车间

连接器是电子系统设备之间电流或光信号等传输与交换的电子部件，不仅常出现在航空航天领域中，在70兆帕的深海、80千伏的高压等多种特殊环境中都有运用，因此对其生产质量要求极高，产品质检至关重要。

“华丰生产的连接器是多面体的形状，以往工人要使用20倍显微镜，挨个翻来覆去，才能检查产品是否存在缺陷。但事实上，不是所有缺陷都能通过显微镜分辨出来，并且检测结果也很容易受到人为情绪影响。”长虹AI实验室高级研究员刘明华告诉记者，传统的机器视觉技术虽能代替人工检测，提升一定的检测效率，但也存在识别能力单一等问题。

四川华丰科技股份有限公司的连接器正在使用Ai质检

如今，AI工业质检逐渐取代了传统的检测方式，人工智能深度学习则是解决难题的“有力武器”。长虹AI实验室通过自研AI视觉检测技术，研制5G+AI视觉检测设备，检测精度低于0.02毫米，2022年该套Ai检测系统上线后，不仅成功提高了控股子公司华丰连接器的检测效率，也在冰箱压缩机等制造领域成功应用。

一家传统家电制造企业，为何将AI质检作为重点攻克方向？长虹AI实验室首席科学家展华益介绍，研究人员通过大量调研发现，AI质检已是制造工厂普遍并迫切的需求，“特别是我们的客户已经开始提出，为了确保产品质量可靠性必须使用AI质检的要求，这一定也是未来的发展趋势。”

今年3月7日，中国人工智能学会发布2023年度吴文俊人工智能科学技术奖授奖公告，全国70项成果获奖。这一 “多面异构体表面缺陷智能检测关键技术及产业化应用”上榜，成为唯一一项由四川企业提名和完成的成果。

人工智能企业入局

推动工业质检实现降本增效

AI大模型热度空前，技术迭代周期越来越短，深度学习蓬勃发展，一定程度上促进了新型工业化的“智改数转”。以长虹为代表的制造企业正在尝试探索，更多的制造企业想要部署一套完整可行的工业质检方案并非易事。

从另一层面上讲，视觉检测设备搭载AI算法迭代升级的机会已经到来。

在成都阿加犀智能科技有限公司的展厅内，应用于不同行业的人工智能产品琳琅满目，“火眼金睛”高效识别产品瑕疵的工业AI质检相机则是其中较重磅的产品。据悉，这是公司打造的全球首款搭载高通平台的智能工业相机，今年7月，相机量产的流水线就即将跑起来。

阿加犀研发的智能工业相机

人工智能赛道众多，技术出身的阿加犀CEO孙晓刚选择了作为一名“中间商”，服务产业上游和下游企业。“我们把算力、芯片、镜头做到一体化，集成到小型终端设备，原来需要数万元的工业相机，现在成本降低到几千块钱。”目前，这款相机已经初步在10多家上市公司的生产线上使用。

工业场景复杂多变，不仅面临转产换产的麻烦，同时还有许多定制化需求。孙晓刚称，通过不断训练大模型适应柔性化生产，既能解决Ai工业检测设备贵的问题，也解决了换产的难题。

同样在成都，另一家专注工业质检的数之联则在这一领域深耕了十余年。据悉，该公司推出的AI Camera是软硬一体的视觉检测分类产品，能实现在产线的在制、成品等状态的外观表面的毫秒级实时拍出、精确检测一体化，准确率达到99%以上。

如何将算法和场景有效结合？

打造通用型AI质检平台成为关键

在制造业“智改数转”进程中，随着工艺生产的进步，传统视觉检测已经不足以应对行业日新月异的检测要求。

据IDC测算，中国工业质检市场规模至2025年将快速增长至62亿元，2020—2025年复合增长率达28.5%。曾几何时，工业质检这道命门长期掌握在外国厂商手中，海外企业服务价格高等让许多中国企业望而却步。

作为新兴垂直赛道，一众老牌厂商追赶而上占据了大部分市场。人工智能发展进入新阶段后，该领域不仅吸引了互联网头部企业入局，也有Ai创新企业的深耕，更多有实力的制造业也在改造升级中突破发展。

长虹自研AI视觉检测系统

但业内普遍认为，国内工厂的AI检测设备占比依然较低，国内AI质检还不够智能。当大模型的风刮到质检领域，深度学习让AI质检的稳定性和准确率得到了质的提升，在行业瓶颈在真正被解决前，相关技术的竞争仍在持续。

“长虹在全国拥有几十家工厂，为什么AI质检系统推进并不快？”面对这样的问题，展华益提到，因为要将检测系统落地到一个新的工厂，面对复杂工业场景和许多定制化开发需求，需要从0开始采集数据、训练模型，这是目前的一大挑战。因此他认为，研发相对通用的平台，是AI工业质检的未来发展方向之一。

在刘明华看来，为什么用到AI质检的制造工厂并不多，这背后实际上还牵扯到工厂的投入产出比。“不久的将来，工厂生产如果加入柔性机器人等助力，设备成本进一步降低后，工厂使用Ai质检的意愿就会越来越高。”也正如孙晓刚所说，智能制造必将逐步渗透到中低端制造业中，AI不仅要在高端制造业中用得好，也要让中低端制造业用得起。

实际上，并不是所有制造企业都有自主研发能力，更多的是需要技术供应商和行业用户的协同发展。IDC中国高级分析师程荫认为，技术供应商和行业用户需要通力合作，一方面通过不断的测试与迭代，帮助大模型、生成式AI更好地落地；另一方面，技术供应商和行业用户也不应放弃针对特定场景开发特定的模型，持续提升具体场景的应用效果。