1 什么是智能制造
什么是智能制造？是自动化流水线，遍布工厂的机械臂，还是空无一人的工厂？都不是，这是自动化，而非“智能制造”。若离开在制造过程中进行的智能活动，如分析、推理、判断、构思和决策等，智能制造将如无根之水，而助力工业智能从“感知”到“认知”，赋能制造业从“制造”到“智造”的，正是人工智能技术。
2 AI赋能智能制造
2019 海康威视AI Cloud生态大会“智能制造协同发展”行业论坛上，海康机器人总裁贾永华首次提出“AI赋能智能制造”，意在逐步将深度学习等人工智能技术、物联网技术落地应用智能制造领域，从完成多维感知、数据采集和处理的机器视觉系统，到实现智慧内物流的移动机器人系统，持续推动机器智能化、服务智能化、生产智能化。
“推动智能化不是一个点也不是一个平台，而是要通过一个体系实现”。
海康机器人依托海康威视AI Cloud体系逐步推动“AI+智能制造”落地。海康威视AI Cloud由“边缘节点、边缘域、云中心”三层架构组成。边缘节点侧重多维感知数据的采集和前端智能处理；边缘域侧重感知数据的汇聚、存储、处理和智能化应用；云中心侧重包括物联网数据在内的多维数据的融合及基于大数据的多维分析应用。
海康威视AI Cloud架构
冠以“智能”之名的智能制造领域，人工智能技术能为其提供什么样的帮助？
“AI赋能智能制造”专题将通过系列文章逐步解读，从囊括机器视觉、移动机器人产品的边缘节点，到不限于RCS\TPS\WCS系统、VM算法平台等的边缘域，以及云中心、数据如何赋能智能工厂运维。我们将立足海康机器人核心技术、产品与服务，以小见大，与您探讨智造的未来。
本期主讲AI赋能智能制造系列之机器视觉
人类在感知外界环境的过程中，80%以上的信息来自于视觉。在工业制造领域，机器视觉产品是机械设备的“慧眼”，实现了对外界环境的观察、识别以及判断等功能。工业环节的人工智能应用，多数都与机器视觉技术有关。
AI Cloud架构中，机器视觉产品处于边缘节点圈层，完成了多维感知数据的采集和前端智能处理。将AI算力注入边缘，赋能边缘智能是大势所趋。
01更便捷的缺陷检测应用
传统的视觉系统面对复杂多变的缺陷类型，需要根据实际的场景搭建不同的算法模块，非常繁琐，而借助AI深度学习，只要通过缺陷样本的训练，得到训练模型，利用模型就可以进行缺陷检测。
对于混杂在被检测物中的划痕，首先要对其进行分割识别。如下图，深度学习分割算法可对图片进行标记训练，得到每个像素点是缺陷的概率图，在概率图基础上结合Blob分析的工具，实现表面缺陷检测。无论划痕的形状、位置如何变化，AI加持的视觉系统都能即刻做出正确判断。
02 更精准的字符识别应用
借助基于神经网络的深度学习算法对已知类型的数字、字母类字符进行标记训练，在生产过程中可以识别画面中是否存在类似字符，并输出准确的结果，让机器在没有人的帮助下自己读懂字符概念。
如下图所示，工业相机在进行字符识别应用时，蓝框所选字符处于背景有脏污、干扰的环境中，人眼难以准确读取，但借助基于神经网络的深度学习算法，视觉系统能够高效识别，并输出结果（绿色字符所示）。
基于AI深度学习的字符识别应用对点阵、粘连、变形、低对比度、复杂背景等均有较高识别率，完成了传统视觉系统无法实现的功能，且单一模型兼容多种字体及包装形式，在下图所示的乳制品灌装线上，结合AI的视觉系统可满足流水线上的高速检测需求，识别率达到99.98%以上。
03 更高效的目标定位应用
在没有固定定位特征的场景下、且目标位置随机变化时，传统视觉系统无法实现目标定位。这种情况下借助AI深度学习目标定位应用，则可轻松锁定目标，再也不用“众里寻他千百度”。
如下图所示的包裹面单，无论如何放置包裹，借助深度学习目标定位算法，相机都能高效读取条码信息。
这种技术在各大快递分拣中心已落地应用，面对双11、618的天量包裹，也能让你下单的宝贝更快到家。
04 更多维的视觉感知方式
过去，2D相机无法采集物体深度、体积等信息，搭载2D相机的机械臂不能对有高度差混料和无序摆放的物体做抓取。3D感知技术加持后，则可实现上述功能。从无到有，更智能的定位引导和体积测量应用不再“高深莫测”。
结束语
机器视觉系统的特点是提高生产的柔性和自动化程度，运用在人工视觉难以满足要求的场合。AI是制造业转型升级的变革力量，机器视觉之于AI等同于视觉之于人类。海康威视深耕多维感知、深度学习等多项AI关键技术，海康机器人助推AI与生产制造业的智慧碰撞，让工业设备“慧眼如炬”，用AI赋能智能制造。
目前，海康威视机器视觉已为3C、食药品、新能源、汽车及零配件、纺织、电子半导体、物流等行业赋能。