当前，制造业产品外表检查主要有两种方式，其中90%采用人工质检，10%采用机器视觉进行。而两者都面临许多挑战。
以人工质检为例。首先，产品质量完全依赖工人，经验不够、疲劳、误操作都可能导致漏检、误检，甚至是二次损伤；其次，人员成本持续高涨、人员流动等客观因素使得质检成本持续上升；再次，在一些特殊行业场景，比如炼钢厂等，人员面临着巨大的安全威胁；此外，生产数据无法有效留存、利用，对后续生产流程再造、质量分析没有帮助。
利用机器视觉进行质检尽管不存在以上问题，但由于其受传统特征工程技术限制，使得模型升级及本地化服务难度较大。换句话说，很难做到与时俱进，由此导致质检效率大打折扣，成本居高不下。
中国制造2025需要质检系统全面升级，即由传统质检模式向智能质检模式迈进，质检云在这样的背景下诞生。
质检云基于百度ABC（AI、BigData、Cloud Computing）能力，深度融合传统机器视觉技术和AI深度学习技术，不仅识别率高，准确率可持续提升，而且部署容易，升级简单。
下图展示了质检云与传统机器视觉质检方案的技术差异性，其中最大的创新在于省去了人工干预的环节。
具有质量检测和产品分类功能
质检云主要有两大功能，一是产品质量检测，二是产品分类。
针对前者，质检云通过训练多层神经网络，对物体表面的缺陷进行大小、位置、形状的检测。进一步可将同一图片上的多个缺陷进行分类识别，相对传统模式，针对不规则缺陷能够明显提升分类准确率。面向后者，其基于人工智能对相近相似物体建立预测模型，可实现精准分类。
三大技术优势
同时，质检云有三大优势。
一是人工智能机器视觉。质检云基于百度多年的人工智能技术积累，全面赋能工业。相较传统视觉技术对不规则缺陷的识别能力不足，质检云人工智能预测准确率高达99%+，准确率可随着数据量提升持续优化。
二是产品专属模型。质检云提供深度学习能力培训服务，用户在预制模型能力基础上，可自行优化模型或拓展模型，打造针对场景应用的专属私有模型，进一步提升质检、分类效果。
三是大数据生态。质检云输出的产品质量数据，可无缝融入百度大数据平台，实现生产质量数据的全面掌控，为流程优化和工艺再造提供关键数据支持。
适用场景
质检云适用于众多业务场景，比如，需要大量人力质检的行业，包括LED芯片厂、屏幕生产厂、玻璃企业等；高危环节下需要作业的行业，像炼钢厂等；机器视觉系统需要升级的客户等。质检云应用包括但不限于下述场景：
LED芯片检测：通过深度学习训练LED芯片缺陷识别及分类模型，有效提升产品质量和检测效率。
液晶屏幕检测：针对屏幕外围电路进行预测模型优化设计，准确率、召回率全面提升。
光伏EL检测：支持单晶/多晶暗域、黑边、黑角、各种隐裂等十数种缺陷识别，基于人工智能全面提升缺陷分类准确率。
汽车零件检测：车载重要零部件精准检测，支持零部件位置检测、有无检测、型号检测等人工智能机器视觉检测方式。
让传统质检升级为人工智能 百度云推出质检云
支持公有云和私有云部署
质检云支持两种部署模式，用户可以选择公有云部署，也可以选择私有化部署，各有特点。
公有云便捷、安全，用户可直接调用公有云预测模型实现预测，基于云端实现预测模型的快速升级。
私有云基于百度ABC一体机进行私有化部署，可确保用户核心数据的私有化处理及本地高速访问。配合深度学习培训服务，用户可自行升级和训练模型。
截至目前，百度云质检云已经在众多制造业客户的质检环节中得以应用，宝武集团就是其中之一。其通过蓝宝石高温图像采集装置扫描钢包1200°C内衬，实时上传包口包壁包底渣线图像，依据钢包安全预测模型，有效实现钢包内衬风险的精准预判和实时预警，实现精益化生产，全面提升作业安全性。
