需求与挑战
国家政策：我国十四五规划明确指出，瞄准人工智能、量子信息、集成电路等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目。同时深入实施智能制造和绿色制造工程，发展服务型制造新模式，推动制造业高端化智能化绿色化。
当前痛点：
- 传统机器视觉和人工质检方式，无法满足制造行业提质降本增效的需求
- 人工质检——高达10%人力投入质检，人工成本高；人工质检覆盖率低，速度慢，标准不统一；检测易疲劳，漏检率波动明显，事后检测问题发现晚，修复成本高。
- 传统 AOI 质检——光学环境要求高（光线、角度等），准确率难提升（最高80%），对人工复检依赖大，抗噪性差；开发适配难
- 适应性弱；检测准确率取决于可量化的标准制定，不会持续性自动学习改善，经验无积累，大规模推广难。
工业AI质检方案
打造“设备生产运行+模型开发迭代”双循环一站式解决方案
工位质检工作流程闭环：
成像子系统主要用于对需要质检的产品进行拍照，并将图像传给工控机再由工控机传给AI推理子系统；
在AI推理子系统完成图片特征分析，并将分析结果返回给工控机；
在工控机上通过视觉软件呈现推理结果，并根据设定的规则判定是否有缺陷，并下达指令给产线PLC来控制产线自动化机构的动作(比如在发现缺陷时使用报警灯、蜂鸣器等，OK则正常往下游走)，检测流程可与工厂固有的MES做信息对接。
模型迭代升级流程闭环：
在初次部署时以及在换线时，可能需要增量样本进行模型训练，此时AI推理子系统将相关的图片传给AI训练子系统，在后者完成特征标注和模型训练并将优化后的模型发给AI推理子系统部署
方案优势
- 一站式交付——端到端解决方案，含AI的部署、运维与迭代升级;；成熟场景开箱即用，5人天/10工位部署，部署速度快，并且部署过程中采图和算法优化均不需要停线。
- 快速换线——图形界面操作、零代码、赋予企业自主运维能力，产线操作员易掌握，；可小样本训练，快速完成模型迭代，新产品型号快速上线，换线时算法迭代速度快，设计排产计划更容易。
- 成熟经验——算法模型与中科院合作训练，已经过长期验证，准确率可信，调优时间短。