AI技术正全面向工业领域渗透，这一次轮到汽车零部件行业，瞄准的是产品质检。
外媒报道称，配合小型摄像头，奥迪基于复杂人工智能神经网络技术研发的软件，在创新机器学习程序下运行，能在几秒内自动、可靠地识别并标记钣金零件中最微小的裂缝。
在国内，这项技术的落地正在同步进行。北京波塞冬科技有限公司（以下简称“波塞冬”）就以AI机器视觉技术为切入点，旨在为汽车业客户提供零部件外观检测的自动化解决方案。让记者没有想到的是，作为成立刚满一年的初创公司，波塞冬竟已获得来自零部件行业的不少橄榄枝――国内电镀件、汽车玻璃、轮胎等领域位居前列的几家知名企业欣欣然与之合作，启动项目试点。
从目前的情况看，无论整车企业，还是零部件供应商，行业普遍看好AI技术在零部件质检方面的应用。这是值得认真研究的一个现象。外观检测存在三大痛点数据显示，2012年至今，我国零部件制造业产值占汽车总产值的比重保持在40％左右，不过，其精细化管理水平仍有待提高，零部件外观检测领域存在的问题就是一个例证。现阶段，质检工人在零部件企业的人员组成中占据了很大比例。以电镀行业为例，年产值5亿元的供应商，大约需要200～300名质检工人，计入相关的管理成本，每年企业要负担的费用超过2000万元，约占年产值的4％。在外观检测过程中，以电镀件为例的零部件产品对精度要求非常高，出现直径超过0.5mm的小圆点瑕疵都被归为不合格品。但实际上，因为强反光、视觉疲劳等因素，这些瑕疵通过人眼检查的难度非常大。波塞冬的创始人兼CEO王勇，曾担任德国汽车工业联合会高级质量经理，审核并辅导过上百家汽车零部件企业。他向记者道出了零部件外观检测的三大痛点：一是人工检测局限性大。除了高昂的成本外，人工效率低、判断不客观、易疲劳误检以及人员招工难等问题，都是成为制约零部件品质提升的不利因素；二是传统设备适应性差，当前国内绝大多数厂家都以集成为主，只能针对某些特定的外观缺陷进行检验，更新改进的难度比较大；三是人工统计缺陷问题多，对于缺陷零部件，人工统计不仅容易出错，也缺乏对数据的深度挖掘利用。
这应该就是当前零部件行业普遍看好AI机器视觉检测的主要原因。王勇说：“国内有超过10万家汽车零部件成规模企业，按照平均每家每年20万元的AI检测投入计算，AI零部件外观检查的市场规模就超过200亿元/年（不含其他衍生服务）。如果以全球来计，这个数字将超过1000亿元/年。”
首先从细分领域切入
据介绍，波塞冬的解决方案是用结构光照射零部件，3D摄像头会采集零部件在各个角度的图像，并通过自行研发的Neptune神经网络结构程序进行AI最佳算法分析，由此发现并自动标记出有瑕疵的不良品。此外，由于AI具备深度学习的特征，随着垂直领域缺陷数据的不断累积，公司后续还将通过Openai.cn大数据平台进行最新算法升级推荐。
记者了解到，针对电镀件，波塞冬样机可实现精度0.1mm的外观不良检测，在对某品牌的车标质检测试中，实现了95％以上的准确率。王勇解释称，电镀件属于强反光零部件产品，汽车玻璃则属于强透光零部件产品，而轮胎则属于弱反光的典型。这些零部件光学特征非常复杂，是AI视觉检测的国际难题，但市场应用前景极为广阔。从这几类高难度的产品入手，积累经验，再延申到其他品类的产品检测，后续开发将更加容易。
“目前，我们攻克了机器视觉强反光零件微小缺陷检测难题，相关技术已申报国家专利，原型件开发和原理验证完毕，获得行业内技术评审专家的肯定，产品预计今年年底前正式交付客户使用。”王勇告诉记者，当前一些笔记本、电池以及码头集装箱厂家陆续联系过波塞冬，寻求AI机器视觉领域的深度合作。一些地方政府，也都给出不同程度的优惠政策，希望他们能够本地落户建厂，带动地方产业向人工智能领域升级。
跨学科技术应用有待破局
AI技术应用于零部件质检的蓝图是美好的，但因其涉及光学、机电学、人工智能、工业制造等多个学科和领域，自带高门槛，因此也已集中大批高学历的海内外人才。波塞冬的团队就体现出了跨界融合的意味。据介绍，该公司不仅拥有来自海内外知名院校的硕士及博士，而且团队成员均具备相关领域顶级机构多年的工作经验，具备了比较完整的光、机、电及AI算法能力。
“中国AI视觉检测市场充满了丰富的想象，潜力十分巨大。”王勇认为，“中国对新技术的接受程度远远高于其他国家，对数据的利用也比较成熟，因而未来很可能会诞生全球AI机器视觉领域的巨擘。”他表示，对于AI机器视觉，无论硬件设备还是缺陷识别软件销售，抑或是售后大数据算法升级服务都具有很强的变现能力。
在“工业4.0”发源地德国，奥迪有意推广人工智能技术的应用，以求在生产过程中彻底改变质检过程――如果有足够多的标记数据集，该系统也可用于喷涂车间或装配车间的质检工作。在中国，王勇目前最为遗憾的则是波塞冬作为初创公司，资源有限，难免会错失一些良机。AI机器视觉在汽车零部件领域的应用是一个契机，目前已不乏充满勇气的探路者，但也同样离不开资本助力和来自汽车行业的更多支持。
不远的将来，AI技术在零部件质检中到底能不能成为“神器”？技术的成熟度和产业化的可行性才是最终的答案。