制造質(zhì)量控制實(shí)踐長期依賴于外觀檢測(cè)，當(dāng)然，對(duì)從生產(chǎn)線下線的產(chǎn)品進(jìn)行目視檢測(cè)很重要。但是，目視檢測(cè)還用于對(duì)設(shè)備（包括儲(chǔ)罐，壓力容器和管道）進(jìn)行內(nèi)部和外部評(píng)估。

　　機(jī)器視覺和人工智能正在進(jìn)入生產(chǎn)和制造。深度學(xué)習(xí)為檢測(cè)實(shí)踐提供了更快，更便宜的自動(dòng)化。大多數(shù)檢測(cè)過程都是定期進(jìn)行的，因此自動(dòng)化非常適合該應(yīng)用程序。

　　以下是執(zhí)行檢測(cè)的一些區(qū)域：

　　1、汽車零件

　　2、電子元器件

　　3、建筑材料

　　4、餐飲

　　5、醫(yī)療用品

　　6、原材料

　　自動(dòng)檢測(cè)與手動(dòng)檢測(cè)

　　自動(dòng)檢測(cè)克服了手動(dòng)檢測(cè)系統(tǒng)的許多限制。在制造中，目視檢測(cè)錯(cuò)誤采用以下兩種形式之一。首先是缺少現(xiàn)有缺陷，第二個(gè)是對(duì)缺陷的錯(cuò)誤識(shí)別，丟失會(huì)導(dǎo)致質(zhì)量下降，而錯(cuò)誤的標(biāo)識(shí)會(huì)導(dǎo)致不必要的生產(chǎn)成本和整體浪費(fèi)。這些錯(cuò)誤通常可歸因于人類視覺的獨(dú)立性，視力的不準(zhǔn)確性以及勞動(dòng)成本。

　　自動(dòng)化檢測(cè)系統(tǒng)通常會(huì)超過手動(dòng)檢測(cè)的標(biāo)準(zhǔn)。由于機(jī)器視覺的速度，準(zhǔn)確性和可重復(fù)性，它在質(zhì)量和數(shù)量測(cè)量方面超過了人類視覺。機(jī)器視覺系統(tǒng)可以發(fā)現(xiàn)物體細(xì)節(jié)太小而無法被人類檢測(cè)到，并以更高的可靠性對(duì)其進(jìn)行檢測(cè)。

　　機(jī)器視覺系統(tǒng)也可以超越人類的視力。機(jī)器視覺可以查看光譜的紫外線，X射線和紅外線區(qū)域。在生產(chǎn)線上，機(jī)器視覺系統(tǒng)可以每分鐘檢測(cè)數(shù)百或數(shù)千個(gè)組件。

　　自動(dòng)化檢測(cè)和深度學(xué)習(xí)

　　通過深度學(xué)習(xí)，機(jī)器可以通過示例進(jìn)行學(xué)習(xí)。自動(dòng)化的檢測(cè)系統(tǒng)可以識(shí)別圖像，區(qū)分趨勢(shì)并做出明智的決定。深度學(xué)習(xí)和機(jī)器視覺使系統(tǒng)能夠進(jìn)行詳細(xì)的質(zhì)量檢測(cè)。檢測(cè)是通過圖像采集，預(yù)處理和分類來完成的。

　　深度學(xué)習(xí)使用神經(jīng)網(wǎng)絡(luò)中的數(shù)千個(gè)層來區(qū)分異常，零件和特征，同時(shí)容忍自然變化。深度神經(jīng)網(wǎng)絡(luò)在接觸新圖像，語音和文本時(shí)會(huì)有所改善。

　　計(jì)算機(jī)視覺系統(tǒng)可以設(shè)置一些公差。但是，沒有深度學(xué)習(xí)的系統(tǒng)是有限的。正是人工智能可以幫助分析復(fù)雜的表面和外觀缺陷，例如旋轉(zhuǎn)，刷過或發(fā)亮的零件上的劃痕或凹痕。

　　自動(dòng)化檢測(cè)系統(tǒng)實(shí)施

　　人工智能不需要很多物理設(shè)備，硬件僅需要進(jìn)紙系統(tǒng)，光學(xué)系統(tǒng)和分離系統(tǒng)。但是，該軟件功能強(qiáng)大。它需要先進(jìn)的圖像分析算法和繁重的編程。該系統(tǒng)通常在數(shù)千張圖像上進(jìn)行訓(xùn)練，以檢測(cè)與“標(biāo)準(zhǔn)”外觀的有意義的偏差。

　　人工智能和機(jī)器視覺正在接管諸如檢測(cè)之類的平凡而復(fù)雜的任務(wù)。這使人類可以專注于更復(fù)雜的任務(wù)。隨著效率的提高，人工智能的成本預(yù)計(jì)將下降。隨著制造商尋求更高水平的效率和生產(chǎn)力，機(jī)器視覺和深度學(xué)習(xí)也將成為工業(yè)4.0不可或缺的一部分。