近日，中国科技产业智库甲子光年在线上成功举办了「心有所护 不畏远行」2022甲子引力年终盛典，中国中小企业发展促进中心、中国社科院成果中心创新发展研究院为本次大会的支持单位。会上，第六镜科技创始人&CEO刘闯以《复杂大工业场景下基于AI机器视觉的智能制造应用》为主题发表演讲。
以下是演讲实录：
各位甲子光年的朋友们大家好!我是第六镜科技创始人刘闯，非常荣幸受主办方邀请来到2022甲子引力年终盛典，给大家分享的主题是《复杂大工业场景下基于AI机器视觉的智能制造应用》。
我们先看一组数据：自2011年起，中国工业增加值超越美国，跻身世界第一工业国，同时中国也拥有全球门类最为齐全的工业体系。但某种程度上，我们是工业大国，并不是工业强国，我国工业的数字化程度低、智能化程度落后，这是亟待解决的问题。
在复杂大工业场景，例如冶金、煤炭、焦炭等行业数字化水平较低的情况更为凸显。
由于传统工业包含大量私有化的、相对独立的、闭塞的生产数据，生产工艺也较为闭塞，经验和业务流程也相对独立，这对于数字化市场准入者的门槛要求会比较高。根据麦肯锡统计的全球各行业数字化系数，相比3C、半导体、汽车等行业，钢铁智能化等复杂大工业的数字化程度最低，但其护城河也相对较高，随之而来的影响是什么?
我先来分享几个故事。
我们第一次进入工业场景做技术调研的时候，内心比较忐忑。我们清楚我们的技术和产品能为工业企业实现一定程度上的降本增效，但不可避免会导致一些岗位上一线的工人失业，所以担心一线的技术人员和工作人员有可能不配合我们的调研。
我们到一家冶金企业的现场后，一线专家表现得非常热情，我们调研结束临行前，车间主任说了一番话，让我们印象非常深刻，他说：我们进行自动化改革、数字化转型、实现降本增效、节能减排、响应国家政策只是一方面的原因，更重要的是，现在愿意来工厂工作的年轻人越来越少，如果不加快数字化转型的脚步，开句玩笑，我甚至不知道我什么时候才能退休，因为很多岗位已经没有人来接替了。这是第一个故事。
第二个小故事关于一条钢铁产线。一个钢铁产线的一线专家跟我们说：我们非常希望应用产线数据搭建工业大数据平台和物联网平台，进而实现产线的数字化转型，我们也有技术人员可以分析和应用这些数据，但是现在产线有95%以上的设备和工控软件都来自国外供应商，我们也去找过这些供应商，他们说，做工业大数据应用可以，我们给你们做，但是给你们开放数据接口，不可能。
我们通过这两个真实的故事可以知道，招工难、用工难、人力不可为、人力难以为，以及实现关键技术的自主可控是复杂大工业场景的痛点，也是我们作为一个计算机视觉厂商，不断在工业智能制造领域拓展的原因。
特别是近年来，智能制造2025以及工业4.0等相关政策作为工业视觉的加速器，让工业视觉搭上了智能制造的产业快车，提质降本增效以及柔性定制已经成为一个制造业的共性需求，我们希望可以利用机器视觉等AI能力，深入复杂的工业场景，为工业——尤其是重工业客户解决产线各环节的实际痛点。
第六镜科技是一家提供城市治理和智能制造人机协作解决方案的人工智能公司。我们依托之前在城市场景丰富的计算机视觉落地经验，于2019年正式拓展智能制造行业的产品落地，主要助力复杂大工业场景以及流程型工业场景实现精细化生产和智能化管理。为场景的管理者打造独具匠心的智能制造工具是我们一直以来的愿景。
在智能制造领域，第六镜科技主要通过自研的算法、智能装置以及传感器、解决方案的软件平台三个层面，为复杂的工业场景提供脑、眼、手三方面的产品服务。同时，我们也自研了一套端边云协同的AI工业视觉解决方案，在这套架构下，我们可以更好地为客户降低成本，同时提高产线的视觉能力。
这里给大家分享的是整个工业互联网智能制造体系的平台架构，可以用“点、线、面、体、圈”五个部分来简单概括，第六镜科技AI+智能制造板块的主要产品是以点来定位的，主要为客户在生产过程监测和产品质量检测两大流程的关键性节点提供数字化、智能化的装备和装置;同时，在数字化的产线、工厂以及企业及生态，也就是所谓的“线、面、体、圈”的部分，为厂家提供技术、数据、产品等模块化服务。
我们如何从复杂的大工业场景里找到机器视觉的应用舞台呢?
以钢铁行业举例，钢铁行业是我们最早进入的行业，在钢铁行业中，产品质量检测流程中有很多的痛点，仅依托国内现有的产品，以及渠道是无法得到解决的。
现如今，钢铁产品不仅仅是原来的建筑、钢筋、钢板等低端钢，很多钢厂正在生产和创新更高端的钢铁产品，比如家电用品的外壳，以及汽车用钢等，这些钢铁产品需要有非常高的精度，对于这些高精度产品现在都是以人工检查为主。
以高铁产线为例，高铁要求产线的精度达到0.1毫米以上，已经超过肉眼可以接受的范围，有一些瑕疵非常细小，如头发丝一般的划痕等等，我们的工人在进行肉眼检测的时候往往会忽略掉。另外，现在的抽检或者人工检测只能等到红热状态下的钢轨冷却下来才能检测，冷却后如果要更换瑕疵品，产线多数只能以废钢进行处理，导致对生产成本、人力成本、生产效力都有较大的影响。进口设备可以满足产线上的一些需求，比如高铁重轨精度的要求，但是受成本、政治、疫情等多种因素的影响，它运维成本也非常高昂。
中国是世界上最大的钢铁生产国和消费国，但钢材的智能化检测市场在国内相对来说比较空白，前景也比较大。目前，钢材的质检市场至今中国没有一家主要的供应商在世界上能够占有比较高的主流份额。
为此，第六镜科技先是基于市场的需求和我们自己的判断，依托河钢集团丰富的产线场景和旺盛的一线需求，与河钢集团、西北工业大学联合成立了“AI+钢铁机器视觉创新中心”。我们面向国家在工业制造智能化方面的重大需求，携手先开启了钢铁生产智能化的关键课题研究。
钢铁行业也是集团第一个涉足的复杂大工业场景，依托创新中心，我们经过两年多的努力，第六镜科技目前在钢铁行业逐渐形成了一系列智能制造的软硬件一体化解决方案，下面给大家介绍几个我们这几年拓展出来的一些比较有价值的案例。
首先，第一个案例是AI长材质检系统。
这个系统主要有三个功能：
第一，复杂长材断面的轮廓检测。我们现在通用的长材大多数都是比较简单的，但是像钢轨等的一些特殊的长材，它的断面轮廓检测非常复杂，数据维度非常多，所以这套系统可以应对复杂断面的轮廓测量;第二，冷态和热态都支持在线的实时检测;第三，我们也是一个完全自主化的光机电算控一体化设计。
这个产品是国内首创的热态长材表面检测和轮廓测量产品，可以实现百分之百的国产替代，较进口的同类产品价格降低三分之一以上。整套产品的系统架构分为应用层、终端交付、服务层、支撑层、设备层等等。
我们这套系统也是国内率先采用2D+3D技术去进行轮廓测量以及缺陷的检测，最后达到一个什么样的效果呢?
首先，我们适配的长材多种多样。所有的线材、棒材、型材等各种尺寸的长材都可以用它进行一体化的缺陷检测以及尺寸测量;同时，我们支持的最大轧材速度可以到8米每秒，红热状态下的轧材温度可以达到1200度，测量精度可以在0.1毫米以内，缺陷的最小分辨率可以达到0.07毫米，这个精度已经达到全球领先水平;此外，这个系列产品对于轧材的尺寸是一个可配置的状态，可以支持多种尺寸的轧材。
刚才提到的2D+3D技术主要是用到2D的高精度工业相机以及高精度的3D激光传感器，整个的核心技术将轧材缺陷的检出率提高了20%。因为我们获取到的图像和数据带有深度信息，可以增加对缺陷精准分析的可能性。通过运用3D的神经网络，将缺陷的分类准确率有效提升30%，在原有2D的基础上是非常大的跨越和提升。
同时，我们基于这个产品进行了一系列其他钢材质检系统产品的产出，可以包含有钢胚的、热态的缺陷检测，铸管的轮廓测量与表检，所有带钢卷材的表面检测、轮廓测量，还有长材移动式的、手持式的轮廓测量以及平直度检测等等，我们现在已经形成了一个系列的产品矩阵。
接下来是我们钢铁行业的一个案例，这是冷轧过程中，基于2D+3D机器视觉技术的炉辊结瘤检测系统。
在带钢的生产中，连退车间里，带钢是靠炉辊进行上下缠绕的，炉辊因为整个连退炉内是700-800度的高温负压环境，钢材的磨损摩擦以及其他的材质容易在高温环境形成结瘤，长在炉辊上。如果它的尺寸大于1毫米以上，会让表面缠绕的带钢有一些麻点、凹坑，但是如果在大小可控的范围内能够及时发现它，并且在不拆炉换辊的情况下，直接在炉内对炉辊进行打磨，就能增强炉辊的使用寿命，同时也节约了拆炉和产线停工的时间。
为此，我们做了一个腔体，在这个腔体内，有2D+3D的激光传感器，对炉辊进行实时在线检测，在它大小可控的范围内，我们可以第一时间预警和报告产线，进行下一步操作，单就这一个系统可以为钢厂每年节省千万级的停产检修成本，一个炉辊可能没有多少钱，但是产线拆炉、检修再到恢复生产，可能需要两周以上，所以这个工艺主要节约了停产停工的成本。
此外，热态铸管的缺陷检测及轮廓测量仪，同样也是技术核心，主要针对热态铸管进行铸管表面和内腔的缺陷检测。同时，我们跟新兴铸管——全球最大的球墨离心铸管品牌成立了工业生产智能化创新中心。
钢铁行业之外，我们也在不断拓展其他行业。
在煤焦炭行业，我们也利用2D+3D技术，为数字化煤仓提供了一套基于3D的激光感知的智能数字化煤仓系统，可以非常精准地解决大型煤仓储或者粮仓储等立体化仓储的盘库。原来，可能更多是靠人为去估量一垛煤到底有多少方，这是非常不精准的，也会给整个厂商库的盘计造成比较大的影响。
在已有的案例和场景积累的同时，我们现在正在形成一个 大场景+大客户的闭环商业模式。我们与新材料领域中外合资的龙头企业安泰河冶、全球最大的独立焦炭生产商旭阳集团、最大的钢铁材料制造厂商之一河钢集团，以及全球最大的球墨铸管厂商新兴铸管分别在数字化转型领域、视觉板块签署了战略合作。
在生态布局层面，我们处于整个生态的中游，上游是先进传感器，下游是工控软件。在我们所处的领域，我们可以很好地完成国产替代，但是我们上游和下游一些场景是很难把控的，所以为了在整个生态链上做一些布局，我们先后与电子科技大学成立了成像探测与智能感知实验室，与西电成立了工业软件与智能制造联合实验室，在我们不专业不擅长的地方进行了一些提前布局。
刚才还提到了核心零件的自主国产化，我们现在会在很多场景遇到问题，实际上是现有的国产装备供应商，尤其是传感器供应商，很难满足我们的特殊场景。复杂大工业场景对精度和传感器的要求尤甚，这也是我们在进行场景落地时局限我们比较大的地方。所以，我们也正在尽快实现核心视觉器件的自主化，包含2D的智能工业相机，以及3D的智能激光传感器，我们希望未来可以为客户提供一套可配置的智能视觉系统与视觉装备。
后续我们主要会为客户提供更加高端的产品以及解决方案。工业场景有很多的4D环节，我们称之为4D场景，即一些重复、危险、肮脏、枯燥的场景，也是我们去做工业科技创新的4D原则。我们希望以我们为开始，有更多的国内新兴技术和厂商关注到工业，尤其是重工业的生态建设，希望我们能携手打造工业的机器视觉产业生态，共创未来。
