AI 质检学习报告——学习篇——AI质检产生背景和发展过程

一、传统质检

1.什么是质检？

百度百科对质检的定义：质检顾名思义就是质量检验。可以详细划分为内部质检与外部质检。

AI质检主要研究的是内部质检。
内部质量检查是指企业内部质检部门为了确保满足交付的工作质量要求，对工作结果抽取样本，进行连续且达置信区间的检查或验证，并对结果进行分析运用。

质检中一些没有技术含量的方面，像微波炉角落里的型号编码、空调背面不显眼的小螺钉、冰箱侧身的标签，它们的质量检测是生产线中最费人工的地方，也是制约智能制造的老大难。

2.质量检验的步骤

1.根据产品技术标准明确检验项目和各个项目质量要求；

2.规定适当的方法和手段，借助一般量具或使用机械、电子仪器设备等测定产品；

3.把测试得到的数据同标准和规定的质量要求相比较；

4.根据比较的结果，判断单个产品或批量产品是否合格；

5.记录所得到的数据，并把判定结果反馈给有关部门，以便促使其改进质量。

3.当前质检模式

当前制造业产品外表检查主要有人工质检和机器视觉质检两种方式，其中人工占90%，机器只占10%，而两者都面临许多挑战。
人工质检成本高、误操作多、生产数据无法有效留存，机器视觉质检虽然不存在这些问题，但受传统特征工程技术限制，模型升级及本地化服务难度较大。

工业检测是现代制造业不可或缺的流程。
过去工厂主要是通过人眼识别的方式对产品进行检测，来发现缺陷。这一方式不仅效率低，准确率也不高。
机器视觉的引入，可以让产品检测准确率和效率获得成百上千倍的提升，然而构建这样一套行之有效的自动化机器视觉系统，需要耗费大量成本和时间去进行定制化开发和验证；
同时，如果系统的通用性不佳，就会让它难以在不同产线上普及使用。

因此，许多传统制造企业都对机器视觉系统的应用持观望态度。

二、AI质检

人工和AI，两种方式达成的效果相似的前提下，比较两者的成本，却相距甚远。
在引入AI质检员之后，无论是时间还是人力成本都有着巨大的下降。
AI质检适用于众多业务场景，包括但不限于LED芯片检测，液晶屏幕检测，光伏EL检测，汽车零件检测等。

AI质检的发展过程

具体案例1——为智能制造增添“眼”和“脑”的能力，英特尔提供端到端人工智能解决方案，助力美的构建工业视觉检测云平台

英特尔提供端到端人工智能解决方案，助力美的构建工业视觉检测云平台
2018年11月6日：
“美的与英特尔的人工智能专家用一套工业视觉检测云平台为智能制造“点睛”——未来，美的生产线上各类产品的检测都将无需人工，视觉AI可以让所有瑕疵无可遁逃！”

品质检测是制造工厂沉重琐碎的工序，也是阻滞其智能化的痛点。
美的库卡机器人视觉团队摸索一年多，发现痛点的根源在机器检测视觉应用环境的非标性——生产线环境复杂、产品多种多样，光亮条件、产品表面性状都不同，几乎每一个项目都需要定制相机、光源、算法。
AI 与大数据技术的结合，可以有效地应对这一问题。

美的工业视觉检测云平台采用了这样的架构：前端图像收集-云端大数据分析-深度学习模式识别，解决视觉检测环境的非标难题。
前端设备收集的图像数据通过4G 或Wi-Fi 传输到云端，通过深度学习框架，经由训练获得非标准化视觉检测特征，最终打造出通用化、智能化的瑕疵检测能力。
而这一过程实现的关键，是英特尔Analytics Zoo 大数据分析+AI 平台。
英特尔AnalyticsZoo是一个统一的大数据+人工智能平台，支持基于Spark的分布式TensorFlow、Keras和BigDL，目的是方便用户开发基于大数据、端到端的深度学习应用。

美的视觉研究所胡正所长说：
“机器人帮助我们解决‘手’和‘脚’ 的问题，而机器视觉则解决‘眼’ 和‘脑’的问题。
优秀的算法和强劲的计算力，是我们工业视觉检测云平台得以发挥价值的重要前提。
英特尔® Analytics Zoo 大数据分析和 AI 平台的引入，为云平台提供了端到端的算法训练和云计算部署能力，而英特尔® 至强® 可扩展处理器则帮助它算得更快、更好。
英特尔软、硬件产品与技术的结合，帮助我们在智能制造之路上迈出了坚实的一步。”

案例分析1——为智能制造增添“眼”和“脑”的能力，英特尔提供端到端人工智能解决方案，助力美的构建工业视觉检测云平台

利用机器视觉进行工业检测是智能制造的重要方向之一，但传统机器视觉方案面临着诸多问题：
一方面，复杂的生产环境带来大量非标准化特征识别需求，导致定制化方案开发周期长、成本高；
另一方面，检测内容多样化也造成参数标定繁琐，工人使用困难；
而且，传统方案往往需要机械部件配合定位，因此占用产线空间大，对工艺流程有影响。

美的库卡机器视觉团队与英特尔一起构建的、全新的、基于 AI 技术的工业视觉检测云平台，如下图所示，它将所有视觉检测终端设备通过网络连接到云端，在云端实现图像大数据的收集，并将这些数据在深度学习框架中予以训练，从而获得通用化特征参数与模型，实现敏捷、高性能的通用化缺陷检测能力。

基于 AI 技术的美的工业视觉检测云平台，主要由前后端两部分组成，其中工业机器人，工业相机以及工控机等设备构成了图像采集前端，部署在工厂产线上；云化部署的英特尔® 架构服务器集群则撑起了该云平台的后端系统。

在前端，如图二所示，执行图像采集的机器人装有两个工业相机， 一个进行远距离拍摄，用于检测有无和定位；另一个进行近距离拍摄，用于 OCR 识别。

以微波炉检测为例，当系统开始工作时，通过机器人与旋转台的联动，先使用远距离相机拍摄微波炉待检测面的全局图像，并检测计算出需要进行 OCR 识别的位置，再驱动近距离相机进行局部拍摄。

相机采集到的不同图像，会首先交由基于英特尔® 酷睿™ 处理器的工控机进行预处理，根据检测需求确定是否需要传输到云端，如果需要，则通过网络传送到后端云服务器上。

在后端云服务器，系统首先会利用英特尔® Analytics Zoo 提供的 SSD（Single Shot Multibox Detector）模型对预处理过的图像进行识别，提取出需要进行检测的标的物，例如螺钉、铭牌标贴或型号等等。

在数据采集及预处理优化阶段，Analytics Zoo 帮助云平台执行高效的分布式数据预处理和代码优化，使之能够在 50 毫秒内就完成对图片的读取和处理；

在海量数据管理阶段，其帮助云平台高效地执行数据存储、分类以及更新；

在分布式模型训练阶段，Analytics Zoo 一方面协助云平台构建检测模型，另一方面，其自带的TF优化器能够迅速启动分布式训练过程；

而在模型重定义阶段，Analytics Zoo 不仅可以执行参数调整，并可加速模型推理速度，相关测试数据表明，基于英特尔® 架构平台，云平台的模型推理时间已从 2 秒缩短到 124 毫秒4；

Awwnalytics Zoo 还对命令行模式与 Web Service 模式提供了良好支持，这使得云平台可与美的其他应用系统实现平滑的对接。

而后，英特尔® Analytics Zoo 提供的 AI 能力，将帮助云平台进行海量数据管理、分布式模型训练、模型重定义、模型推理等一系列 AI 处理流程。

通过英特尔® Analytics Zoo 中集成的 TensoFlow*、BigDL* 等深度学习开发框架，系统可以通过不断地迭代分布式训练，提升对检测物的识别率。

将深度学习的方法引入工业检测，不仅可以让工业视觉检测云平台快速、敏捷、自动地识别出待测产品的诸多缺陷，例如螺钉漏装、铭牌漏贴、LOGO 丝印缺陷等问题。

更重要的是，该云平台能够对非标准变化因素有良好的适应性，即便检测内容和环境发生变化，云平台也能很快地予以适应，省去了冗长的新特征识别、验证时间。同时，这一方案也能有效地提高检测的鲁棒性，令识别率高达 99.8%1，克服了传统视觉检测过于依赖图像质量的问题。

来自美的微波炉视觉检测项目的数据统计表明：新的、基于 AI 的工业视觉检测云平台方案部署后，使得项目部署周期缩短了 57%，物料成本减少 30%，人工成本减少 70%2，这对传统制造业而言，无疑是一项意义深远的生产工艺革新。

具体案例2——AI助力智能质检，客户服务体验全面升级

客服是企业内外沟通的桥梁，对外，向客户传达企业的产品、服务、信誉；对内，向企业反馈客户需求、产品质量、满意度等问题，客服在企业的运营发展中起着至关重要的作用。

客服质检通过对坐席员的录音进行分析、跟踪，可以发现问题，并制定相应的改善计划，以提升服务水平。

传统语音质检的弊端

当企业快速发展，呼叫中心业务量连连攀升，传统质检耗时长、效率低、成本高、精准度差、评判主观性强，难以适应企业迅速成长的脚步。

抽样比覆盖不足：

质检员随机抽取，无法覆盖全部录音，漏检率高，也不能精准定位存在问题的录音。
企业的语音及文本数据质检，目前仍更多采用人工抽检的方式，且平均覆盖率仅为0.5%~2%之间，完全无法达到统计学要求的抽检样本量要求。

质检标准存在差异：

质检人员的认知水平、判断力及主观意识的不同，导致了质检标准难以达到公平公正。

质检结果难以归类：

现有的质检结果信息较单一，无法做分类汇总或者做类别交叉分析，也无法进行最根本原因分析。
而未能被抽检到的录音中却包含着更为巨大的商业机会或者风险，主要由于没有合适的工具来进行非结构化数据分析，最终导致巨大投入所取得的回报甚微。

智能质检解决方案

智能质检解决方案是荣之联为企业客户提供的一套针对于语音全量质量保证的解决方案。
通过自动语言识别（ASR）、自然语言处理（NLP）等技术，加之自由化质检模型创建，实现对于语音录音的监测、评价及控制。
该解决方案不仅可以广泛应用于呼叫中心的质量检测，还可以应用到日常办公电话、银行柜台服务、探监通话等专有领域。

通过数据采集（转化+整合）及分析，最终实现对语音的智能质检，包括自动评分、自动标签分类、关键词/敏感信息告警、趋势统计分析、质检任务管理等。

荣之联智能质检解决方案运用智能技术实现全量质量监控，将质检结果进行自动分类管理，提高检索效率；自定义评分表，可以创建不同的质检标准；完善的报表功能可对总体情况进行概括总结。

链接

为智能制造增添“眼”和“脑”的能力
https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/midea-case-study.html?wapkw=movidius
AI助力智能质检，客户服务体验全面升级
https://baijiahao.baidu.com/s?id=1616981879446446631&wfr=spider&for=pc
有了人工智能加持，客户服务质检将是什么样？
https://www.csdn.net/article/a/2017-08-21/15931079