一家汽車制造商推出了數(shù)英里的鈑金后鍛件，并希望這種金屬的材料特性準(zhǔn)確無誤。鈑金通過沖壓變形為車身面板，如果特性不正確，則材料可能會裂開。當(dāng)今的制造地板每隔四秒便會在汽車面板上蓋印一次，這比人類檢測的速度快得多。面板和零件將被發(fā)送到離線工作站，在該小組中，團(tuán)隊會手動檢測零件是否有裂痕。檢測每個零件需要幾秒鐘，然后將零件發(fā)送到裝配體，該過程緩慢且昂貴。
問題的代價
人工成本是主要要務(wù)。雇用了一組人員來檢測零件，但是這些角色的周轉(zhuǎn)率很高，需要在招募和培訓(xùn)上進(jìn)行投資。根據(jù)檢測員的數(shù)量，這些費(fèi)用每年可能高達(dá)每條生產(chǎn)線數(shù)十萬元。如果發(fā)現(xiàn)有裂痕的零件無法沖壓到裝配體，則成本開始攀升。逃到裝配中的有缺陷零件使制造商付出的成本遠(yuǎn)遠(yuǎn)超過零件本身。如果零件泄漏到產(chǎn)品中，則可能會損失整輛車，以及相當(dāng)大的品牌損失和客戶投訴。每年在其所有工廠上花費(fèi)數(shù)千萬元，用于招聘，培訓(xùn)，保留，檢測和補(bǔ)救沖壓過程中的缺陷。
工廠經(jīng)理的困境
工廠經(jīng)理不斷面臨著同樣的問題：如何在不犧牲安全性和質(zhì)量的前提下優(yōu)化運(yùn)營？
手動檢測似乎是較好的選擇,但是很慢，容易出錯，而且很貴。
除了體力勞動之外，Machine Vision（MV）技術(shù)解決方案還試圖解決這一問題。MV解決方案是基于規(guī)則的，這意味著它們是嚴(yán)格的。須按照MV應(yīng)用程序邏輯期望的方式準(zhǔn)確顯示圖像。他們無法解釋照明，零件形狀或缺陷位置的變化。
人工智能面臨的歷史挑戰(zhàn)
近期，機(jī)器視覺（Machine Vision）充滿了人工智能（AI）驅(qū)動的解決方案的希望。與歷史上的MV不同，由AI驅(qū)動的MV“學(xué)習(xí)”在許多不同種類的零件，光照條件和缺陷位置上的缺陷外觀。
不幸的是，訓(xùn)練AI驅(qū)動的MV解決方案以達(dá)到與人相似的準(zhǔn)確性的過程非常緩慢且昂貴。對于初學(xué)者而言，這些解決方案需要數(shù)據(jù)科學(xué)家中稀有且昂貴的技能，后者會決定調(diào)整和調(diào)整系統(tǒng)以產(chǎn)生準(zhǔn)確的結(jié)果。數(shù)據(jù)科學(xué)家為AI模型配置，訓(xùn)練和設(shè)置處理過程可能需要幾個月的時間。
下表中的示例概述了數(shù)據(jù)科學(xué)家需要做出的數(shù)十個決定的表面?？偠灾?，可以調(diào)整80多個此類相互依賴的因素以優(yōu)化準(zhǔn)確性。
型號配置
我們的神經(jīng)網(wǎng)絡(luò)應(yīng)該有幾層？我們應(yīng)該如何在節(jié)點之間分配工作負(fù)載？
模型訓(xùn)練
我們應(yīng)該訓(xùn)練多長時間？我們應(yīng)該使用什么學(xué)習(xí)率？
前后處理
我們應(yīng)該將圖像運(yùn)行一次還是兩次？是否有助于提升圖像質(zhì)量？
一個AI驅(qū)動的系統(tǒng)通過攝取其試圖學(xué)習(xí)如何看待事物的樣本進(jìn)行訓(xùn)練。通常，它需要數(shù)千個正確的示例圖像來訓(xùn)練系統(tǒng)。這些樣品須由該領(lǐng)域的專家標(biāo)記。攝取圖像并訓(xùn)練模型后，數(shù)據(jù)科學(xué)家會以反復(fù)試驗的方式更改參數(shù)，以優(yōu)化準(zhǔn)確性。
例如，為了達(dá)到99.9％的精度檢測汽車零件的裂痕，基于AI的競爭解決方案將需要一名數(shù)據(jù)科學(xué)家大約1100個小時才能達(dá)到99.9％的精度。
人工智能驅(qū)動的機(jī)器視覺是一個緩慢而昂貴的主張。這是這些方法未“準(zhǔn)備好企業(yè)”的原因之一。
有什么變化？
2012年，深層神經(jīng)網(wǎng)絡(luò)贏得了ILSVRC“ Imagenet挑戰(zhàn)賽”。從那時起，DNN在大規(guī)模圖像分類任務(wù)上已經(jīng)超過了人類的準(zhǔn)確性。這些成就源于三件事的融合：
1、在神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)領(lǐng)域進(jìn)行的數(shù)十年研究
2、更大的培訓(xùn)數(shù)據(jù)集的可用性
3、用于在大型數(shù)據(jù)集上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的GPU性能的進(jìn)步
