腾讯科技讯 5月21日—23日，2019腾讯全球数字生态大会在昆明召开。在AI智能制造分论坛上，腾讯优图实验室总监戴宇荣发表了《深度学习技术与应用分享》的主题演讲，以AI在工业中的实际应用为例，从传统工业流程存在的痛点、优图的领先算法、深度学习如何解决工业领域痛点等方面，分享了腾讯优图的深度学习技术及落地应用。
“在工业领域，深度学习解决方案比传统机器视觉更具优势。”据戴宇荣博士介绍，以深度学习技术为基础，腾讯优图带来领先的AI+工业解决方案，为行业降本、增效、提质，已经在PCB板缺陷检测、锂电池缺陷检测、面板缺陷检测等多个方面得到落地应用，助力传统工业产业智慧化升级。
腾讯优图实验室总监 戴宇荣博士
质检问题长期存在，成困扰传统工业生产的难点
在传统工业流程中，人力成本高、危险性大、无意义的劳动过多等难点长期存在，传统制造企业的转型升级势在必行。
从传统工业的细化流程来看，以电子行业为例，质检是内控的刚需，然而传统的质检模式存在许多局限性。一方面，人工质检准确性低，而且检测速度慢、稳定性差，容易影响整个生产过程的效率；另一方面，人工检测有延时，当大量作业，产品需要转运，中转的仓储时间，难以第一时间发现产品质量问题；与此同时，质量检测的人力成本高，招工难，人员离职率高。种种问题对传统质检流程提出了挑战，成为阻碍工业领域实现智能化生产的一大难点。
如何合理应用AI的能力，提升制造业的生产效率，通过创新产生更大的价值，成为整个行业思考的议题。
AI质检驱动，腾讯优图解决传统质检模式痛点
电子行业的痛点，表面看是人的问题，实际上是系统生产力低下的体现。
针对电子行业质检的生产力扬升需求，腾讯优图以深度学习技术为基础，联合腾讯云，为客户提供针对性的DNN技术解决方案，可以真正帮助电子企业实现质检的“多快好省”。
腾讯独创的DNN技术方案
“一方面，我们建立了流程自动化的大规模自动产生模型。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。” 戴宇荣介绍，该模型能有效解决缺陷太小、尺寸、色差、旋转差异引起的性能下降等问题。另一方面，以AI技术为基础，腾讯优图实验室实现了算法平台化，加速产品工具开发，让客户的工程师可以从0到1，创建出一个全新的模型，完成技术内化。
此外，腾讯优图通过引入AI质检，将产品缺陷一一分类，根据缺陷自动查找导致运行不良的原因，从而实时监控并降低产品质量不良修正的间隔时间，驱动了电子企业的良率管理新模式。
戴宇荣指出，“相比传统算法而言，深度学习解决方案更具优势。”可以通过深度学习识别和分析复杂无规律缺陷；大数据量学习可以达到高准确率、低误判率的效果。
以深度学习技术为基础，腾讯优图联合腾讯云，为电子企业带来了降低成本、精细检查、实时监控、提升良率等价值。可解决客户招工难，熟练不易培养等问题，帮助企业降本增效；将AI+工业应用于智能制造，辅助企业提升产品质量和制造工艺改善，助推产业智能化升级。
面向未来，AI+工业解决方案助推产业智能化升级
目前，腾讯优图的AI视觉检测平台架构，已经在工业质检领域得到应用，在PCB板缺陷检测、锂电池缺陷检测、面板缺陷检测等多个落地应用项目。
戴宇荣介绍，“在液晶面板缺陷检测中，我们建立了可复制型工业AI视觉检测系统。”采用多模型协同运作方案，识别准确率达90%。辅助 100多道工序质检，帮助节省50%以上人力成本，显著提升质检效果
而在手机背板缺陷检测中，腾讯优图则建立了复合深度学习缺陷检测模型，解决背景简单重复、缺陷偏小、缺陷与背景差异很小情况下的缺陷的检出。同时满足多缺陷同时存在的检测需求。
在高端复合材料无损检测中，腾讯优图缩短了检测时间，提升了评片可靠性（高于专家判片）、减少了质检人数、增强了检测数据可追溯性。
腾讯优图视觉AI技术已落地高端复合材料无损检测
据悉，在“AI+工业生产检测”方面，腾讯优图联合腾讯云打造的工业AI解决方案，已经在国内某知名面板企业进行落地应用，在面板智能质检上建立可复制型工业自动化排查系统。
