以印刷行業(yè)為例，為了保證印刷品質(zhì)量，正式開印前的印樣確定往往慎之又慎，需要相關(guān)負責人層層把關(guān)。但以往單純靠人眼檢查的操作，讓印刷品標準成了一個“只可意會，不可言傳”的存在，印樣確定需要反復多次，影響效率。這樣的生產(chǎn)過程急需通過技術(shù)手段改進。

  工業(yè)AI離不開“眼、腦、手”的配合，眼睛明亮，腦子聰明，手腳靈巧，相互配合，才能實現(xiàn)工業(yè)AI。

  隨著成像器件朝著高靈敏、高動態(tài)、高分辨、低噪聲的方向發(fā)展，多維多尺度的精準成像成為現(xiàn)實。新興的計算光場成像、相干調(diào)制成像和高光譜成像等計算成像技術(shù)突破傳統(tǒng)視覺成像瓶頸。技術(shù)進步為工業(yè)AI擦亮雙眼。

  機器視覺很早就進入了人工智能的領(lǐng)域，但用的主要是傳統(tǒng)的模式識別的算法。隨著機器學習的廣泛應(yīng)用，顯示屏行業(yè)開始打造傳統(tǒng)算法和深度學習相融合的算法，稱之為“雙引擎”。二者相結(jié)合，為工業(yè)AI打造聰明的大腦。

智慧工廠的構(gòu)想

  目前，工廠管理所有的環(huán)節(jié)都是圍繞產(chǎn)品展開的，包括人工、工藝、設(shè)備等。在這個過程中產(chǎn)生的數(shù)據(jù)多是人工記錄或者是缺失的。最能體現(xiàn)生產(chǎn)情況的來自生產(chǎn)一線的海量數(shù)據(jù)卻沒能帶來任何反饋。

  智慧工廠的中心是數(shù)據(jù)，在架構(gòu)上包括數(shù)據(jù)獲取、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用。除了對常規(guī)的制造數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)進行整合，質(zhì)量數(shù)據(jù)的加入為工廠管理注入靈魂。通過質(zhì)量全環(huán)節(jié)數(shù)據(jù)與品質(zhì)數(shù)據(jù)的綜合利用，進行工業(yè)大數(shù)據(jù)的分析，進而做出企業(yè)決策。

  除了機器視覺的設(shè)備以外，還需要大量的工業(yè)軟件來做支撐。

  智能駕駛艙主要從設(shè)備中獲得質(zhì)量信息和工藝流程的數(shù)據(jù)。同時能對設(shè)備進行實時的調(diào)整和優(yōu)化，保證品質(zhì)。GMQM則以質(zhì)量標準為準線進行統(tǒng)一管理，通過檢測模型和集中訓練保障產(chǎn)線一致，最終實現(xiàn)工藝改善，快速閉環(huán)。

  智慧工廠以設(shè)備、產(chǎn)線的精細管理為基礎(chǔ)，進而構(gòu)建工廠級決策-認知圖譜，建立基于知識圖譜的工廠檢測管理、分析與決策框架。