在微觀經(jīng)濟(jì)學(xué)中，有一個(gè)評(píng)價(jià)商品優(yōu)劣的指標(biāo)，叫做——?jiǎng)蛸|(zhì)。顧名思義，指的是該商品在市面上性能表現(xiàn)或服務(wù)水平的穩(wěn)定如一——是的，越是高端品牌越要摒棄“拆盲盒”，不僅不能降低水準(zhǔn)，也不宜隨意升高。勻質(zhì)性為何如此重要？一方面，它管理了客戶(hù)的穩(wěn)定預(yù)期，尤其在品牌影響力明顯的快消品領(lǐng)域，勻質(zhì)的產(chǎn)品性能和服務(wù)直接指向確定的“心錨”，價(jià)格、定位、受眾，牽一發(fā)動(dòng)全身；另一方面，它反映了企業(yè)穩(wěn)定的生產(chǎn)水平，即在長(zhǎng)周期內(nèi)克服產(chǎn)能突擊、生產(chǎn)故障及安全等潛在困難的綜合能力。

由消費(fèi)反推制造，當(dāng)品牌信譽(yù)度與商品勻質(zhì)程度相掛鉤，就意味著制造企業(yè)必須嚴(yán)格把控“良品率”，在生產(chǎn)過(guò)程中精修缺陷檢測(cè)環(huán)節(jié)，對(duì)可見(jiàn)瑕疵嚴(yán)防死守。僅僅聽(tīng)起來(lái)就已令人疲憊，更別提傳統(tǒng)產(chǎn)線上的質(zhì)檢工人持續(xù)不間斷的盯、審、檢、放重復(fù)工作。

一個(gè)小小的紅戳，背后是質(zhì)檢工人體力與眼力的極限。而令人絕望的是，人體極限難有突破，而商品勻質(zhì)的競(jìng)爭(zhēng)和品牌信任的維系，卻從未停下腳步。

冠捷集團(tuán)與聯(lián)想一拍即合

尋求數(shù)字化質(zhì)檢良方

冠捷科技集團(tuán)（下簡(jiǎn)稱(chēng)：冠捷）是全球化科技公司，在全球建立了龐大的工廠制造體系，其液晶顯示器產(chǎn)銷(xiāo)量長(zhǎng)期保持全球第一，全球市占率超過(guò)35%，行業(yè)龍頭地位穩(wěn)固，并超前布局智能制造戰(zhàn)略，預(yù)計(jì)于2024年、2026年實(shí)現(xiàn)數(shù)字化工廠建設(shè)和智能化工廠轉(zhuǎn)型。宏觀戰(zhàn)略的落地離不開(kāi)微觀流程的變革，在主體產(chǎn)線和設(shè)備實(shí)現(xiàn)一定程度數(shù)字化的基礎(chǔ)上，冠捷一直在尋找能夠解決其傳統(tǒng)屏幕質(zhì)檢（缺陷檢測(cè)）難題的好方案。然而，由于場(chǎng)景與要求的特殊性，加之?dāng)?shù)字化智能化技術(shù)滲透的不足，冠捷一直未尋得與其生產(chǎn)組裝要求相匹配的良方。

或是偶然，或是必然，作為聯(lián)想長(zhǎng)期以來(lái)的重要合作伙伴，冠捷在一次參觀聯(lián)想研究院算法產(chǎn)品時(shí)，初遇彼時(shí)還只是一個(gè)小demo的聯(lián)想LCD屏幕光學(xué)檢測(cè)解決方案，經(jīng)過(guò)聯(lián)想的自用打磨，以及雙方一系列的磨合匹配，冠捷最終為其智能制造產(chǎn)線這補(bǔ)上了智能質(zhì)檢這一塊短板。

從人為到數(shù)為

缺陷檢測(cè)實(shí)現(xiàn)質(zhì)的飛躍

缺陷檢測(cè)不同于其他流水線的常規(guī)檢測(cè)，它是價(jià)值在于保證良品率，即有缺陷必返工，因此工作價(jià)值往往只體現(xiàn)在極其偶然的缺陷出現(xiàn)之時(shí)，因此質(zhì)檢工作的高要求就體現(xiàn)在對(duì)缺陷的精準(zhǔn)識(shí)別：最關(guān)鍵的是不放過(guò)一個(gè)缺陷，其次是不誤判一個(gè)良品。

在以人力為主的傳統(tǒng)質(zhì)檢場(chǎng)景中，持續(xù)的注視和機(jī)械的作業(yè)對(duì)工人精力的消耗，大大磨損著人眼對(duì)缺陷的敏感度和識(shí)別度，因此質(zhì)檢工作的成果往往受到人為因素的主觀性和波動(dòng)性。而隨著工業(yè)攝像頭的普及和視頻大數(shù)據(jù)分析的成熟，屏幕表面缺陷作為一種可識(shí)別的視覺(jué)素材，有了數(shù)字化的呈現(xiàn)形式，也就有了數(shù)據(jù)化的解決思路。

聯(lián)想是計(jì)算設(shè)備的制造大廠，自身也遇到屏幕缺陷檢測(cè)的數(shù)字化難題。如何用計(jì)算賦能質(zhì)檢？聯(lián)想研究院基于“場(chǎng)景+AI”的思路，針對(duì)質(zhì)檢場(chǎng)景的全要素（缺陷的分類(lèi)、定義、等級(jí)），打造了符合生產(chǎn)要求的檢測(cè)精度算法，并在深圳、武漢、安徽等工廠內(nèi)部署應(yīng)用，最終形成LCD屏幕光學(xué)檢測(cè)解決方案。從聯(lián)想內(nèi)部推出算法，到部署、應(yīng)用、打磨、推廣給外部合作伙伴，聯(lián)想將其中的漏洞與調(diào)試全部趟過(guò)，將虛擬算法與實(shí)體場(chǎng)景之間的不確定性全部驗(yàn)證，只分享可靠經(jīng)驗(yàn)和可信算法。具體來(lái)看，聯(lián)想是如何基于數(shù)據(jù)來(lái)打造缺陷檢測(cè)算法的？在這個(gè)過(guò)程中又遇到哪些困難？

難為無(wú)米之炊？

小樣本學(xué)習(xí)沒(méi)在怕的

在商品流通至消費(fèi)者環(huán)節(jié)，缺陷是痛，在傳統(tǒng)人工質(zhì)檢環(huán)節(jié)，漏網(wǎng)之缺是痛，而如今機(jī)器學(xué)習(xí)環(huán)節(jié)，“無(wú)缺”竟也成了痛點(diǎn)，人作為高級(jí)動(dòng)物，天然具備聯(lián)想和推理的能力，想象并創(chuàng)造出原不存在的事物。而機(jī)器有所長(zhǎng)，亦有所短：它們沒(méi)有發(fā)散思維和歸納認(rèn)知，只有通過(guò)數(shù)據(jù)樣本的訓(xùn)練才能形成特定規(guī)則模型，即算法。那么，神龍見(jiàn)首不見(jiàn)尾的缺陷數(shù)據(jù)樣本，從哪里收集呢？

既然不能人為的創(chuàng)造缺陷，那就需要從“開(kāi)源”和“轉(zhuǎn)化”雙管齊下，把缺陷數(shù)據(jù)的價(jià)值最大化。所謂開(kāi)源就是盡量多的收集同類(lèi)產(chǎn)線的各類(lèi)缺陷數(shù)據(jù)，用于訓(xùn)練算法“增長(zhǎng)見(jiàn)識(shí)”；而轉(zhuǎn)化是指在小樣本數(shù)據(jù)條件下去實(shí)現(xiàn)模型訓(xùn)練。聯(lián)想基于AI積累厚積薄發(fā)，為邊緣側(cè)設(shè)備自研“小樣本終生學(xué)習(xí)”能力。它先通過(guò)元學(xué)習(xí)（Meta learning）得到“學(xué)習(xí)的方法”，再通過(guò)度量學(xué)習(xí) (Metric Learning)調(diào)取與新場(chǎng)景相似的數(shù)據(jù)，形成先驗(yàn)知識(shí)，提高機(jī)器本身的“認(rèn)知水平”；同時(shí)，通過(guò)數(shù)據(jù)增強(qiáng) (Data Augmentation)技術(shù)，將數(shù)據(jù)樣本進(jìn)行多維變形，提高原始樣本數(shù)據(jù)的利用率。最終實(shí)現(xiàn)“小樣本”的“大變身”和價(jià)值最大化釋放。

刪繁就簡(jiǎn)，定制算法

因脫胎于聯(lián)想內(nèi)部大量的制造場(chǎng)景和復(fù)雜的缺陷類(lèi)型，因此聯(lián)想LCD屏幕光學(xué)檢測(cè)解決方案本身就已具備強(qiáng)大的算法能力，在復(fù)制于冠捷生產(chǎn)線過(guò)程中，聯(lián)想根據(jù)產(chǎn)線實(shí)際需求，將原有算法進(jìn)行功能瘦身，主要匹配冠捷屏幕生產(chǎn)過(guò)程中的主要缺陷，一方面節(jié)省算力，另一方面更加聚焦于屏幕的特定缺陷。

算力方面，聯(lián)想提供工控機(jī)ECI 430+ThinkStation P920 ，采用邊緣云融合的架構(gòu)，多臺(tái)工控機(jī)采集不同產(chǎn)線的圖像，匯集到一臺(tái)ThinkStation做算法分析，分享算力。缺陷識(shí)別方面，聯(lián)想為冠捷實(shí)現(xiàn)兩大類(lèi)缺陷檢測(cè)：一類(lèi)是常規(guī)的暗點(diǎn)/黑點(diǎn)/彩點(diǎn)、線條、黃斑等；第二類(lèi)則是未知缺陷檢測(cè)，最大可能控制漏檢率。

持續(xù)學(xué)習(xí)

冠捷質(zhì)檢方案實(shí)現(xiàn)降本增效

鑒于算法的“單調(diào)性”，缺陷檢測(cè)不能停留在一個(gè)靜態(tài)水平。合格都是相似的，而缺陷各有各的特色，因此，為了滿(mǎn)足新增類(lèi)型的缺陷，算法還需要一個(gè)持續(xù)學(xué)習(xí)、不斷迭代的過(guò)程。對(duì)此，聯(lián)想將自適應(yīng)技術(shù)加入算法中，建立了端到端的數(shù)據(jù)管理系統(tǒng)，積累歷史數(shù)據(jù)及構(gòu)建完整的缺陷知識(shí)圖譜，對(duì)不良風(fēng)險(xiǎn)進(jìn)行分析、預(yù)測(cè)預(yù)警、回溯。實(shí)現(xiàn)產(chǎn)線質(zhì)量的持續(xù)提升及精細(xì)化控制。人力成本節(jié)省50%，效率和準(zhǔn)確率提升30%。

所以，無(wú)論是從工廠生產(chǎn)效益，還是人性關(guān)懷的角度，質(zhì)檢流程的數(shù)字化改革，已成為工業(yè)制造業(yè)向高端進(jìn)發(fā)的必然要求。在未來(lái)，更將成為中高端制造企業(yè)生產(chǎn)能力之標(biāo)配。超越人體的極限，以邊緣計(jì)算、AI算法、大數(shù)據(jù)為代表的數(shù)智技術(shù)的價(jià)值挖掘才剛開(kāi)始，從人眼驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)，以聯(lián)想為代表的數(shù)字化變革廠商將大有可為。