分论坛 > 苏州 > 新闻动态
CCF YOCSEF 苏州成功举办“人工智能+机器视觉与产学研论坛”论坛
2020-04-12 阅读量:869 小字

2020年4月11日下午,CCF YOCSEF苏州在腾讯会议线上举办论坛,论坛主题为“人工智能+机器视觉与产学研论坛”。本次活动的执行主席是CCF YOCSEF苏州副主席欧阳明、CCF YOCSEF苏州AC潘欣裕,线上执行主席为CCF YOCSEF苏州副主席孟海亮、王喜,CCF YOCSEF苏州候任副主席白云,本次论坛得到CCF YOCSEF南京分论坛的大力支持。

1

会议合影

活动开始,CCF YOCSEF苏州副主席欧阳明主持会议,介绍了本次活动的邀请嘉宾,分别有南京大学计算机科学与技术系教授郭延文、南京理工大学计算机科学与工程学院教授肖亮、日本广岛大学博士杨华、苏州卓越金码电子科技有限公司视觉技术经理钟民。

在明确了此次会议议程及会议形式后,论坛进入了引导发言环节。首先由南京大学计算机科学与技术系教授郭延文分享报告“三维场景建模及其在虚拟现实、数字孪生等方面的应用”。

2


第二位引导发言嘉宾为南京理工大学计算机科学与工程学院教授肖亮,他分享了题为光谱眼-“跨越人类感知的而延伸与赋能社会”的报告。

3


接着华中科技大学机械科学与工程学院数字制造装备与技术国家重点实验室杨华教授带来了“高速智能机器视觉算法研究及应用”的报告。

4


最后一位引导发言嘉宾钟民来自苏州卓越金码电子科技有限公司视觉技术经理,他与我们分享了“人工智能+机器视觉在智能制造中如何落地”。

5


在嘉宾精彩的讲演之后,论坛进入了激烈的观点思辨阶段。来自各地的专家学者,就四个思辨观点展开了热烈的讨论。

思辨观点1AI+机器视觉在工业中是否已经超越人类,是否能够大量取代工人

特邀嘉宾1CCF 苏州秘书长王涛认为:在目前来说,特殊领域,复杂领域,机器肯定比人做的好快效率高。但在某些领域仍无法取代,目前一些算法和检测设备有还有要提高的空间。CCF YOCSEF苏州前主席,苏州科技大学胡伏原教授认为:人工智能带来很多机会;机械更加智能为产业带来很多红利,提高生产力;人工智能推广应用,需要产业界和学术界研究和探讨。纬创资通集团自动化副处长陈英材认为:随着人工智能和深度学习发展,是否能解决生产中的问题,然而目前遇到三个问题。一是深度学习解释性不足,目前深度学习框架运作工程中,有黑盒子,无法保证稳定性;其二,实际产品线上,需要大量人工标注,这存在误差,这对于工厂生产有很大问题;三,生产中负样本产生较少,是小样本时间,对于模型训练不足。南京理工肖亮教授则认为:在工业视觉检测中,AI是否取代人,传感器高通量感知、高灵敏性探测和高分辨高信噪比数据获取是否满足要求是关键,算法需要提升三个方面:首先能提取的图像特征(或特征学习)要非常好,其次算法必须满足鲁棒性,最后算法实时性能要有要求。在特殊场景、例如X射线等才能感知的工业探测损伤,显然只能依赖工业CT等;在一些在可见光领域的具体应用,结合传感器的智能分析技术可以超越人,但是智能性只能是程序式的或者数据驱动式的,目前通用性方面仍还有很长一段路走。限定应用场景,给与更多的可实现性的物理约束,是目前AI算法落地的通常做法,开放式环境还存在较大问题。CCF苏州秘书长王涛认为:首先,技术和成本影响很大,能否低于人力成本,要符合商业模式;其次,重复性,劳动密集型,工作环境差的环境,是有很大应用领域,成本降低到企业需要的话。南京大学郭延文教授认为:对于工业产线有极大意义,例如汽车零配件行业,零件质量很关键,需要无漏检,低误检测,在这方面有很大应用前景。工业界嘉宾环球集团凌浩认为:目前人工智能检测效率很低,公司也在做检测研究,公司历年来投入人力物力,效果却不理想,公司内技术能力有限。同时产品迭代快,公司也有研发人员做检测,但是效果不理想,目前还是靠人工。

思辨观点2AI+机器视觉目前在哪些方面可以取代工人,哪些方面不能取代工人

嘉宾纬创资通集团陈英材认为:在工厂各个生产端,应用视觉,第一个场景首先做到缺件、多件检测,这种应用很适合AI和视觉应用。但问题是人工智能是否能够检测到。目前的AI算法,缺件和多件可以做到70%,有30%误判,仍然需要人力介入。第二个场景为瑕疵检测,表面瑕疵和内部瑕疵,目前无法攻克,用人工最多,传统算法和深度学习算法无法突破,经过两年验证结果,目前还是没有很好解决。南京大学郭延文认为:瑕疵检测研究中,以前用到结构光解决这类问题。南京理工大学肖亮认为:主要需要关注数据采集的传感器端,包括仪器性能改进、标定、光源设置、对焦、卡口限制等, 是否能采集到具有区分性或鉴别性显著的瑕疵特征是关键,并能克服光照非均衡等都是体现工程化的匠心之处。显然,高性能的传感器是最本质的问题。解决高质量高鉴别性视觉成像的“无源之水”,是目前最大的瓶颈和困境。苏科大胡伏原则表示:缺陷检测,样本少,很难解释,很难做。现在从成像,传感器端解决,有一定进展。小样本,传感器,算法方面要配合。

在线问题1:三维场景建模中图片和视频的主要区别在哪里?

南大郭延文教授回答:无人机拍摄,得到序列化图像,得到场景几何结构;另一类,激光雷达,更精确。无人机拍摄,面向消费级别;激光雷达商业场景,无人驾驶等。数字孪生,数据量特别大,质量缺陷,如果用在VR要求质量很高,先采集,再手工,存在gap。如果用AI分析,有一定应用前景。

在线问题2:光谱探测中对数据处理的主要方法有哪些?若探测数据有损失,是否有数据补偿?如何验证补偿的正确性?

南理工肖亮教授表示:高光谱混合像元分解(数据解混)是一个挑战。所有光谱成像探测都可能能存在数据缺失或噪声等不完整信息情况,此时矩阵补全、张量补全等算法很有前途,同时还需要仪器标定、光谱辐射、几何校正以及其它特定的数据预处理方法,如光谱数据恢复、光谱增强算法等。企业界和学术界关注点不同,产业化落地,要从更加实用性和可工程化角度出发,如果经典算法有好的结果,可以优先考虑,因为可解释性和鲁棒性有保障;当然,可以尝试探索以深度学习为代表的先进机器学习算法。

数据补偿或增强扥算法的有效性验证还是需要基于一些标准反射白板、分辨率测试、单色仪等进行测试与分析

思辨观点3:在AI+机器视觉的威胁面前,那些人最可能被取代

华中科大杨华教授认为:现有基于AI的机器视觉技术主要采用监督学习模型,会有人工标记误差,将来技术趋势是非监督AI方法,无需人工标记。就算力来说,AI模型训练可以使用云资源,在工业实际使用阶段,AI模型计算资源消耗不大,因此速度不会成为瓶颈。如果检测面积很大,比如大面积显示面板,在线检测对计算资源的要求就很高。钟民认为:算法及算力和生产关系,实际商业应用中,检测方面客户会要求100%,公司有大量质检员,没有漏检,要求实际AI设备满足100%的正确率,这个是一个难点。王涛认为:如果人检测失误,是工作态度;如果机器失误,则是产品质量问题。在实际解决产业问题过程中,无法容忍机器出错。而算力方面,建立自己私有云,这是为隐私考虑。而实际应用中,牵扯领域很多,实验室和实际生产考虑不同,实际中精准要求特别高。数字孪生中,生产设备部件零部件实时更换等,很难达到。

在线问题2:杨华教授代表国内最高技术之一,钟民经理使用国外技术。国内国外技术差别多大?

杨华教授表示:深度学习AI技术在工业机器视觉领域的应用,近几年开始兴起,国内外研究机构、企业是在同一起跑线上。现在工业机器视觉AI模型和算法进展很快,各家方法模型各有千秋,训练数据与模型调参对结果影响也很大,因此目前很难比较差距,但总体水平一个在一个层面上。在产品表面缺陷检测领域,基于深度学习的机器视觉技术,能够很好地解决传统机器视觉算法模型无法检测的复杂纹理背景上的低对比度缺陷难题,可以拓宽现有机器视觉技术的应用边界。随着成像技术发展与AI理论提升,机器换人是大趋势。

在线问题3:高光谱结合深度学习,检测弱瑕疵,能否有突破?

肖亮表示:传感器价格很贵,仪器也很难小型化,现在可见光+激光雷达等多模信息融合,提升瑕疵鉴别性;仿生机理的双目成像系统需要关注和研究;从算法层面讲,解决小样本问题,还有一段路要走,目前难以做到通用性。钟明认为:国际级品牌康耐视、咖啡等四大公司,在工业视觉应用很多。但是调参和实际部署耗时间较长,通常要半年以上,企业客户能否承受。国外品牌价格贵,20-30w至少,中小企业较难承受。

思辨观点4AI+机器视觉是否让工人大量失业,是否应该大力推广

王涛认为:劳动密集型企业,有危险性的岗位,会用到AI+机器视觉。现在很多岗位,年轻人不愿意做,岗位复合型要求逐渐提高,变化一定存在。像物流行业,分拣工作已经被替代。从产业发展来说,已经在发生,某些岗位未被提到,涉及到投入,效率等,随着技术进步,岗位替代是趋势。肖亮认为:替代未尝不是好事,能够进一步解放劳动力,创造一些其它就业,让人们从事更有意义、更具生活趣味和更有人文情怀的事情。AI可以提升企业生产力,替代是好事;我们不需要过分担心是否被替代造成的失业问题,更重要的是关心如何创造更多解放人类苦活、累活的真正的AI技术。随着技术发展,一些危险性工种,以后也有望被AI系统或者机器人替代,历史上有很多类似场景。国家可以通过开拓更多的岗位需求,如第三产业和第四产业等让人们从事更为轻松和快乐的工作。杨文浩认为:AI目前门槛较高,目前人力成本还是比较低。深度学习,要有运算,纺织行业,人工成本还是很低,自检实现自动化,成本很高。陈英材表示:单位中使用传统算法的视觉工程师有危机感,在往AI转,目前要求工程师传统算法和人工智能算法都要掌握。工程师工作技能随着技术发展,存在生存危机,以前的技术积累可能用处逐步不大了。

本次论坛重点围绕人工智能+机器视觉在产学研各个领域的发展,从多个方面进行了热烈讨论。来自教育、企业等不同领域的专家学者们对AI的快速发展提出了不同意见,他们都相信,AI改变生活,能够助力我国智能制造的发展,人工智能+机器视觉会让明天更美好。论坛气氛友好,参会者们围绕思辨观点相互切磋交流,论坛圆满结束。


CCF聚焦