汇彩网

汇彩网    曾有一個工廠是生產制造手機數據線零部件，每天產出230萬個數據頭，質檢工人，是整個流水線的最后一環，也是對人力依靠水平最高的環節。

    很多工廠都裝上了全自動流水線，但唯獨質檢環節例外——質檢環節面臨的環境最為復雜，不是單純的機械設備作業。

    比如，那個小小的數據頭，很有可能有33項缺陷讓其淪落為殘次品，有縫隙，有裂痕，有刮擦這些。

    零部件愈小，越考驗檢驗員的經驗、眼神和體力——尤其是在精密度規定極高的3C行業，他們必須像機器設備一樣周密有序，高速運轉。然而，心態再好的工人也有情緒波動之時，當他們處在疲乏期或者痛苦期時，質檢的精準性便會大打折扣。

    瑞智光電視覺檢測機“憐香惜玉”

    但質檢工廠里的女工，顯然較為幸運——他們的拯救者來了，憐香惜玉的——瑞智光電那個名叫“表面缺陷視覺檢測機”的機器設備走進工廠后，能夠關心成千上萬的一線質檢工人，減輕大量高重復性、高頻次的工作中，提高效率，解放更多勞動力。

    事實上，用視覺檢測機來取代人工檢測，某些外企此前類似有一定的探究——這是3.0版的全自動流水線，依靠的技術是傳統式的機器設備學習。

    但由機器設備學習驅動的“檢驗員”，只能在較為確定性的環境下，對人類指定的單一性的兩三類缺陷精確甄不，也便是講“指哪兒打哪兒”，靈活度低，普適性低，包容度低，無法做到對人工的徹底替代，只能做到“人機配合”。

    舉例來講，如果外部環境變了，比如光線的明暗變化，陰天和晴天不同的天氣狀況，都要對機器設備學習的質檢算法進行調節，而一旦商品的外部形態、制造工藝更改了，也要重新調節算法。

    機器設備學習驅動的全自動質檢，必須匹配專業的AI人才，不斷調節算法，落地門檻高，普適度很低。

    而瑞智光電CCD視覺檢測機則由深度學習驅動，能夠全面檢驗數據頭的30多類缺陷，精準度能夠做到人工檢驗員的標準。而且，伴隨著時刻的推移和經驗的積存，其精確度還會繼續不斷提高，趨近完美。