AI质检学习报告——学习篇——AI质检产⽣背景和发展过程
⼀、传统质检
1.什么是质检？
百度百科对质检的定义：质检顾名思义就是质量检验。可以详细划分为内部质检与外部质检。
AI质检主要研究的是内部质检。
内部质量检查是指企业内部质检部门为了确保满⾜交付的⼯作质量要求，对⼯作结果抽取样本，进⾏连续且达置信区间的检查或验证，并对结果进⾏分析运⽤。
质检中⼀些没有技术含量的⽅⾯，像微波炉⾓落⾥的型号编码、空调背⾯不显眼的⼩螺钉、冰箱侧⾝的标签，它们的质量检测是⽣产线中最费⼈⼯的地⽅，也是制约智能制造的⽼⼤难。 2.质量检验的步骤
1.根据产品技术标准明确检验项⽬和各个项⽬质量要求；
2.规定适当的⽅法和⼿段，借助⼀般量具或使⽤机械、电⼦仪器设备等测定产品；
3.把测试得到的数据同标准和规定的质量要求相⽐较；
4.根据⽐较的结果，判断单个产品或批量产品是否合格；
5.记录所得到的数据，并把判定结果反馈给有关部门，以便促使其改进质量。
3.当前质检模式
当前制造业产品外表检查主要有⼈⼯质检和机器视觉质检两种⽅式，其中⼈⼯占90%，机器只占10%，⽽两者都⾯临许多挑战。
⼈⼯质检成本⾼、误操作多、⽣产数据⽆法有效留存，机器视觉质检虽然不存在这些问题，但受传统特征⼯程技术限制，模型升级及本地化服务难度较⼤。
⼯业检测是现代制造业不可或缺的流程。
过去⼯⼚主要是通过⼈眼识别的⽅式对产品进⾏检测，来发现缺陷。这⼀⽅式不仅效率低，准确率也不⾼。
机器视觉的引⼊，可以让产品检测准确率和效率获得成百上千倍的提升，然⽽构建这样⼀套⾏之有效的⾃动化机器视觉系统，需要耗费⼤量成本和时间去进⾏定制化开发和验证；
同时，如果系统的通⽤性不佳，就会让它难以在不同产线上普及使⽤。
因此，许多传统制造企业都对机器视觉系统的应⽤持观望态度。
⼆、AI质检
⼈⼯和AI，两种⽅式达成的效果相似的前提下，⽐较两者的成本，却相距甚远。
在引⼊AI质检员之后，⽆论是时间还是⼈⼒成本都有着巨⼤的下降。
AI质检适⽤于众多业务场景，包括但不限于LED芯⽚检测，液晶屏幕检测，光伏EL检测，汽车零件检测等。
AI质检的发展过程
具体案例1——为智能制造增添“眼”和“脑”的能⼒，英特尔提供端到端⼈⼯智能解决⽅案，助⼒美的构建⼯业视觉检测云平台
英特尔提供端到端⼈⼯智能解决⽅案，助⼒美的构建⼯业视觉检测云平台
2018年11⽉6⽇：
“美的与英特尔的⼈⼯智能专家⽤⼀套⼯业视觉检测云平台为智能制造“点睛”——未来，美的⽣产线上各类产品的检测都将⽆需⼈⼯，视觉AI可以让所有瑕疵⽆可遁逃！”
品质检测是制造⼯⼚沉重琐碎的⼯序，也是阻滞其智能化的痛点。
美的库卡机器⼈视觉团队摸索⼀年多，发现痛点的根源在机器检测视觉应⽤环境的⾮标性——⽣产线环境复杂、产品多种多样，光亮条件、产品表⾯性状都不同，⼏乎每⼀个项⽬都需要定制相机、光源、算法。
AI 与⼤数据技术的结合，可以有效地应对这⼀问题。
美的⼯业视觉检测云平台采⽤了这样的架构：前端图像收集-云端⼤数据分析-深度学习模式识别，解决视觉检测环境的⾮标难题。
前端设备收集的图像数据通过4G 或Wi-Fi 传输到云端，通过深度学习框架，经由训练获得⾮标准化视觉检测特征，最终打造出通⽤化、智能化的瑕疵检测能⼒。
⽽这⼀过程实现的关键，是英特尔Analytics Zoo ⼤数据分析+AI 平台。
英特尔AnalyticsZoo是⼀个统⼀的⼤数据+⼈⼯智能平台，⽀持基于Spark的分布式TensorFlow、Keras和BigDL，⽬的是⽅便⽤户开发基于⼤数据、端到端的深度学习应⽤。
美的视觉研究所胡正所长说：
“机器⼈帮助我们解决‘⼿’和‘脚’ 的问题，⽽机器视觉则解决‘眼’ 和‘脑’的问题。
优秀的算法和强劲的计算⼒，是我们⼯业视觉检测云平台得以发挥价值的重要前提。
英特尔® Analytics Zoo ⼤数据分析和 AI 平台的引⼊，为云平台提供了端到端的算法训练和云计算部署能⼒，⽽英特尔® ⾄强® 可扩展处理器则帮助它算得更快、更好。
英特尔软、硬件产品与技术的结合，帮助我们在智能制造之路上迈出了坚实的⼀步。”
案例分析1——为智能制造增添“眼”和“脑”的能⼒，英特尔提供端到端⼈⼯智能解决⽅案，助⼒美的构建⼯业视觉检测云平台
利⽤机器视觉进⾏⼯业检测是智能制造的重要⽅向之⼀，但传统机器视觉⽅案⾯临着诸多问题：
⼀⽅⾯，复杂的⽣产环境带来⼤量⾮标准化特征识别需求，导致定制化⽅案开发周期长、成本⾼；
另⼀⽅⾯，检测内容多样化也造成参数标定繁琐，⼯⼈使⽤困难；
⽽且，传统⽅案往往需要机械部件配合定位，因此占⽤产线空间⼤，对⼯艺流程有影响。
美的库卡机器视觉团队与英特尔⼀起构建的、全新的、基于 AI 技术的⼯业视觉检测云平台，如下图所⽰，它将所有视觉检测终端设备通过⽹络连接到云端，在云端实现图像⼤数据的收集，并将这些数据在深度学习框架中予以训练，从⽽获得通⽤化特征参数与模型，实现敏捷、⾼性能的通⽤化缺陷检测能⼒。
基于 AI 技术的美的⼯业视觉检测云平台，主要由前后端两部分组成，其中⼯业机器⼈，⼯业相机以及⼯控机等设备构成了图像采集前端，部署在⼯⼚产线上；云化部署的英特尔® 架构服务器集群则撑起了该云平台的后端系统。
在前端，如图⼆所⽰，执⾏图像采集的机器⼈装有两个⼯业相机， ⼀个进⾏远距离拍摄，⽤于检测有⽆和定位；另⼀个进⾏近距离拍摄，⽤于 OCR 识别。
以微波炉检测为例，当系统开始⼯作时，通过机器⼈与旋转台的联动，先使⽤远距离相机拍摄微波炉待检测⾯的全局图像，并检测计算出需要进⾏ OCR 识别的位置，再驱动近距离相机进⾏局部拍摄。
相机采集到的不同图像，会⾸先交由基于英特尔® 酷睿™ 处理器的⼯控机进⾏预处理，根据检测需求确定是否需要传输到云端，如果需要，则通过⽹络传送到后端云服务器上。
在后端云服务器，系统⾸先会利⽤英特尔® Analytics Zoo 提供的 SSD（Single Shot Multibox Detector）模型对预处理过的图像进⾏识别，提取出需要进⾏检测的标的物，例如螺钉、铭牌标贴或型号等等。
在数据采集及预处理优化阶段，Analytics Zoo 帮助云平台执⾏⾼效的分布式数据预处理和代码优化，使之能够在 50 毫秒内就完成对图⽚的读取和处理；
在海量数据管理阶段，其帮助云平台⾼效地执⾏数据存储、分类以及更新；
在分布式模型训练阶段，Analytics Zoo ⼀⽅⾯协助云平台构建检测模型，另⼀⽅⾯，其⾃带的TF优化器能够迅速启动分布式训练过程；
⽽在模型重定义阶段，Analytics Zoo 不仅可以执⾏参数调整，并可加速模型推理速度，相关测试数据表明，
基于英特尔® 架构平台，云平台的模型推理时间已从 2 秒缩短到 124 毫秒4；
Awwnalytics Zoo 还对命令⾏模式与 Web Service 模式提供了良好⽀持，这使得云平台可与美的其他应⽤系统实现平滑的对接。
⽽后，英特尔® Analytics Zoo 提供的 AI 能⼒，将帮助云平台进⾏海量数据管理、分布式模型训练、模型重定义、模型推理等⼀系列 AI 处理流程。
通过英特尔® Analytics Zoo 中集成的 TensoFlow*、BigDL* 等深度学习开发框架，系统可以通过不断地迭代分布式训练，提升对检测物的识别率。
将深度学习的⽅法引⼊⼯业检测，不仅可以让⼯业视觉检测云平台快速、敏捷、⾃动地识别出待测产品的诸多缺陷，例如螺钉漏装、铭牌漏贴、LOGO 丝印缺陷等问题。
更重要的是，该云平台能够对⾮标准变化因素有良好的适应性，即便检测内容和环境发⽣变化，云平台也能很快地予以适应，省去了冗长的新特征识别、验证时间。同时，这⼀⽅案也能有效地提⾼检测的鲁棒性，令识别率⾼达 99.8%1，克服了传统视觉检测过于依赖图像质量的问题。
来⾃美的微波炉视觉检测项⽬的数据统计表明：新的、基于 AI 的⼯业视觉检测云平台⽅案部署后，使得项⽬部署周期缩短了 57%，物料成本减少 30%，⼈⼯成本减少 70%2，这对传统制造业⽽⾔，⽆疑是⼀
项意义深远的⽣产⼯艺⾰新。
具体案例2——AI助⼒智能质检，客户服务体验全⾯升级
客服是企业内外沟通的桥梁，对外，向客户传达企业的产品、服务、信誉；对内，向企业反馈客户需求、产品质量、满意度等问题，客服在企业的运营发展中起着⾄关重要的作⽤。
客服质检通过对坐席员的录⾳进⾏分析、跟踪，可以发现问题，并制定相应的改善计划，以提升服务⽔平。
传统语⾳质检的弊端
当企业快速发展，呼叫中⼼业务量连连攀升，传统质检耗时长、效率低、成本⾼、精准度差、评判主观性强，难以适应企业迅速成长的脚步。
抽样⽐覆盖不⾜：
质检员随机抽取，⽆法覆盖全部录⾳，漏检率⾼，也不能精准定位存在问题的录⾳。
企业的语⾳及⽂本数据质检，⽬前仍更多采⽤⼈⼯抽检的⽅式，且平均覆盖率仅为0.5%~2%之间，完全⽆法达到统计学要求的抽检样本量要求。
质检标准存在差异：
质检⼈员的认知⽔平、判断⼒及主观意识的不同，导致了质检标准难以达到公平公正。
质检结果难以归类：
现有的质检结果信息较单⼀，⽆法做分类汇总或者做类别交叉分析，也⽆法进⾏最根本原因分析。
⽽未能被抽检到的录⾳中却包含着更为巨⼤的商业机会或者风险，主要由于没有合适的⼯具来进⾏⾮结构化数据分析，最终导致巨⼤投⼊所取得的回报甚微。
智能质检解决⽅案
智能质检解决⽅案是荣之联为企业客户提供的⼀套针对于语⾳全量质量保证的解决⽅案。
通过⾃动语⾔识别（ASR）、⾃然语⾔处理（NLP）等技术，加之⾃由化质检模型创建，实现对于语⾳录⾳的监测、评价及控制。
该解决⽅案不仅可以⼴泛应⽤于呼叫中⼼的质量检测，还可以应⽤到⽇常办公电话、银⾏柜台服务、探监通话等专有领域。
通过数据采集（转化+整合）及分析，最终实现对语⾳的智能质检，包括⾃动评分、⾃动标签分类、关键词/敏感信息告警、趋势统计分析、质检任务管理等。
荣之联智能质检解决⽅案运⽤智能技术实现全量质量监控，将质检结果进⾏⾃动分类管理，提⾼检索效率；⾃定义评分表，可以创建不同的质检标准；完善的报表功能可对总体情况进⾏概括总结。
链接
