|
|
奥普特光学检测已应用到多个行业 |
策划、统筹/唐波 文/羊城晚报记者 彭钦 图/羊城晚报记者 王俊伟 在新能源汽车电池内部，电芯由几十层极片叠成。极片边缘伸出的金属片叫“极耳”，是电流进出的通道。如果某一层极耳在内部悄悄翻折了，从外面看毫无异常，却可能埋下短路、起火的隐患。怎么办？ “让AI去数极片的层数。”奥普特研发总监高红超给出答案，“25层的电芯，数出来24层或26层，就说明有一层出了问题。” 这套“聪明算法”把漏检率降到了十万分之一，相关产线的质检人员减少了30%以上。这一突破，正是东莞制造业质检从人工目检走向AI全检的一个缩影。 人工目检难解三大痛点 东莞全市工业企业超过22万家，电子信息制造业完成规上总产值11395.7亿元。产业体量越大，质检这道“眼睛”就越关键。 过去，从五金件到电子元器件，大量工厂靠人工目检。工人盯着放大镜、显微镜，在毫秒级的生产节奏里找毛刺、划痕、虚焊、偏位。疲劳漏检、标准不一、数据难追溯成了通病，也耗费大量质检人力。 怎么破解？全国首个消费领域移动终端方向的国家人工智能应用中试基地落户东莞，正是一个重要支点。中试基地的经理们主要工作就是走访制造企业、搜集AI需求，帮科技成果从实验室走向工厂，打通产业“最后一公里”。 近日，记者见到滨海湾国家中试基地经理肖旭辛。他告诉记者：“在东莞、深圳，有很多AI眼镜、AI玩具这样的终端企业。基地要做的，就是让场景快速落地。” 从经验驱动到数据驱动 2006年，奥普特在东莞成立，从工业光源起步。此后十余年，公司陆续推出相机、视觉软件、镜头、智能读码器等产品，并于2016年进入3D视觉领域，推出深度学习引擎。简单来说，就是让机器像人一样“看懂”图像。 “以前人工只能做到抽检，现在做到了全线在线生产，包括自动化全检。”奥普特研发高级总监曹玲说，“以往工人效率非常低，现在AI可以在高重复、高精度要求的场景下做到24小时不间断生产。” 为降低中小制造企业引入AI质检的门槛，奥普特提供自动化核心零部件一站式供应，拥有1万多款标准化产品和4.2万多个客户定制方案，累计落地应用案例超过53000个，客户遍及东莞及全国多个城市。 AI让制造业质量控制从“经验驱动”走向“数据驱动”。“传统制造业更多依赖工程师的经验。随着AI技术发展，我们从经验驱动演变成了数据驱动、智能驱动。”曹玲说。 批量落地形成产业能力 AI在消费级场景落地较快，一旦进入工业批量落地、规模化复制，瓶颈便明显起来。曹玲直言，工业应用场景高度碎片化，要获得能适应不同情况的模型和可重复使用的缺陷数据，并不容易。 这正是滨海湾国家中试基地与奥普特合作想要破解的难题。记者了解到，滨海湾国家中试基地与奥普特拟共建高泛化性AI视觉检测场景，双方计划从几个方向发力：提升复杂工况下的检测精度；应对场景碎片化带来的数据采集泛化性不足、可复用性和通用性不够等问题；缩短AI在工业生产中的上线周期；缓解缺陷样本稀缺问题。 从产业视角看，工业AI的“最后一公里”，不只是技术精度问题。单点突破，可以做出十万分之一漏检率的样本，但要把这种能力变成更多企业用得上的方案，关键在数据能否沉淀、方案能否复用、场景能否突破单一工站、单一产品和单一场景。 供应链完善合作底气足 “奥普特坐落在东莞，具有先天优势。”曹玲说，“我们沉淀了20多年的制造业经验，借助东莞在各个应用领域的供应商和解决方案，整个供应链生态非常完备、快捷，能够让我们开展共研共创的合作。” 如今，东莞制造业正站在新的十字路口：人力成本上升、订单波动加剧，传统的人工质检模式难以为继。AI质检已不是“要不要做”的选择题，而是“什么时候做、怎么做”的必答题。 当制造经验被沉淀为数据，当算法模型在产业内协同，当一座城的供应链生态共同参与，东莞制造才可能把“AI之眼”从案例变成能力，从能力变成新的质量底座。
