5月21日—23日，2019騰訊全球數字生態大會在昆明召開。在AI智能製造分論壇上，騰訊優圖實驗室總監戴宇榮發表了《深度學習技術與應用分享》的主題演講，以AI在工業中的實際應用為例，從傳統工業流程存在的痛點、優圖的領先算法、深度學習如何解決工業領域痛點等方面，分享了騰訊優圖的深度學習技術及落地應用。

“在工業領域，深度學習解決方案比傳統機器視覺更具優勢。”據戴宇榮博士介紹，以深度學習技術為基礎，騰訊優圖帶來領先的AI+工業解決方案，為行業降本、增效、提質，已經在PCB板缺陷檢測、鋰電池缺陷檢測、面板缺陷檢測等多個方面得到落地應用，助力傳統工業產業智慧化升級。

（騰訊優圖實驗室總監 戴宇榮博士）

質檢問題長期存在，成困擾傳統工業生產的難點

在傳統工業流程中，人力成本高、危險性大、無意義的勞動過多等難點長期存在，傳統製造企業的轉型升級勢在必行。

從傳統工業的細化流程來看，以電子行業為例，質檢是內控的剛需，然而傳統的質檢模式存在許多侷限性。一方面，人工質檢準確性低，而且檢測速度慢、穩定性差，容易影響整個生產過程的效率；另一方面，人工檢測有延時，當大量作業，產品需要轉運，中轉的倉儲時間，難以第一時間發現產品質量問題；與此同時，質量檢測的人力成本高，招工難，人員離職率高。種種問題對傳統質檢流程提出了挑戰，成為阻礙工業領域實現智能化生產的一大難點。

如何合理應用AI的能力，提升製造業的生產效率，通過創新產生更大的價值，成為整個行業思考的議題。

AI質檢驅動，騰訊優圖解決傳統質檢模式痛點

電子行業的痛點，表面看是人的問題，實際上是系統生產力低下的體現。

針對電子行業質檢的生產力揚升需求，騰訊優圖以深度學習技術為基礎，聯合騰訊雲，為客戶提供針對性的DNN技術解決方案，可以真正幫助電子企業實現質檢的“多快好省”。

（騰訊獨創的DNN技術方案）

“一方面，我們建立了流程自動化的大規模自動產生模型。涵蓋了預處理、分割定位+模板匹配、分類鑒別+相交斷線三大步驟。” 戴宇榮介紹，該模型能有效解決缺陷太小、尺寸、色差、旋轉差異引起的性能下降等問題。另一方面，以AI技術為基礎，騰訊優圖實驗室實現了算法平臺化，加速產品工具開發，讓客戶的工程師可以從0到1，創建出一個全新的模型，完成技術內化。

此外，騰訊優圖通過引入AI質檢，將產品缺陷一一分類，根據缺陷自動查找導致運行不良的原因，從而實時監控並降低產品質量不良修正的間隔時間，驅動了電子企業的良率管理新模式。

戴宇榮指出，“相比傳統算法而言，深度學習解決方案更具優勢。”可以通過深度學習識別和分析復雜無規律缺陷；大數據量學習可以達到高準確率、低誤判率的效果。

以深度學習技術為基礎，騰訊優圖聯合騰訊雲，為電子企業帶來了降低成本、精細檢查、實時監控、提升良率等價值。可解決客戶招工難，熟練不易培養等問題，幫助企業降本增效；將AI+工業應用於智能製造，輔助企業提升產品質量和製造工藝改善，助推產業智能化升級。

面向未來，AI+工業解決方案助推產業智能化升級

目前，騰訊優圖的AI視覺檢測平臺架構，已經在工業質檢領域得到應用，在PCB板缺陷檢測、鋰電池缺陷檢測、面板缺陷檢測等多個落地應用項目。

戴宇榮介紹，“在液晶面板缺陷檢測中，我們建立了可復制型工業AI視覺檢測系統。”採用多模型協同運作方案，識別準確率達90%。輔助 100多道工序質檢，幫助節省50%以上人力成本，顯著提升質檢效果

而在手機背板缺陷檢測中，騰訊優圖則建立了復合深度學習缺陷檢測模型，解決背景簡單重複、缺陷偏小、缺陷與背景差異很小情況下的缺陷的檢出。同時滿足多缺陷同時存在的檢測需求。

在高端復合材料無損檢測中，騰訊優圖縮短了檢測時間，提升了評片可靠性（高於專家判片）、減少了質檢人數、增強了檢測數據可追溯性。

（騰訊優圖視覺AI技術已落地高端復合材料無損檢測）

據悉，在“AI+工業生產檢測”方面，騰訊優圖聯合騰訊雲打造的工業AI解決方案，已經在國內某知名面板企業進行落地應用，在面板智能質檢上建立可復制型工業自動化排查系統。

在演講的最後，戴宇榮表示，騰訊優圖的深度學習技術將為工業行業持續創造價值。未來，騰訊優圖也將不斷迭代升級，注重落地應用，為更多行業客戶提供業界領先的解決方案，助推產業智能化升級。

---------------------------------------------------------

1.本文援引自互聯網，旨在傳遞更多網絡信息，僅代表作者本人觀點，與本網站無關。

2.本文僅供讀者參考，本網站未對該內容進行證實，對其原創性、真實性、完整性、及時性不作任何保證。