深度學(xué)習(xí)——制造業(yè)的未來(lái)已來(lái)

各行各業(yè)的制造商都面臨著諸多方面的挑戰(zhàn)，要雇傭并留住合格員工，要跟上技術(shù)創(chuàng)新的步伐，還要滿足客戶對(duì)于速度和精準(zhǔn)度的更高要求。對(duì)于汽車制造業(yè)而言，可持續(xù)性、運(yùn)營(yíng)和供應(yīng)鏈的數(shù)字化、更高的安全要求以及對(duì)個(gè)性化的需求也成為其首要關(guān)注的問(wèn)題。斑馬技術(shù)去年發(fā)布的《汽車生態(tài)系統(tǒng)愿景研究報(bào)告》顯示，73%的受訪行業(yè)決策者認(rèn)為，如果不采用更多的數(shù)字化技術(shù)，他們的企業(yè)將處于競(jìng)爭(zhēng)劣勢(shì)，其中“開(kāi)發(fā)軟件專業(yè)知識(shí)”被列為決策者的前五大優(yōu)先投資選項(xiàng)之一。麥肯錫發(fā)布的報(bào)告也認(rèn)同這一觀點(diǎn)，稱在機(jī)器人技術(shù)、AI和機(jī)器學(xué)習(xí)方面的最新發(fā)展使我們處于新自動(dòng)化時(shí)代的前沿。

機(jī)器視覺(jué)作為工業(yè)之“眼”，適用于數(shù)據(jù)采集、識(shí)別和檢測(cè)等制造流程，隨著中國(guó)制造業(yè)用工成本的提高，機(jī)器視覺(jué)成為推動(dòng)數(shù)字經(jīng)濟(jì)時(shí)代制造業(yè)發(fā)展的重要技術(shù)；此外，深度學(xué)習(xí)融入機(jī)器視覺(jué)算法也將驅(qū)動(dòng)制造業(yè)的智能化升級(jí)。其中深度學(xué)習(xí)光學(xué)字符識(shí)別（OCR）軟件便是一項(xiàng)重要的技術(shù)創(chuàng)新。根據(jù)斑馬技術(shù)的《汽車生態(tài)系統(tǒng)愿景研究報(bào)告》，汽車OEM（原始設(shè)備制造商）決策者認(rèn)為，對(duì)比2022年，預(yù)計(jì)2027年工業(yè)級(jí)機(jī)器視覺(jué)的使用率將增長(zhǎng)83%。

深度學(xué)習(xí)與OCR的結(jié)合能夠滿足制造業(yè)在合規(guī)性、質(zhì)量和存在性檢測(cè)方面對(duì)速度、準(zhǔn)確度、以及可靠解決方案的需求。汽車、制藥、電子和食品飲料行業(yè)的運(yùn)營(yíng)領(lǐng)導(dǎo)者通過(guò)深度學(xué)習(xí)OCR獲得的收益更為顯著。

深度學(xué)習(xí)OCR賦能智能制造

機(jī)器視覺(jué)和深度學(xué)習(xí)OCR正在推動(dòng)智能制造的發(fā)展，Gartner將智能制造定義為在工廠內(nèi)部以及其他供應(yīng)鏈職能部門之間協(xié)調(diào)物理和數(shù)字化流程的概念，這轉(zhuǎn)變了人員、流程和技術(shù)的運(yùn)作方式，并提供了可提升決策質(zhì)量、效率、成本和敏捷性所需的信息。換言之，通過(guò)深度學(xué)習(xí)和OCR實(shí)現(xiàn)制造業(yè)的自動(dòng)化，有助于從硬件、軟件和人員方面獲得效益。

但要進(jìn)行準(zhǔn)確的OCR檢驗(yàn)卻頗具挑戰(zhàn)，風(fēng)格化的字體，模糊、扭曲或被遮擋的字符，反光的物體表面以及復(fù)雜、不均勻的背景，都可能使傳統(tǒng)OCR技術(shù)無(wú)法實(shí)現(xiàn)穩(wěn)定識(shí)別。所幸的是市場(chǎng)上已經(jīng)有新工具面世，它們具備工業(yè)級(jí)深度學(xué)習(xí)OCR功能，并附帶基于數(shù)千種不同圖像樣本進(jìn)行預(yù)訓(xùn)練的即用型神經(jīng)網(wǎng)絡(luò)，這一系列新工具能夠開(kāi)箱即用，即使在處理非常復(fù)雜的情況時(shí)也可以確保高準(zhǔn)確性。

這意味著在汽車制造環(huán)境中，深度學(xué)習(xí)OCR解決方案可以準(zhǔn)確地讀取電池、輪胎、零部件和配件上噴印、壓印、以及啞光和金屬質(zhì)地的序列號(hào)，以確保其與正確車型的車輛識(shí)別號(hào)（VIN）相對(duì)應(yīng)。這些解決方案還可以應(yīng)對(duì)各種字體樣式和大小，并適用于不斷變化且“嚴(yán)苛”的照明及制造環(huán)境。

深度學(xué)習(xí)OCR還可以用作更廣泛的機(jī)器視覺(jué)解決方案的一部分。例如，在汽車制造環(huán)境中，可以通過(guò)部署機(jī)器視覺(jué)解決方案，檢查連接器針腳是否缺失及其質(zhì)量和合規(guī)性是否達(dá)標(biāo)，也可以對(duì)印刷電路板上的敷形涂層、粘合劑檢驗(yàn)、線束組裝、電池極性以及總裝等進(jìn)行檢驗(yàn)。

在這些場(chǎng)景中，使用相同的機(jī)器視覺(jué)相機(jī)和統(tǒng)一軟件平臺(tái)部署的機(jī)器視覺(jué)解決方案能夠以更快的速度檢驗(yàn)物品，標(biāo)記出疑似缺陷和錯(cuò)誤供工程師檢查并判定是否為故障，以進(jìn)一步處理。審查決策將被反饋到神經(jīng)網(wǎng)絡(luò)中，有助于保持持續(xù)學(xué)習(xí)輸入的活躍狀態(tài)，從而進(jìn)一步開(kāi)發(fā)和增強(qiáng)模型。這優(yōu)化了效率，并為工程師免去了一項(xiàng)重要卻繁瑣的手動(dòng)任務(wù)。

日益增長(zhǎng)的深度學(xué)習(xí)價(jià)值

深度學(xué)習(xí)的速度和準(zhǔn)確性使其能夠更好地幫助工程師確保生產(chǎn)制造的質(zhì)量，控制生產(chǎn)成本并提高客戶滿意度。此外，易用性也同樣重要，而這正是深度學(xué)習(xí)OCR軟件的優(yōu)勢(shì)所在，它是一種易于實(shí)施和使用的應(yīng)用，無(wú)需機(jī)器視覺(jué)專業(yè)知識(shí)，只需幾個(gè)簡(jiǎn)單的步驟即可部署。

總的來(lái)說(shuō)，更易于獲取和使用的機(jī)器視覺(jué)和深度學(xué)習(xí)OCR解決方案為工業(yè)成像專業(yè)人員和工程師解鎖了新的可能性，使他們能夠更像數(shù)據(jù)科學(xué)家一樣思考和行動(dòng)。面對(duì)不斷增長(zhǎng)的數(shù)據(jù)生成速度、數(shù)據(jù)量和數(shù)據(jù)多樣性，以及對(duì)于生產(chǎn)速度、安全性和準(zhǔn)確性等更高水平的要求，我們相信這一技術(shù)發(fā)展是必要的，也是業(yè)界所樂(lè)見(jiàn)的。