作者：賽雅

　　“如果你知曉“深度學習”，說明對人工智能有較為深度的認知”。李宇笑容謙和，引領著筆者在大恒圖像的官方網站巡游，我們不禁將目光停留在“深度學習”的專區。視覺獨角獸的競技讓視覺處理技術得以長足發展，近幾年也正逐步應用于印刷、包裝、電子、交通、安防、冶金、紡織、食品藥品、航空航天、醫療科研等諸多領域。隨著對AI視覺技術的基礎研究不斷深化，從市場格局來看已經發展成為一個相對獨立又相互依存的產業生態。

　　李宇畢業于武漢大學印刷工程專業，自2010年起以華東區銷售總監的身份進入大恒圖像，如今他已是上海辦事處的總負責人、非標檢測事業部總經理。在與李宇的交談中，可以感受到他對工業視覺領域極度的熱忱與追求，以及對公司乃至行業發展的信心與信念。視覺檢測具有顯著的資金密集、技術密集、人才密集的行業特征，因此每一項門檻對企業的要求都非常高。大恒積累了24年實踐經驗，具備深厚的技術底蘊，資深研發團隊和支持團隊400人以上，其中碩士博士超過半數，人才儲備也是厚積薄發。目前視覺處理器市場的整體規模（包括硬件、軟件、服務）在170億美元至180億美元，單從硬件來看也占到了30億美元左右，未來會更加快速地增長。深度學習為代表的AI技術是圖像領域近20年非常重大的進展，該技術向工業視覺領域滲透幾乎是必然的。這必將顛覆現有的產業格局。

　　談及“人工視覺”，李宇將其分為兩個部分，一是攝取圖像并且進行一些噪聲去除等初級圖像處理；二是對所攝取的視覺信息進行并行處理。目前國際技術水平朝著高分辨率、寬動態范圍、高幀率、高智能化、寬波長范圍和三維成像的方向發展。人工視覺系統能夠完成圖像獲取，和初級（圖像濾波）、中級（特征提取）和高級（特征識別和不規則處理）三個圖像處理步驟。當AI視覺技術真正從實驗室走向應用落地，工業產品的自動化檢測領域完全可以使用視覺系統代替人工檢測；在智能監控領域，過去需要將視覺處理芯片裝在具有傳感器技術的攝像頭上，通過把數據結構化、再壓縮送到數據中心的復雜方式完成數據傳輸和計算，以后可能就會徹底改變這種結構。

　　基于計算機視覺和機器人技術的研發，大恒將AI技術縱深應用于工業自動化領域，主要解決工業缺陷檢測和智能分揀抓取問題。李宇以客戶福耀玻璃為例，福耀為奔馳提供車窗玻璃的高檔裝飾條，每根上萬元，價格不菲。在生產線上有3000~5000的質檢人員，需要肉眼觀察產品的外觀瑕疵問題。這類工種是非常痛苦的，屬于操作工級別里面的腦力勞動者。長時間勞動不僅眼睛會疲勞，精神也會疲憊松懈。利用計算機視覺技術、機器人技術，每根2米多長的裝飾條，可以通過機器拍攝1000多次，每一幅圖都自動調焦，角度和位置都不相同，每根裝飾條有1000次呈現的角度。基于深度學習的智能工業檢測平臺軟件，解決復雜缺陷的定位、檢測、分類等問題，可以實現100%高效精準的機器視覺檢測，大幅度降低次品率，對福耀玻璃而言，堪稱是一次非凡卓越的技術革新。

　　汽車工業和自動化系統是完美的搭配。汽車裝配線是一種高速作業，充滿了高度重復的任務。過去，機器人技術每次都可以通過相同的動作，但是可用于汽車的一系列可定制選項推動了該行業機器視覺的發展。視覺不僅對組裝很重要，加入最新技術增加了對詳細檢查的需求。機器視覺正在幫助制造商更快、更準確地發現缺陷。吞吐量是汽車工廠運營成功的關鍵，適當的檢查有助于汽車制造商避免代價高昂的召回。世界500強大陸汽車，儀表盤銷量全球排名第一，在依賴人工檢測的制造階段，質量損耗高達百億歐元。儀表盤在印刷生產時，每次單色印刷需反復多次。如果其中一色出錯，未被人工檢測及時發現，就會造成后續工藝的白白浪費。李宇通過引入大恒印刷在線檢測系統，替代以往人工部分抽檢的方式，以機器自動化實現產品印刷的100%質量檢測。大陸汽車儀表盤質量檢測實現飛躍性的業績改進，透光檢測的工序時間從66秒減少至12秒；工作區域空間從160平方減至95平方；最終檢驗工序的時間從8.7秒減少至2.1秒，工作區域空間從200平方減至100平方。PPM從200降至110，是儀表盤產業鏈前所未有的工藝創新和業績提升。

　　李宇將AI和機器人技術在工業自動化領域的應用比作人的身體構造：第一, 腦，即數據分析類。比如做設備的監控管理，提前預測設備的使用情況，提前補救，而非事后檢查。在整個工藝鏈條上進行關鍵工藝數據的記錄，進行數據挖掘和分析，優化工藝參數，提升設備的能力以提高良率等。第二，眼，即智能質檢。通過深度學習進行視覺缺陷檢測，從而達到產品質量控制。第三，手，以及手和眼配合的場景。比如物流里面的分揀以及裝配領域都需要大量的人力，需要手眼結合，我們用高精度的視覺和機器人配合，去把這部分人力進行替代。第四，腳，就是各種AGV，用于工廠或者在封閉的空間里進行無人駕駛。李宇所精通的視覺檢測領域，恰似一雙慧眼，通過利用光、機、電、計算機技術為一體的自動化印刷質量檢測設備替代傳統人工，在40條生產線上，一改人眼目測勞動強度大、費時費力、檢測標準不統一的窘境，在自動化流水線上實現優良品和不良品有效的識別和分離，為世界500強中糧包裝在金屬馬口鐵印刷方面填補了國內空白，其應用給印刷質量檢測帶來革新性的進步，是中國印鐵行業開創性的技術突破。

　　由于深度學習，制造和工程正在經歷突飛猛進的進步。機器視覺成為一個迷人的領域，它將麥克風或攝像頭形式的現實世界監控與人工智能相結合，用于許多現實世界的應用，人工智能和嵌入式視覺比以往任何時候都更多地被用于使生產線運行更加順暢和高效。AI人工智能，可以像人類一樣處理事件的“智能”計算機，涉及復雜的計算機算法。令李宇引以為豪的，是自己領銜開發出的核心算法模塊化。以印鐵行業為例，針對印品的各種缺陷特征，有針對性的設計檢測算法，推出文字檢測、套印檢測、燙金檢測、凹凸檢測、號碼檢測、顏色檢測、拉線檢測、測量等多種算法模塊。若出現特殊缺陷，可以針對性的追加特殊算法，滿足不同客戶對品質的不同需求。這一人工智能檢測系統正服務于中國年產值超過200億的金屬包裝行業巨頭企業，嵌入式視覺在極大程度上幫助降低制造成本和產品缺陷。

　　人工智能的大潮滾滾而來，當今世界的產業在顛覆的基礎上重塑格局。李宇這位視覺檢測領域的弄潮兒，在深度學習中思考，在深度學習中升華。他助力大恒檢測系統、檢品機年產值累計產值超3億，實現華東區市場占有率超過60%；以冠軍的姿態，成為人工智能這一時代潮流的領軍者。