开篇：计算机视觉算法在智能制造领域如何落地

最近十年中国的劳动力市场有了巨大的转变，从找工作难变成了找工人难。而这次疫情造成的隔离，又给企业用工造成更大的障碍。

在生产制造环节，主要靠的是机械化与自动化，中国作为世界制造大国，在自动化方面已经有了长足的进步。但是在质量检测环节，还是要靠人来一件一件地看。我们常见的无人车间指的是生产车间，而在质检车间还是挤满了质检工人。

与此同时在互联网领域与金融领域已经扎根结果的人工智能，在质检这个领域似乎并没有给企业带来多大的帮助。计算机视觉算法要在智能制造领域落地，有两难，开发难与部署难。

把现有算法应用到工业领域，既需要懂制造业行业知识又需要懂AI 算法，一个需要长期的经验积累，一个需要跨越极高的技术门槛。目前在算法方面，已经有一些相对成熟的算法库可供开发人员使用，如百度EasyDL是经过优化的图像分类、物体识别、图像分割模型，仅需要按照需求对图像做好标注，无需任何训练知识与技巧就可以训练出视觉模型，除此以外还有Halcon、Labview等可供使用。然而这也只是完成了20%的工作。

部署就更难了，让模型真正在生产线上发挥作用与在程序员的电脑上运行完全就是两回事。部署的难点在哪里？空间、时间、光照、自动化接口都是难题。一个检测算法开发好了，现场是否有足够的空间放下相机、镜头与光源，这是部署要解决的**个难题。

新设计的生产线还好说，可以在设计生产线的时候就把空间留出来，老线改造就难多了，如果不是对摄影光学、与视觉设备有充分的了解，很难在原有系统上放下一套光学系统。

不要以为数据生产与处理就一定比物理生产快，当检测精度达到0.01mm (工业上讲的“一道”或“一丝”)的时候，一个手机屏大小的表面就要产生 15GB 的数据，数据的传输、处理、保存的时间控制都要精细到毫秒。

光照也是大问题，一条号称世界***的汽车生产线，它的一大亮点就是通过大量使用自然光照明节省能源，而自然光在一天的变化很大，再加上一年四季的光照角度不一样，风霜雨雪的不同影响，为了避免杂散光干扰，不得不在生产线上搭一个黑屋子，以便把拍摄设备与外界光隔绝。

计算机视觉部署到车间，到了生产线，接口是什么？

高电平、低电平、上升沿、下降沿、485/422、甚至还有PROFINET、snap7、MODBUS一系列工控与自动化的接口与协议。这部分知识完全不在传统软件工程师的视野之内。

分析各个AI 在智能工厂落地的成功案例，它们都是跨越了人工智能、自动化、工业互联网三大行业的跨界典范。

人工智能在制造业的应用是碎片化的、非标化的，它要为每一个工厂量身订做独立的拍摄方案、推理道法、控制接口。

本系列文章，总结了我们在智能制造领域的实践经验，介绍了什么是工业视觉检测、它可以做什么不可以做什么、如何选择相机、镜头与光源、如何开发检测算法、如何与自动化系统进行对接以及工业视觉检测项目在实施过程中与一般软件项目实施有哪些不同。

除了按照文章中介绍的方法自行开发软件与硬件，也可以通过迦拉谛智能检测平台来简化与加快工业视觉检测项目落地过程，迦拉谛是一套软硬件结合的计算机视觉与自动化接口系统，它一头连接 AI 算法、一头连接生产线上的自动化设备，在底层是经过精心调配的拍摄、推理、控制所需的硬件系统。可以访问http://www.galateai.com以进一步了解详情。希望通过本系列文章将您的存量客户变成增量客户。