百度AI3.0讓傳統質檢升級爲人工智能，下一個失業的是誰？

當前製造業產品外表檢查主要有人工質檢和機器視覺質檢兩種方式，其中人工佔90%，機器只佔10%，而二者都面臨許多挑戰。人工質檢成本高、誤操做多、生產數據沒法有效留存，機器視覺質檢雖然不存在這些問題，但受傳統特徵工程技術限制，模型升級及本地化服務難度較大。

人工和AI，兩種方式達成的效果極其類似，但比較二者的成本，卻相距甚遠。在引入AI質檢員以後，不管是時間仍是人力成本都有着巨大的降低。AI質檢適用於衆多業務場景，包括但不限於LED芯片檢測，液晶屏幕檢測，光伏EL檢測，汽車零件檢測等。

聶磊，曾就任於三星電子中國研究院，從事類似圖像檢索、商品檢索等大規模圖像檢索工做。現就任於百度，主要負責推進工業、遙感、氣象等多個垂直領域計算機視覺商業化應用。

據聶磊介紹，工業領域數據來源有限，創建數據閉環不只能夠收集海量數據，還能啓動整個工業大數據鏈條。其中會涉及無監督學習、缺陷合成等技術，最終產出全自動系統完成產品質檢，並將質檢後的數據放入數據庫中組建閉環。

對於產線發生的缺陷場景，溯源徹底缺陷並發現具體緣由須要三套部署方式：私有化部署、公有云部署和端雲一體部署。工業上不少敏感數據沒法所有提供，對此私有化部署至關於提供了訓練一體機，搭載質檢的總體軟件，從標註、訓練、預測總體的端到端解決方案。公有云提供SaaS服務，配合端雲一體部署在私有化端上的模型訓練和更新進行邊緣計算。數據閉環後把更新的模型推送到私有化端上完成更新，這就是智能檢測的總體技術架構。

關注安卓綠色聯盟公衆號，回覆關鍵字「17」，獲取百度AI智能檢測完整技術方案。