近年来，人工智能发展已经进入深水区，其中，深度学习计算机视觉检测作为人工智能领域的一个重要方向，竞争尤为激烈，虽然在研究发展过程中已取得了巨大成功，但仍具备明显的局限性。

以AI在工业中的实际应用为例，在项目现场落地中遇到样本匮乏、算力要求高、标准时间长、项目实施长尾效应等问题时，深度学习的通用性和灵活性明显受到限制，难以满足高算力、低样本的需求，为AI的突破提升带来一定的挑战。

深度学习计算机视觉极限将至，我们该如何找到突破口？

自深度学习的第三次发展浪潮开始，人工智能已发展得更迅猛、更智能、功能也愈加强大。例如，在图像识别领域的应用，深度学习使得计算机在识别图像中的物体和场景方面更精准，更高效，甚至表现优于最出色的人工检测员。

现如今AI在工业上的应用已非常普遍，但其功能在落地应用中主要以基础识别和检测功能为主，同质化较为严重，工具应用大多也处于初级阶段。

随着客户业务需求及创新性应用需求的增加，对AI推理和训练的效率和质量，都提出了更为严苛的要求，视觉检测企业竞争的热点，也从AI初始布局的逐鹿争先、打造“新概念”，逐步迭代为让深度学习计算机视觉检测技术走出象牙塔，让计算机、自动化设备能够真正理解图像，赋予机器“看懂”的能力，以保证与现实世界进行富有意义的交互。

如何进一步推动AI深度学习图像检测技术升维，华汉伟业研发人员从数据、算力、算法这三个方面寻找了新的突破口。基于深度学习的图像分析，旨在打造一个“既准，又省，还快” AI视觉软件，解决传统图像处理依赖于规则检测的问题，提高机器自学习能力，从而快速实现非标项目的开发。

通常而言，深度学习在数据、算力和算法之间仍存在一些原生矛盾：数据类型的宽度越大，能表达的动态范围和精度也就越高，而这也就意味着需要更多的存储空间，同时对算力也带来了挑战；在算法层面，算法的效率和优化程度也直接影响计算机的算力。

因此，在华汉伟业在打造iSense  AI视觉软件中，需要三大要素共同发力：“简化数据，强化算力，优化算法”，而三要素在调优的过程中，算法上的革新是iSense的重中之重。

图1

华汉伟业新一代iSense  AI检测平台：“走出检测象牙塔，为智能制造打开新视域”

在工业质检过程中，传统算法是通过自定义规则函数来对数据进行计算的，而随着生产过程缺陷种类的增多，人工不能定义出所有的可能性，因此传统视觉检测算法适合识别和检测简单且有规律的缺陷；而深度学习可通过机器自学习的方式，自动提取缺陷样本数据的特征，实现对复杂无规律的产品缺陷进行精准的判别，同时通过对缺陷样本数据的训练，可以实现对模型的定制和优化。因此，相比传统算法而言，深度学习算法可适用于复杂的检测场景，大数据学习可以达到高准确率、低误判率的效果。

华汉伟业iSense AI视觉检测软件，通过将深度学习算法与传统检测算法融合，强化了检测效果，同时也降低了对算法的依赖，可以快速实现非标项目的开发，满足客户个性化定制开发需求。

图2

iSense AI先进图像处理平台，通过TensorRT（深度学习）加速技术，以多种模型压缩方式，达到准、省、快，性能提升3-5倍，实现低精度成就高效率！

iSense检测平台在进行模型训练的过程中，相较于国内大多数视觉检测公司，不仅支持2D单图像输入，同时，还可实现2D多图像、3D图像、2D+3D图像输入，涵盖了预处理、分割定位+模板匹配、分类鉴别+相交断线三大步骤，有效解决缺陷太小、尺寸、色差、旋转差异引起的性能下降等问题，在算力对比测试中，处于行业领先水平。

图3

同时，iSense检测平台，以AI技术为基础，通过在“多模态学习、实例分割、3D+2D分割、3D+2D分类、旋转目标检测、对比学习、缺陷样本自动生成、无监督学习”等8大产品特色工具的开发，实现了算法平台化，助力工业产线快速部署，辅助企业提升产品质量和制造工艺改善。

图4

AI时代，应用为王。如何评判一个新技术是否能引领未来的发展方向？我们要看它能否从本质上解放生产力、发展生产力，而在AI+制造业的中，判断一个软件是否能被市场所接受和承认，我们要看它能否以最具性价比的方式，解决行业的痛点和难点问题，真正帮助制造企业实现质检的“多快好省”。

突破应用难点，做工业智能化检测“实干家”

针对于制造业质检小批量快速投产的需求，华汉伟业iSense检测软件，秉承着做工业智能化检测“实干家”的初衷，实现了“想到”、“做到”、“用到”技术层面的落地。

以实际应用案例为例：在锂电池工业生产过程中，顶盖焊的焊接质量检测受焊接技术水平、环境以及生产工艺的影响较大，对针孔的大小、漏检率和误检率要求极高，这是行业一大痛点，iSense基于2D+3D分类/分割专利技术的应用，可有效识别0.1mm的针孔大小，误判率≤0.3%，行业在此项目的误判率要求≤1%。

图5

在包蓝膜外观缺陷检测中，主要的难点在于：材料本身高反光、低对比度的光学特性致使许多缺陷特征不明显（如凹点和变形非常平缓，普通相机图像对比度非常低，很难识别缺陷、气泡和折痕），传统算法过杀率和漏检率极高；缺陷种类多，如气泡、褶皱、压伤、脏污、膜破等，缺陷种类样本难以收集；产线节奏快，对软件的算法效率的要求较高，因此该项目也是行业需要重点攻克的难题。

公司在该项目上持续攻坚，基于相位偏折的多种类型图像单一模型检测技术，克服高反光低对比度的问题，采用分时频闪检测方案，打造高性价比的落地方案，漏判率为0，误判率≤1%，而行业在此项目的误判率要求≤1.5%；同时该方案节省了30%的项目落地成本，得到了客户的一直好评。

图6

在转接片焊点的数量和位置检测中，重点要实现对黏连物体的计数和面积统计，公司使用iSense深度学习模块实例分割的方法，对缺陷进行像素级的检测，可以准确统计出焊点的个数，以及焊点的面积、长、宽等信息，解决缺陷尺寸及对比度（灰度值差异）较少，造成漏判、误判等问题，达到0漏判率和0误判率检测水准。

图7

在极耳翻折检测案例中，采用iSense软件中2D分割+分类组合工具，对极耳原图先进行分割再将分割出来的区域作分类判断，借助AI技术对电池极片的制造过程中产生的缺陷，进行精准检测和判别，剔除不良品，漏判率为0，误判率≤0.5%，而行业在此项目的误判率要求≤1%。

图8

核心技术壁垒持续攻坚，拓展AI应用边界

智能制造须与制造业企业的思维同频，从实际困难出发，来倒推可能的解决方案”，作为工业AI检测的“实干家”，华汉伟业始终站在制造企业的角度，从各个维度来分析AI工业落地的痛难点问题，倒推AI产品需要升级和优化的功能，不断的迭代解决方案。

华汉伟业通过技术的革新，攻克深度学习检测技术壁垒，打造差异化AI检测软件，并且将自己的技术产品落实到实处，拓宽AI+应用边界，未来，华汉伟业将继续专“精”于自己的领域，以更加强大、齐备的功能和更高的性价比，成为工业AI检测专家。

（文章来源于深圳市华汉伟业科技有限公司 张冉）