韓敬嫻

　　未來要做工業數據的流量入口。　

　　當我們在談論科技帶來的改變時，提及更多的是消費級市場、物聯網、語音助手、智能音箱等。對于不那么“大眾”的工業領域呢？

　　從經濟常識來看，低效能的生產模式必然遭到更高效率方式的淘汰，當前以機器學習、云計算、大數據等為核心的新科技勢必會為工業生產帶來一場變革。

　　年產值6個億，檢測員工占三分之一

　　“為什么會選擇軸承領域？”

　　“因為在大制造領域，軸承行業對自動化和精度要求都比較高，以軸承檢測作為起點，之后我們再進入其他領域就水到渠成了。”深度視覺科技市場銷售總監韓鶴天在接受創業邦專訪時表示。

　　軸承是工業制造中一個核心基礎零部件，全球每年產量在上千億套，中國現在大概有1500多家軸承生產企業，產量占全球市場的20%以上。

　　軸承檢測是整個軸承生產環節當中非常重要的一環，直接影響著軸承的品質和軸承的銷量。但是，目前軸承成品外觀的檢測主要還是依賴人工。據悉，中國Z大的軸承套圈生產企業，年產值6個億，共600個員工，其中200個人負責檢測。檢測人員每天工作8個小時要檢測2萬個左右的軸承，韓鶴天表示：“我試了一下，我看了10分鐘就流眼淚了。”

　　隨著檢測設備的不斷更新，目前市場上也會有一部分企業用機器視覺進行缺陷檢測，但由于技術限制，穩定性差，誤檢率基本在20%左右，也就是說，機器會把20%的好產品檢測成壞的，這就又必須用人工來進行復檢，無論是對工藝還是對成本來說，這都是巨大的浪費。

　　軸承檢測的重要性與當前檢測方法之間的矛盾，為機器視覺技術改革行業提供了突破口，也為創業者提供了進入的機會。

　　機器眼睛代替人眼，準確度拉高近18%

　　對于如何解決軸承檢測過程中效率低、準確度低、速度慢、人力成本高的問題，深度視覺科技從機器視覺切入，在智能檢測一體機上安裝多個智能工業相機，通過圖像抓取、識別、計算、踢料等基本流程來完成整個檢測。

　　在硬件部分，深度視覺為智能檢測一體機裝上多只“眼睛”。只眼睛是可見光成像，第二只眼睛是智能長波紅外相機，能檢測金屬近表層1毫米深度的裂紋，而且能跟劃痕做區分，第三只眼睛就是醫用級內窺鏡，把它放在軸承檢測整個設備里，它能檢測孔徑在3毫米以內孔徑內部的傷痕。

　　這些深度視覺自己開發的工業相機中都會加入智能芯片和自主開發的算法，讓相機擁有邊緣計算能力，也就是說在抓取圖像的瞬間，90%的計算量已經在機器“眼睛”內部完成了，從而提高了設備的運轉效率。

　　在提高準確度方面，深度視覺在設備當中加入了人工智能算法，通過深度學習，積累了大概上百種的缺陷樣式，讓設備對圖像缺陷的敏感程度更高。

　　當技術從實驗室研究出來之后，深度視覺花費半年左右的時間在工廠生產線上進行調試和實驗，來應對工廠真實生產過程中所出現的各種情況。韓鶴天表示：“這是其他創業公司不具備的市場資源優勢。”

　　經過在工廠的實際檢測，深度視覺的軸承檢測產品單從精度上看，與目前日本Z好的檢測設備僅能檢測軸承套圈200微米的缺陷相比，深度視覺的產品直接拉高了100倍。在檢測準確度上提升了將近18個百分點，純物料成本至少給客戶節省10%，同時一臺機器大概能替換掉12個人工，解決了檢測人員冗余的頑疾。

　　目前深度視覺的臺設備已經在8月份落地，據韓鶴天介紹，全球前八大軸承生產企業，有五家已經與深度視覺取得了聯系，三家已經簽了訂單。2019年國內會有20臺左右的設備會賣出去，大概意向訂單會有幾十臺。

　　未來要做工業數據的流量入口

　　除了軸承領域之外，深度視覺科技計劃將檢測設備推向泛汽車，比如說緊固件、車加工、金屬表面以及醫用膠囊等需要精度檢測的領域，涉及金屬表面檢測和非金屬表面檢測。

　　韓鶴天還表示：“未來市場打開之后，我們會通過機器視覺積累大量產品的圖片數據，成為工業數據的流量入口。比如在缺陷傷痕檢測領域，之前由于數據難以統計，金屬表面檢測行業并沒有形成統一標準，但我們可以通過積累的海量數據庫可以對不同大小、不同深淺、不同形狀的缺陷進行分析，分析它產生的原因，進而反饋給前端制造環節，甚至制定行業標準。”

 來源：《創業邦》2018年10期