制造質(zhì)量控制實踐長期依賴于外觀檢測，當然，對從生產(chǎn)線下線的產(chǎn)品進行目視檢測很重要。但是，目視檢測還用于對設備（包括儲罐，壓力容器和管道）進行內(nèi)部和外部評估。

　　機器視覺和人工智能正在進入生產(chǎn)和制造。深度學習為檢測實踐提供了更快，更便宜的自動化。大多數(shù)檢測過程都是定期進行的，因此自動化非常適合該應用程序。

　　以下是執(zhí)行檢測的一些區(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

　　自動檢測與手動檢測

　　自動檢測克服了手動檢測系統(tǒng)的許多限制。在制造中，目視檢測錯誤采用以下兩種形式之一。首先是缺少現(xiàn)有缺陷，第二個是對缺陷的錯誤識別，丟失會導致質(zhì)量下降，而錯誤的標識會導致不必要的生產(chǎn)成本和整體浪費。這些錯誤通常可歸因于人類視覺的獨立性，視力的不準確性以及勞動成本。

　　自動化檢測系統(tǒng)通常會超過手動檢測的標準。由于機器視覺的速度，準確性和可重復性，它在質(zhì)量和數(shù)量測量方面超過了人類視覺。機器視覺系統(tǒng)可以發(fā)現(xiàn)物體細節(jié)太小而無法被人類檢測到，并以更高的可靠性對其進行檢測。

　　機器視覺系統(tǒng)也可以超越人類的視力。機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，機器視覺系統(tǒng)可以每分鐘檢測數(shù)百或數(shù)千個組件。

　　自動化檢測和深度學習

　　通過深度學習，機器可以通過示例進行學習。自動化的檢測系統(tǒng)可以識別圖像，區(qū)分趨勢并做出明智的決定。深度學習和機器視覺使系統(tǒng)能夠進行詳細的質(zhì)量檢測。檢測是通過圖像采集，預處理和分類來完成的。

　　深度學習使用神經(jīng)網(wǎng)絡中的數(shù)千個層來區(qū)分異常，零件和特征，同時容忍自然變化。深度神經(jīng)網(wǎng)絡在接觸新圖像，語音和文本時會有所改善。

　　計算機視覺系統(tǒng)可以設置一些公差。但是，沒有深度學習的系統(tǒng)是有限的。正是人工智能可以幫助分析復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。

　　自動化檢測系統(tǒng)實施

　　人工智能不需要很多物理設備，硬件僅需要進紙系統(tǒng)，光學系統(tǒng)和分離系統(tǒng)。但是，該軟件功能強大。它需要先進的圖像分析算法和繁重的編程。該系統(tǒng)通常在數(shù)千張圖像上進行訓練，以檢測與“標準”外觀的有意義的偏差。

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