「AI 质检员」在富士通上岗，效率比人工高 25%
日本第一 IT 厂商富士通，于近日宣布开发了用于检测产品外观异常的 AI 技术，从而节省人力成本、材料成本等，同时也可节省声誉损失和退货/召回相关的成本，「无人工厂」已来。
来源 | Hyper超神经
责编 | 寇雪芹
头图 | 下载于视觉中国
去年 11 月，苹果开始在全球范围内的召回 AirPods Pro，原因是：在 2020 年 10 月之前出厂的 AirPods Pro，可能会出现发出爆裂声或静电噪音，并在嘈杂环境中、运动时或通话时增大等状况。
不想这件事情过去才刚刚一个月，在 2020 年 12 月，苹果又发起新一轮召回计划，针对的是之前 iPhone 11 屏幕触控失灵问题。
此次召回再次遭到消费者的吐槽:「品控真的差成这样了吗？」
一次次的缺陷产品召回，不仅对苹果的声誉造成损失，也让其在一定程度上失去了消费者的信任。
因此，除了产品性能指标外，品控对于企业来说也至关重要。
随着人们消费水平的提高，对于电子产品的需求增多，工厂的出货压力也随之增加。而品控环节基本都是依赖人工检测，在高强度工作之下，质检员可能因为视觉疲劳、精神不集中等出现更多错检、漏检情况。
如何在保证检测效率的情况下，提高产品良率？富士通决定用 AI 技术来解决。
富士通求变，用 AI 代替人工质检员
作为亚洲最大、世界第五的 ICT 供应商，富士通的产品涵盖计算机、半导体、中间件等，在日本、中国、美国等多个国家设有众多工厂。
在全球都制造业都在推动智能制造的趋势下，这家成立 86 年的企业，也正在利用人工智能等前沿技术，提升产线的生产效率。
富士通大约在 10 年前，开始推动智能制造进程
近日，富士通实验室宣布，公司已经成功开发了一种用于图像检查的 AI 技术，该技术可以高度精确地检测制成品上的各种外部异常，包括划痕和生产错误的等。同时，该技术也大大减少了产品的质检人力与时间成本。
机器视觉给产品「挑刺」，又快又准
长期以来，产品质量检测都是依赖人工肉眼检测，这样的方式，不仅效率低，而且很容易因人为因素，造成漏检、错检、标准不统一等问题。
为此，富士通决定用机器视觉代替人类肉眼，来检测成品的外部异常。「AI 质检员」可根据产品的近似形状、详细结构和质地等特征，确定产品是否有缺陷。
富士通提出的方法（上）与此前常规方法对比，前者检测图像更清晰，检测结果也更准确
在不同类型的测试中，「AI 质检员」也能够把握检测重点，精准分析产品异常。比如，在形状变形测试中，它会理解，近似形状的判断是最重要的；而在条件或图案测试中，「AI 质检员」就会认为，纹理的检测是最重要的。
此外，即使产品看起来正常，但如果涂层、颜色和接线形状等元素存在个体差异，AI 也会针对每个项目检查这些特性，并在检查的同时，判断出个体差异或异常是否在可接受的范围内。
据介绍，训练 AI 来执行质量控制任务的挑战在于，此前通常使用个体特征的加权和累加指数来训练模型，如此一来，要创建一个能够掌握所有检查特征的模型，可能会比较困难。
对此，富士通已经开发出一种新的 AI 模型训练方法，让 AI 能够基于 5000 多种人工物体的图像库，生成各种形状、大小和颜色的材料，并在其中随机添加异常，然后用这些带有异常的图片训练模型。
AI 给正常图片添加异常，并对模型进行训练的过程示意图
在训练过程中，富士通研究人员将正常图像与 AI 还原后的图像进行比较，评估每种功能的训练程度，例如近似形状、详细结构和纹理，并控制要添加的异常的大小、颜色和数量，以便 AI 优先学习未捕获的特征。之后，通过对 AI 还原的图像进行评估，对其薄弱方面进行加强训练。
简而言之，这一过程相当于，AI 自己创造异常，再交给自己进行检测，并将图像恢复至正常状态，从而在不断的自我博弈中，精进技艺。
富士通在其日本长野工厂的检验过程中，验证了该技术的有效性。当其 AI 应用于外观正常的产品时，AUC 得分超过 98％，而且，该技术将印刷电路板的检验工时减少了 25％。
富士通表示，未来公司将进一步开发相关技术，应用于其 COLMINA 数字解决方案，实现企业的数字化转型。
从传统到智能，机器视觉立大功
在工业 4.0 时代，人工智能技术正在快速渗透工业领域的各个场景，改变我们的生产方式。其中，机器视觉可以说是工业自动化的「眼睛」，产品位置辨识、检测、设备操作定位等，几乎都离不开机器视觉技术。
在工厂质量控制体系中，尤其是汽车零部件、3C 产品、芯片等行业，产品质量监控和缺陷管理是非常重要的一个环节，极大影响着产品的质量和产出速度。此外，这方面的人力成本也占据了整个生产成本的较大比例。
以电子制造行业为例，我国相关生产线上
与视觉检测有关的人工成本，每年达到约 60 亿元
而机器视觉技术的进步，极大地促进了这一环节的自动化，也大幅度减少了漏检误检等情况。
利用机器学习算法，经过过少量图像样本训练，AI 就可以在精密产品上，以远超人类视觉的分辨率，发现微小缺陷，提升产品良品率。
相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速度等方面存在显著优势。
使用基于深度学习的算法，在 PCB 上进行零件定位和分段
近年来，国内外多家企业已经陆续将机器视觉技术引入生产环节。今年年初，亚马逊就宣布上线机器学习服务 Lookout for Vision，使用机器视觉技术，为工业和制造业客户提供产品缺陷及异常检测服务。
据公开数据显示，2018 年，全球用于工业自动化领域的机器视觉技术市场规模达 44.4 亿美元（约合人民币 290 亿元），预计 2023 年将达 122.9 亿美元（约合人民币 804 亿元），年复合增长率高达 21%，市场需求巨大。
随着相关技术的不断成熟，以及智能制造政策的不断驱动，机器视觉技术的应用场景也必然将越来越广泛，这一赛道的竞争也将相当激烈。
参考链接：
https://www.fujitsu.com/global/about/resources/news/press-releases/2021/0329-01.html
更多精彩推荐
☞谈“云”色变？近80％企业曾遭受数据泄露☞换脸火了，我用 python 快速入门生成模型☞大佬新番：吴恩达送出深度学习新手大礼包☞提气！清华成立集成电路学院，专研“卡脖子”技术点分享点收藏点点赞点在看
相关文章：
asp在线压缩和解压缩文件（文件夹）
asp在线压缩和解压缩文件（文件夹） <%\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\ 1. c:\windows\system32\cmd.exe\\ 拷贝把本文件所在的路径\\\\ 2. 把 c:\program\winrar\rar.exe\\ 拷贝把本文件所在的路径 并改名为WinRAR.e…
SpringMVC + Hibernate-Validator 参数校验
2019独角兽企业重金招聘Python工程师标准>>> 前言： Web开发中，最为常见的场景就是前端表单数据、Json数据与后端实体类的绑定，即使JS能校验并阻止大部分的必填漏填的风险，但并不能防止恶意破坏者修改脚本。因此后端参数…
深入浅出，机器学习该怎么入门？
来源 | 算法进阶责编 | 寇雪芹头图 | 下载于视觉中国前言：机器学习作为人工智能领域的核心组成，是计算机程序学习数据经验以优化自身算法，并产生相应的“智能化的”建议与决策的过程。一个经典的机器学习的定义是：A computer prog…
防止SQL注入式攻击
1将sql中使用的一些特殊符号，如 -- /* ; %等用Replace()过滤；2限制文本框输入字符的长度；3检查用户输入的合法性；客户端与服务器端都要执行，可以使用正则。4使用带参数的SQL语句形式。 尽量用存储过程
js中document.write的那点事
document.write()方法可以用在两个方面：页面载入过程中用实时脚本创建页面内容，以及用延时脚本创建本窗口或新窗口的内容。该方法需要一个字符串参数，它是写到窗口或框架中的HTML内容。这些字符串参数可以是变量或值为字符串的表达式…
SVN提示被锁定的解决方法（转）
1、（常用）出现这个问题后使用“清理”即"Clean up"功能，如果还不行，就直接到上一级目录，再执行“清理”，然后再“更新”。 2、（没试过）有时候如果看到某个包里面的文件夹没…
征集佳句-精妙SQL语句收集
征集佳句-精妙SQL语句收集 SQL语句先前写的时候，很容易把一些特殊的用法忘记，我特此整理了一下SQL语句操作，方便自己写SQL时方便一点，想贴上来，一起看看，同时希望大家能共同多多提意见，也给我…
【WP8】ResourceDictionary
WP8中引用资源字典 当我们定义的样式太多的时候，我们可以把样式分别定义在不同的文件中，然后通过 MergedDictionaries 应用到其他资源字典中，看下面Demo 我们可以把样式定义在多个文件中，然后再App.xaml中引用 我们先定义三个文件…
拿来就能用！ CTO 创业技术栈指南！
作者 | Nitin Aggarwal译者 | 弯月出品 | CSDN（ID：CSDNnews）随着开发运维概念的诞生，以及“You build it, you run it.”（谁构建，谁运维）理念的盛行，现代创业公司的技术栈也发生了许…
Go处理百万每分钟的请求
2019独角兽企业重金招聘Python工程师标准>>> I have been working in the anti-spam, anti-virus and anti-malware industry for over 15 years at a few different companies, and now I know how complex these systems could end up being due to the massive a…
data pump工具
expdp和impdp的用法ORCALE10G提供了新的导入导出工具，数据泵。Oracle官方对此的形容是：OracleDataPump technology enables Very High-Speed movement of data and metadata from one database to another.其中Very High-Speed是亮点。先说数据泵提供的主…
游标对于分页存储过程
1。我个人认为最好的分页方法是: Select top 10 * from table where id>200写成存储过程,上面的语句要拼一下sql语句,要获得最后大于的哪一个ID号 2。那个用游标的方式,只适合于小数据量的表,如果表在一万行以上,就差劲了 你的存储过程还比不上NOT IN分页,示例: SELECT …
混沌、无序、变局？探索之中，《拟合》开启
从无序中寻找踪迹，从眼前事探索未来在东方的神话里，喜鹊会搭桥，银河是条河，两端闪耀的牵牛星和织女星，则是一年一相会的佳偶，他们彼此间的惦念，会牵引彼此在七夕那天实现双星聚首。在西方的世界…
linxu 下安装mysql5.7.19
2019独角兽企业重金招聘Python工程师标准>>> 1、首先检查是否已经安装过mysql,查找mysql相关软件rpm包 # rpm -qa | grep mysql 2、将所有与mysql相关的东西删除 #yum -y remove mysql-libs-5.1.66-2.el6_3.x86_64 3、安装依赖包 #yum -y install make gcc-c cmake …
C#技术内幕 学习笔记
引用类型是类型安全的指针，它们的内存是分配在堆（保存指针地址）上的。String、数组、类、接口和委托都是引用类型。 强制类型转换与as类型转换的区别：当类型转换非法时，强制类型转换将抛出一个System.InvalidCastExce…
java的深度克隆
原文：http://blog.csdn.net/randyjiawenjie/article/details/7563323javaobjectinterfacestringclassexception先做个标记 http://www.iteye.com/topic/182772 http://www.blogjava.net/jerry-zhaoj/archive/2009/10/14/298141.html 关于super.clone的理解 http://h…
持续推进预估时间问题研究，滴滴盖亚计划开放ETA数据集
4月29日消息，为持续推进行程时长预估问题研究，滴滴联合GIS(地理信息系统)领域国际顶会ACM SIGSPATIAL发布ACM SIGSPATIAL GISCUP 2021比赛，鼓励研究者们基于滴滴新开放的行程时长数据集，进一步提升时间预估准确性。 预估到达时间…
3.Java集合-HashSet实现原理及源码分析
一、HashSet概述： HashSet实现Set接口，由哈希表（实际上是一个HashMap实例）支持，它不保证set的迭代顺序很久不变。此类允许使用null元素 二、HashSet的实现： 对于HashSet而言，它是基于HashMap实现…
一个函数返回多个值
有两种方法：1.使用指针变量声明函数（或者使用数组变量）2.使用传出参数 第一种方法：函数返回的是一个指针地址（数组地址），这个内存地址有多个变量寄存在里面。这个方法我不太会用，传…
4月30日或为上半年“最难打车日”
滴滴出行昨日发布预测，称由于周五通勤晚高峰及假期启程高峰叠加，4月30日下午或将成为今年上半年“最难打车日”，用户将遇到叫车排队甚至打不到车的情况。滴滴呼吁，请提前规划行程，预留充足时间，大家五一快乐…
exchange 2003配置ASSP 反垃圾邮件
Exchange上第三方反垃圾邮件用得比较多的是ORF，它直接运行在虚拟SMTP服务上，配置非常的方便。ASSP（https://sourceforge.net/projects/assp/） 是一个开源的反垃圾邮件代理，反垃圾效果也非常好，这里不讲如何…
中国人工智能学会通讯——人工智能在各医学亚专科的发展现状及趋势 1.3 人工智能在各医学亚专科的发展态势...
1.3 人工智能在各医学亚专科的发展态势 1. 人工智能在眼科领域的应用 2016年11月，Google的研究者Gulshan博士等人在美国医学协会杂志“Journal of the American Medical Association”上发表的一篇文章，运用deep learning算法（卷积神经网络&a…
在ASP.NET中如何用C#.NET实现基于表单的验证
这篇文章引用到了Microsoft .NET类库中的以下名空间： System.Data.SqlClient System.Web.Security －－－－－－－－－－－－ÿ…
PHP学习笔记 第八讲 Mysql.简介和创建新的数据库
八、Mysql.简介和创建新的数据库1、mysql简介与概要mysql是一个小型关系型数据管理系统，开发者为瑞典mysqlab公司现在已经被sun公司收购1.可以处理拥有上千万条记录的大型数据2.支持常见SQL语句规范3.可移植高，安装简单小巧4.良好的运行效率，…
摆脱 FM！这些推荐系统模型真香
作者 | 梁唐来源 | TechFlow之前我们介绍了推荐当中应用得非常广泛的FM大家族，从FM这个模型衍生出了一系列的模型，从纯FM，到AFM、FFM、DeepFM等等一系列的FM模型，最后的终极版本是xDeepFM。这个模型非常复杂，可以说…
新技术、新思维开创公共安全管理新模式
智慧城市的建设在国内外许多地区正如火如荼的进行中，在为期六天的第十七届中国国际高新技术成果交易会（高交会）上，智慧城市这一话题再次引发观众及城市建设者们的热议。 尤其是高交会期间召开的“2015亚太智慧城市发展高峰论坛”&…
.Net 中字符串性能
Introduction 你在代码中处理字符串的方法可能会对性能产生令人吃惊的影响。在本文中，我需要考虑两个由于使用字符串而产生的问题：临时字符串变量的使用和字符串连接。 Background 每个项目都有需要你为其考虑编码标准的时候。使用 FxCop 是一个好的开…
Lambda表达式可以被转换为委托类型
void Main() { //向Users类中增加两人; List<Users> usernew List<Users>{ new Users{ID1,Name"Jalen",Age23}, new Users{ID12,Name"Administrator",Age32}, }; //接下来就是利用Linq提供的新的方法来进行相关操作; var userslistuser.Wher…
人工干预如何提高模型性能？看这文就够了！
作者 | Preetam Joshi译者 | 吴家帆出品 | AI科技大本营（ID:rgznai100）有一些行业对误报非常敏感，如金融行业，在对信用卡欺诈检测时，如果检测系统将用户的行为错误地分类为欺诈，这将对该金融机构的声誉产生…
一种无需留坑为页面动态添加View方案
在Activity或Fragment页面动态添加View，有其应用场景，比如配合运营在首页动态插入H5活动页（如下图手淘的雪花例示[1]）,在页面头部插入通知View等。本文结合ActivityLifecycleCallbacks[2]及DecorView使用，为类似需求提…