阿里雲視覺AI助陣 工廠品質檢測效能大躍進

近年隨著AI蓬勃發展，已在各個垂直領域引燃智慧應用的火苗。以製造工廠而論，當今最具潛力的智慧應用，即是AI機器視覺(以下簡稱：視覺AI)。由於製程技術精進、顧客對品質的要求急遽升高，迫使工廠無法繼續沿用傳統人工品質檢測方式，轉而擁抱視覺AI技術。

據知名研究機構IDC發布的「2021亞太視覺AI軟體平台廠商評估報告」顯示，阿里巴巴已成為視覺AI亞太市場的主要廠商(Major Player)，不論針對生產力、終端使用者體驗、決策推薦等應用市場，皆已推出對應方案，在「生產力」領域的競爭優勢尤其顯著，廣泛部署於交通治理、產品品質檢測等眾多場景。

阿里雲視覺檢測模型，廣泛用於多種生產情境

綜觀阿里巴巴視覺AI的核心要素，係以「阿里雲視覺智慧開放平台」為主軸，再搭配工業視覺、AI Earth短臨天氣預測等多項行業平台。其中視覺智慧開放平台匯聚了阿里內部的視覺AI能力，轉化為文字辨識、圖像辨識、目標檢測等豐富API模板，整合對外開放，降低AI進入門檻。目前這些API每日平均調用次數已過億。

至於行業視覺應用方案，阿里雲基於工業品質檢測而打造了工業視覺平台，以低代碼的方式實現快速落地，用戶即使只懂業務邏輯、不諳演算法，也能輕易訓練與優化工業視覺AI模型。如今被廣泛應用在太陽能光電、PCB、消費電子等領域，成功協助眾多中國大陸工廠提升生產品質。不僅如此，亦在電動車、自駕車領域嶄露頭角，主要運用於動力電池防爆閥的品質檢測，實現「檢出率大於99.9%」、「誤報率小於2%」的成績。

鋼板上髮絲般裂紋，難逃AI法眼

綜觀中國大陸的工業品檢應用，鋼鐵工廠是阿里巴巴視覺AI技術的yingy 場景之一。在於鋼板上只要出現微小裂紋、哪怕細如髮絲，都被視為重大瑕疵；但相關檢測流程十分艱難，須由工人踩在高溫鋼板上，以手電筒仔細查找缺陷，一天動輒走上萬步，辛苦之餘，卻也無法做到100%不漏檢。

為解決上述困擾，某鋼鐵公司利用阿里達摩院先進演算法，特別打造AI品質檢測系統，讓鋼板表面缺陷的檢出率，從過去90%提高為98%，大幅優化鋼板出貨品質，且讓「品質異議」所衍生的賠款金額，從人民幣0.06元／噸降為0.02元／噸。

現在在該鋼鐵公司旗下的中厚板工廠內，放眼可見一座座的藍色「小房子」，所有熱騰騰鋼板在經過小房子的瞬間，皆由工業相機擷取影像，再立即上傳至小房子內「熱軋鋼板表面品質檢測系統」執行分析，短短3秒鐘產出「OK」或「NG」結論，其中不管是髮絲般的裂紋或氧化鐵皮脫落、壓入的微小異物，都會被AI精準識別出來。

也許有人好奇，如此微小裂紋，真的嚴重影響熱軋鋼板品質？其實裂紋被歸類為鋼板的表面缺陷，可能嚴重影響鋼板強度，特別是在中厚板部份；只因中厚板通常用在橋樑、造船或大型工程，絕不容許因為鋼板缺陷而影響工程品質，故要求鋼板出廠必須嚴加檢測，工程方收貨後還會進行複檢，只要發現缺陷就提出品質異議，若判定不合格，鋼廠需負擔賠償責任。

但如果按照傳統人工檢測模式，要檢出細微瑕疵談何容易？以往不時可見老師傅踩在鋼板上彎腰細看，假使發現缺陷，就隨即用筆標註。換言之鋼板品質優劣、賠款金額高低，都維繫在老師傅的眼力、體力。

更麻煩的，靠人工也只能檢出上表面瑕疵，看不到下表面缺陷，導致最終檢出率僅約90%。鋼鐵公司在採用AI系統後，總算突破此一限制，將瑕疵檢出率向上推升8個百分點，也把準確率提高至90%。影響所及，鋼板品質異議金額開始銳減。

一個優秀的標竿案例，是可參考、可操作、可複製的，有助堅定企業轉型的決心，讓企業在轉型過程中少走冤枉路。阿里雲濃縮過去幾年在製造業數位轉型的累積經驗與最佳實務，從產業、技術、場景、模式與組織等多個角度進行剖析，並系統性歸納與梳理成集，希望借此為走在轉型路上的製造企業帶來思考與啟發。如欲瞭解更多工業轉型案例，請參考「阿里雲製造業數位轉型案例集」。