AI公司众多，谁能解决工业缺陷检测难题

    缺陷检测之难，制造企业之殇

    随着全球市场对于生产制造行业的产品质量要求的提高，产品的外观检测已经成为制造商越来越重视的环节之一，而传统的依靠人眼分辨产品是否缺陷的方法已经不能满足日益严苛的检测需求，而且人工检测存在诸多主观性，新旧人员的熟练问题，效率问题，成本问题等等，成为制造企业的一块心病。

    虽说传统机器视觉在中国已经扎根20年，然而缺陷问题依然只能通过人工目检，根本原因是技术问题。传统图像处理检测主要依赖模板匹配，然而缺陷问题随机性，复杂性，与背景的相似性，传统的二值化、滤波等对其束手无策。

    人工智能崛起，新型方案依旧难觅

    近几年随着深度学习的快速发展，工业领域的缺陷问题有了一线生机，通过数据标注，模型训练是有机会可以解决检测难题。然而，一夜之间，市面上几乎每家公司都给自己带上“人工智能”的标签，市面上全是方案又都是无效方案。

    当然也有一批AI研究人员扎根落地工业，但是在工业检测领域，不仅仅是你懂点深度学习，懂点图像处理就可以解决问题。你需要懂得机器视觉的方方面面，成像部分的：相机、镜头、光源，需要懂得如何采到合适的图像用来训练；机械部分：需要懂得整套的自动化设计控制、网络架构，懂得如何让整个方案运转起来；算法部分：需要经验丰富，如果不能快速检测落地，客户无法长时间陪你尝试。

    于是我们会发现，制造企业依然难于找到合适的企业来帮助解决缺陷检测问题，解决检测自动化问题。

    新型机器视觉专家，认准两点

    第一、看团队，创始团队是否视觉背景出身，缺陷检测问题不仅仅是一个深度学习能解决的问题，更多的是对传统图像处理、深度学习等多个方面的结合，需要对各类视觉处理方法有足够资深的见解，融合处理；核心团队对工业是否经验丰富，是否对成像，对自动化，对网络架构熟悉，这涉及到是否能够真正的解决问题。

    第二、看真实案例，PPT公司满天飞，有一张缺陷图像就说自己解决过这个问题有过这个案例是不真实的，需要深入沟通挖掘、观看视频demo等等，有案例说明经历过工业里面许多未知，也能更好的解决更多未知。