场景描述
我国制造业有31个大类、179个中类和609个小类，是全球产业门类最齐全、产业体系最完整的制造业。不同的制造业的生产流程、工艺、材料、产品不相同，质量检测标准和检测方式也各有异同，但是检测方式以人工目检为主，设备为辅，因此存在以下不足与挑战：
（1）经验依赖性较高。有经验的检测工人趋向老龄化，年轻的劳动力难以招揽，尤其部分工业制造环境恶劣的场景。经验往往通过口口相传的方式进行传承，无法形成易于保存、流转的生产资料。
（2）检测效率低下。传统人工质检效率较低，难以满足高速生产线的需求，容易导致生产瓶颈，影响生产效率。
（3）检测准确度不足。在高精度要求的行业，工业缺陷检测普遍面临复杂的缺陷类型和形态，人工质检容易受到疲劳、经验不足等因素的影响，产生漏检和误检，影响产品质量。
（4）质量不稳定。部分无法量化的产品指标，检测标准难以达到统一，每个人的检测结果也会有差别，质量不统一。
（5）人工成本高昂。大规模生产中，人工质检需要大量的劳动力投入，同时人工检测失误也会导致返工或产品召回，进一步增加成本。劳动力培训的成本高，周期长。
（6）难以流转和数据分析。部分企业仍然采用纸质的方式进行检测报告记录，不易于资料的保存、汇总、流转，也不利于实时收集和分析质检数据，无法有效准确发现产线、材料、工艺、流程存在的问题，提出改进和优化方案。
（7）难以应对柔性制造的挑战。随着制造业向柔性制造转型，产品种类和生产线变动频繁，传统质检方式难以快速适应和调整，无法满足多样化和个性化的生产需求。
解决方案
（1）通过AIoT技术实现人工目检传统质检方式自动化质量检测替代，解决企业质检工序对人工经验依赖性高、劳动人力招聘难的问题，降低人力成本。
（2）通过工业DTU和工业网关实现质检环节的数据采集，改变纸质人工抄录检测结果的传统方式，实现数字化和信息化，将工业经验转化为工业数字化资产，便于流程及业务流转、传承、管理和溯源跟踪。
（3）基于机器视觉、深度学习的人工智能算法，通过工业相机能够快速、精准识别被检测产品的各种缺陷和问题，包括表面缺陷、尺寸偏差、组装不良等，提高质检的精准度，提升产品质量。
（4）将部分不可量化的质检产品的缺陷情况进行数字化，可量化，如表面的清洁度、大小、颜色、位移、角度、光线等参数指标，通过量化指标统一检测标准，提高产品质量的一致性和稳定性。
（5）人工目检进行自动化替代之后，工业AI质检具备7*24小时高强度连续工作的能力，没有生产瓶颈，满足大批量高速生产线的需求，提升整体的生产效率。
（6）当质检环节如果检测到产品出现瑕疵阈值，系统会进行预警或者停机，通知检修工人进行产线、工艺配方调整和优化。或者将瑕疵品退出产线，终端后续生产环节，节省生产材料、流程、时间。
（7）质检流程结束后，系统可以自动生成并打印质检报告附在产品上。质检报告可以同时存在云端提供给企业和用户进行查询、溯源、防伪校验等。
成效
在纺织质检环节，实现7*24小时全天候实时检测，工业相机单像素分辨率高达0.03mm，识别断经、双经、纬缩、筘痕等40多种布匹全类疵点，识别准确率超过90%，提高挡车工50%工作效率，节省30%验布工，产品合格率提升至99%以上。
快报
根据《网络安全法》实名制要求，请绑定手机号后发表评论
云应用与现场的检测手段的结合，可以让计算技术充分发挥作用，更有利于ai的应用。并可以在很大程度上充分利用专家知识，不断优化。