计算机视觉（CV）：给工业制造装上一双“不会走神”的眼睛

去年去珠三角一家做汽车发动机连杆的汽配厂出差，厂长拉着我在质检线旁站了半小时，烟抽了三根，嘴就没合上。原来原来12个熟手质检工两班倒，每个月还能出一两批漏检的不良品，碰到客户投诉一次罚几十万。现在上了计算机视觉方案，漏检率从1.2%降到0.03%，只留两个工人补料就行。真的颠覆认知。

工业场景的计算机视觉，不是实验室那套花架子

很多人对CV的印象还停留在人脸识别、AI修图，觉得就是互联网公司玩的东西。放到工业生产里，完全不是一回事。车间里有油污飘，有金属反光，零件堆得歪歪扭扭，甚至生产线一抖画面都晃，要求一秒钟出结果，还不能错。错一个零件流到下工位，整批车都得停。早年做图像检测都是传统机器视觉，预设好参数，找固定形状固定亮度的缺陷，稍微换个原材料批次、调整一下生产线光照，直接就乱判。计算机视觉靠深度学习训出来的模型不一样，见过几万张不同场景不同形态的缺陷，就算一半零件沾了油污，也能把藏在下面的裂纹给揪出来。

问：普通机器视觉和计算机视觉（CV）到底差在哪？答：打个比方，传统机器视觉是教小朋友认“圆的红的是苹果”，你拿个青苹果放过去，他就不认得了。计算机视觉是给小朋友看了一万个不同品种不同成熟度的苹果，别说青苹果，烂了一半的苹果他都能认出来，还能告诉你烂在哪。就这么简单。问：工业用的CV对精度要求比互联网高吗？答：不是精度，是稳定性要求高到离谱。互联网人脸识别错一次，大不了再刷一次，工业CV错一次，就是几万几十万的损失，还要停线排查。所以现在落地的工业CV，都在往轻量化、边缘端走，不求参数多大，就求24小时连轴转不出错。

当前工业CV落地踩得最多的三个坑

我跑过大大小小几十家上了CV项目的工厂，成成拜拜见过太多，一半以上项目都多多少少走了弯路。第一个坑，缺陷数据凑数就敢训模型。很多工厂觉得不就是拍照片吗？拍了几百张缺陷图就着急上线，用俩月就废了。真实生产线上的缺陷千奇百怪，同一种裂纹能长在不同位置，还能有不同深浅，再加上油污、粉尘干扰，几百张数据根本喂不饱模型。💡 我见过最离谱的，工厂一万张图里九千八百张都是合格零件，缺陷只有两百张，训出来的模型啥缺陷都不认，全说合格，等于买了个摆设。第二个坑，舍不得配算力，拿旧服务器凑活。有的工厂生产线一秒要过20个零件，1080P的图每张都要做推理，你整个五六年前的旧显卡，延迟卡成PPT，生产线还得等你出结果，反而降速，工人嫌麻烦干脆不用，最后项目闲置落灰。❗ 其实现在工业CV都做了轻量化裁剪，不用超算，但是该给的算力还是得给，不能太抠。第三个坑，一刀砍掉人工兜底，追求全自动。很多老板觉得上了CV就可以把质检全裁了，省工资。哪有那么完美的事？万一原材料换了批次，来了一种模型没见过的新缺陷，那不就全放出去了？亏到哭。靠谱的做法都是CV初筛，挑出疑似不良品再给人工复检，效率提了，风险也控住了。

现在工业CV都能搞定哪些活？

别以为CV只能做外观质检，现在已经渗透到生产全流程了。最常见的就是缺陷检测，从半导体芯片到3C外壳，从汽车零件到食品包装，有没有印刷错，有没有划痕气泡，全部能搞定。然后是装配引导，现在很多机器人装配线，靠计算机视觉引导，零件哪怕放歪了几厘米，机器人自己就能调整抓取位置，不用换夹具，不用重新调试。原来汽车厂换一款车型，调夹具要停线三天花几十万，现在几个小时就能搞定，省太多了。还有物流分拣，传送带上乱七八糟的包裹零件，CV扫一眼就知道分去哪个道口，比人工分拣快三倍，还不会分错。说实话，现在很多中小厂都觉得CV贵，玩不起。其实早就不是这样了。现在第三方服务商有训练好的通用预训练模型，你只要拍两三百张自己工厂的缺陷图，微调一下就能用，十几万就能落地，一年就能省回成本，比养七八个质检工划算多了。不过话说回来，现在圈子里还是有很多炒概念的，张嘴就是大模型，千亿参数，吹得天花乱坠。工业不需要那套，你能稳定跑365天，帮工厂真金白银省钱，就是好CV。花里胡哨的概念，最后都是落灰的命。这两年我亲眼见过太多工厂靠CV赚了钱，也见过踩坑亏了钱。只能说，这东西真的是好东西，但别瞎上，摸清楚自己工厂的需求，找接地气的服务商，比什么都强。

免责声明：文章内容来自互联网，本站仅作为分享，不对其真实性负责，如有侵权等情况，请与本站联系删除。
转载请注明出处：计算机视觉（CV）：给工业制造装上一双“不会走神”的眼睛 https://www.dachanpin.com/a/tg/69056.html