近年來，人工智能發(fā)展已經(jīng)進入深水區(qū)，其中，深度學習計算機視覺檢測作為人工智能領域的一個重要方向，競爭尤為激烈，雖然在研究發(fā)展過程中已取得了巨大成功，但仍具備明顯的局限性。

以AI在工業(yè)中的實際應用為例，在項目現(xiàn)場落地中遇到樣本匱乏、算力要求高、標準時間長、項目實施長尾效應等問題時，深度學習的通用性和靈活性明顯受到限制，難以滿足高算力、低樣本的需求，為AI的突破提升帶來一定的挑戰(zhàn)。

深度學習計算機視覺極限將至，我們該如何找到突破口？

自深度學習的第三次發(fā)展浪潮開始，人工智能已發(fā)展得更迅猛、更智能、功能也愈加強大。例如，在圖像識別領域的應用，深度學習使得計算機在識別圖像中的物體和場景方面更精準，更高效，甚至表現(xiàn)優(yōu)于最出色的人工檢測員。

現(xiàn)如今AI在工業(yè)上的應用已非常普遍，但其功能在落地應用中主要以基礎識別和檢測功能為主，同質(zhì)化較為嚴重，工具應用大多也處于初級階段。

隨著客戶業(yè)務需求及創(chuàng)新性應用需求的增加，對AI推理和訓練的效率和質(zhì)量，都提出了更為嚴苛的要求，視覺檢測企業(yè)競爭的熱點，也從AI初始布局的逐鹿爭先、打造“新概念”，逐步迭代為讓深度學習計算機視覺檢測技術走出象牙塔，讓計算機、自動化設備能夠真正理解圖像，賦予機器“看懂”的能力，以保證與現(xiàn)實世界進行富有意義的交互。

如何進一步推動AI深度學習圖像檢測技術升維，華漢偉業(yè)研發(fā)人員從數(shù)據(jù)、算力、算法這三個方面尋找了新的突破口?；谏疃葘W習的圖像分析，旨在打造一個“既準，又省，還快” AI視覺軟件，解決傳統(tǒng)圖像處理依賴于規(guī)則檢測的問題，提高機器自學習能力，從而快速實現(xiàn)非標項目的開發(fā)。

通常而言，深度學習在數(shù)據(jù)、算力和算法之間仍存在一些原生矛盾：數(shù)據(jù)類型的寬度越大，能表達的動態(tài)范圍和精度也就越高，而這也就意味著需要更多的存儲空間，同時對算力也帶來了挑戰(zhàn)；在算法層面，算法的效率和優(yōu)化程度也直接影響計算機的算力。

因此，在華漢偉業(yè)在打造iSense AI視覺軟件中，需要三大要素共同發(fā)力：“簡化數(shù)據(jù)，強化算力，優(yōu)化算法”，而三要素在調(diào)優(yōu)的過程中，算法上的革新是iSense的重中之重。

華漢偉業(yè)新一代iSense AI檢測平臺：“走出檢測象牙塔，為智能制造打開新視域”

在工業(yè)質(zhì)檢過程中，傳統(tǒng)算法是通過自定義規(guī)則函數(shù)來對數(shù)據(jù)進行計算的，而隨著生產(chǎn)過程缺陷種類的增多，人工不能定義出所有的可能性，因此傳統(tǒng)視覺檢測算法適合識別和檢測簡單且有規(guī)律的缺陷；而深度學習可通過機器自學習的方式，自動提取缺陷樣本數(shù)據(jù)的特征，實現(xiàn)對復雜無規(guī)律的產(chǎn)品缺陷進行精準的判別，同時通過對缺陷樣本數(shù)據(jù)的訓練，可以實現(xiàn)對模型的定制和優(yōu)化。因此，相比傳統(tǒng)算法而言，深度學習算法可適用于復雜的檢測場景，大數(shù)據(jù)學習可以達到高準確率、低誤判率的效果。

華漢偉業(yè)iSense AI視覺檢測軟件，通過將深度學習算法與傳統(tǒng)檢測算法融合，強化了檢測效果，同時也降低了對算法的依賴，可以快速實現(xiàn)非標項目的開發(fā)，滿足客戶個性化定制開發(fā)需求。

iSense AI先進圖像處理平臺，通過TensorRT（深度學習）加速技術，以多種模型壓縮方式，達到準、省、快，性能提升3-5倍，實現(xiàn)低精度成就高效率！

iSense檢測平臺在進行模型訓練的過程中，相較于國內(nèi)大多數(shù)視覺檢測公司，不僅支持2D單圖像輸入，同時，還可實現(xiàn)2D多圖像、3D圖像、2D+3D圖像輸入，涵蓋了預處理、分割定位+模板匹配、分類鑒別+相交斷線三大步驟，有效解決缺陷太小、尺寸、色差、旋轉差異引起的性能下降等問題，在算力對比測試中，處于行業(yè)領先水平。

同時，iSense檢測平臺，以AI技術為基礎，通過在“多模態(tài)學習、實例分割、3D+2D分割、3D+2D分類、旋轉目標檢測、對比學習、缺陷樣本自動生成、無監(jiān)督學習”等8大產(chǎn)品特色工具的開發(fā)，實現(xiàn)了算法平臺化，助力工業(yè)產(chǎn)線快速部署，輔助企業(yè)提升產(chǎn)品質(zhì)量和制造工藝改善。

針對于工業(yè)檢測多場景多樣化的應用需求，擁有專利技術的“多模態(tài)學習”特色工具，涵蓋2D/3D/AI不同的加密算法，根據(jù)項目需求，可靈活組合不同功能模塊，如“2D+3D、2D+AI、3D+AI、2D+3D+AI”等組合模式，可實現(xiàn)“1個平臺+N個模態(tài)+X個應用場景 = ∞解決方案”，全方面滿足用戶更多應用項目需求，賦能多行業(yè)應用。

實例分割模塊不僅預測類別，還可以識別每個不同的個體，檢測缺陷個數(shù)，并且統(tǒng)計每個缺陷的面積；旋轉目標檢測，可以有效處理背景復雜或目標密集場景；而基于異源特征交換的圖像生成技術即缺陷樣本生成技術，可實現(xiàn)數(shù)據(jù)清洗、重要樣本挖掘、以及缺陷的智能合成，解決行業(yè)樣本匱乏等難題.....

AI時代，應用為王。如何評判一個新技術是否能引領未來的發(fā)展方向？我們要看它能否從本質(zhì)上解放生產(chǎn)力、發(fā)展生產(chǎn)力，而在AI+制造業(yè)的中，判斷一個軟件是否能被市場所接受和承認，我們要看它能否以最具性價比的方式，解決行業(yè)的痛點和難點問題，真正幫助制造企業(yè)實現(xiàn)質(zhì)檢的“多快好省”。

突破應用難點，做工業(yè)智能化檢測“實干家”

針對于制造業(yè)質(zhì)檢小批量快速投產(chǎn)的需求，華漢偉業(yè)iSense檢測軟件，秉承著做工業(yè)智能化檢測“實干家”的初衷，實現(xiàn)了“想到”、“做到”、“用到”技術層面的落地。

以實際應用案例為例：在鋰電池工業(yè)生產(chǎn)過程中，頂蓋焊的焊接質(zhì)量檢測受焊接技術水平、環(huán)境以及生產(chǎn)工藝的影響較大，對針孔的大小、漏檢率和誤檢率要求極高，這是行業(yè)一大痛點，iSense基于2D+3D分類/分割專利技術的應用，可有效識別0.1mm的針孔大小，誤判率≤0.3%，行業(yè)在此項目的誤判率要求≤1%。

在包藍膜外觀缺陷檢測中，主要的難點在于：1）材料本身高反光、低對比度的光學特性致使許多缺陷特征不明顯（如凹點和變形非常平緩，普通相機圖像對比度非常低，很難識別缺陷、氣泡和折痕），傳統(tǒng)算法過殺率和漏檢率極高；2）缺陷種類多，如氣泡、褶皺、壓傷、臟污、膜破等，缺陷種類樣本難以收集；3）產(chǎn)線節(jié)奏快，對軟件的算法效率的要求較高，因此該項目也是行業(yè)需要重點攻克的難題。

公司在該項目上持續(xù)攻堅，基于相位偏折的多種類型圖像單一模型檢測技術，克服高反光低對比度的問題，采用分時頻閃檢測方案，打造高性價比的落地方案，漏判率為0，誤判率≤1%，而行業(yè)在此項目的誤判率要求≤1.5%；同時該方案節(jié)省了30%的項目落地成本，得到了客戶的一直好評。

核心技術壁壘持續(xù)攻堅，拓展AI應用邊界

“智能制造須與制造業(yè)企業(yè)的思維同頻，從實際困難出發(fā)，來倒推可能的解決方案”，作為工業(yè)AI檢測的“實干家”，華漢偉業(yè)始終站在制造企業(yè)的角度，從各個維度來分析AI工業(yè)落地的痛難點問題，倒推AI產(chǎn)品需要升級和優(yōu)化的功能，不斷的迭代解決方案。

華漢偉業(yè)通過技術的革新，攻克深度學習檢測技術壁壘，打造差異化AI檢測軟件，并且將自己的技術產(chǎn)品落實到實處，拓寬AI+應用邊界，未來，華漢偉業(yè)將繼續(xù)專“精”于自己的領域，以更加強大、齊備的功能和更高的性價比，成為工業(yè)AI檢測專家。