淺談AI人工智能在製造業領域項目落地的所遇到的問題

好長時間沒有靜下心來寫博客了，主要是由於文筆很差，加之這幾年考研，讀研，買房，買車，結婚，生子等等一系列的事情就把寫博客這件事情給耽擱了。

轉眼間已然到了而立之年，IT技術發生了翻天覆地的變化。雖然說沒有精力一直追着它跑，可是我們也不能掉隊，該學的仍是要認真學的，該解決的問題也是要努力去解決的。

 

言歸正傳，本人學習AI也有一年有餘了，在這學習的過程當中遇到了各類各樣的坑。把這些坑填完以後，信心滿滿的將AI應用到製造業領域開始實踐職業生涯小目標--「工業4.0最強應用之工業智能眼」。這個想法起初餘Andrew Ng主持的工業智能化項目Landing.AI的一個模塊「自動視覺檢測」。看了其視頻介紹以後感受人工智能在視覺檢測領域「前途和錢途」都是一片光明的。

 

當咱們開始真正將AI項目落地到製造業領域的時候，遇到了不少問題。 現我將我遇到的問題進行總結討論。

 

• 問題一：樣本不平衡

咱們目前作的是電子產品在裝配過程當中的缺陷檢測，由於工廠採用的是高度自動化的裝配生產線因此在產品裝配過程當中產生的缺陷並很少。咱們作過相關評估一條產線在生產過程當中產生的缺陷率也就在萬分之5左右。咱們的產能是很高的每條生產線天天能夠生產大約2萬架產品。這就直接致使了樣本嚴重不平衡的問題，PASS產品的照片很是多而FAIL產品照片很是少。

 

• 問題二：光照環境不標準，圖片質量良莠不齊

咱們工廠在開始進行自動化生產線部署的時候就設計了在相關工位加裝工業相機。這些工業相機型號卻不同，有的是高清工業相機有的是普通工業相機，這樣就直接致使了拍攝出來的圖片質量良莠不齊。工業相機主要用來作記錄數據數據使用因此並無添加補償光源。由於沒有補償光源因此致使圖片裏有相關物體的陰影干擾。

 

• 問題三：檢測數量龐大

我工廠實行的是24小時不間斷生產，平均每5秒鐘就有一架產品從檢測工位流過，一天一條Line有近20K的產品須要檢測。如此規模的檢測就必需要求AI在檢測的Circle Time須要壓縮到1s以內。考慮到這樣的需求，系統在設計的時候就不能使用超大規模的神經網絡進行訓練，由於超大規模神經網絡所須要運算的參數也是以幾何倍數增加的。還須要考慮謹慎使用多模型融合技術，雖然多模型融合技術能夠提升預測準確率可是其檢測Circle Time也會拉長。

 

• 問題四：要求準確率高

工業級的產品須要很是可靠的技術支撐。客戶要求咱們模型預測準確率和精度須要達到99.5%以上。一旦準確率有所降低就頗有可能致使瑕疵產品Ship到Customer手中造成嚴重的質量問題，這一點是0容忍的。

 

• 問題五：AI實戰經驗的人才短缺

雖然說我公司是著名的高科技美資企業，可是具有AI實戰的經驗的工程師不多。開發人員開發完成一個模型以後須要親自部署上線運行。運行一段時間後須要對模型進行從新訓練的時候，仍是須要開發人員親自對圖片進行預加工和模型調參優化。這就直接致使了開發人員成天忙於訓練和調參，沒有辦法將精力Cover到新產品和新技術研發上面。

 

以上就是咱們在AI人工智能在製造業領域項目落地的所遇到的問題，但願對小夥伴們在實際使用AI過程當中有所啓示。

 

後續的博客我會給出對於以上幾個問題我是如何去解決的（部分問題仍是沒有解決）。

 

歡迎小夥伴們留言討論。