图片9
当前制造业所采用的智能分拣解决方案的人工智能技术，主要集中在智能语音交互产品、人脸识别、图像识别、图像搜索、数据可视化等方面。下面是常见的制造业应用场景的概述。
情景一：表面缺陷视觉检测。
以机器视觉为基础的表面缺陷检测在制造业中越来越普遍。智能分拣解决方案通过机器视觉，可以快速识别产品表面细小、复杂的缺陷，在环境频繁变化的条件下，对产品表面细小、复杂的缺陷进行快速识别，并对其进行分类，如对产品表面有污染、表面损坏、裂纹等。现在的工业智能企业把深度学习和3D显微技术结合起来，把缺陷检测的精确度提高到纳米级。智能分拣解决方案的系统会检测出的缺陷产品，并自动做出修复判断，规划修复路径和方法，由设备完成修复动作。
情景二：基于声纹的产品质量检测和故障判断。
通过声纹识别技术，自动检测出异音，并对声纹数据库进行故障判定。举例来说，智能分拣解决方案致力于将AI技术应用到座椅调角器性能判断中，利用AI技术应用于调角器的异音检测，实现了信号采集、存储、分析、学习等全过程的自动化，其检测效率和准确度远远超过传统人工检测。
情景三：智能决策。
生产企业的产品质量，操作。应用机器学习等人工智能技术，提升企业决策能力。
结语
目前，随着越来越多的企业、开源组织进入人工智能领域，大批成功的人工智能开源软件和平台不断涌入，人工智能迎来前所未有的爆发期。但与金融等行业相比，虽然智能分拣解决方案中包含的人工智能在制造业的应用场景不少，却并不突出，甚至可以说发展较慢。
究其原因，主要源于以下三大方面：
一是，由于制造环节数据的采集、利用、开发都有较大难度，加之企业的数据库也以私有为主、数据规模有限，缺乏优质的机器学习样本，制约了机器的自主学习过程。
二是，不同的制造行业之间存在差异，对于人工智能解决方案的复杂性和定制化要求高。
三是，不同的行业内缺乏能够引领人工智能与制造业深度融合发展趋势的龙头企业。
解决以上三大问题，人工智能技术才能更好地应用于制造业。
