2018年8月13日，由江苏省无锡经济开发区（太湖新城）、阿里云计算有限公司联合主办2018雪浪制造AI挑战赛总决赛在江苏·无锡经济开发区（太湖新城）落幕。

　　比赛聚焦布匹疵点智能识别，开展大数据与人工智能技术在布匹疵点识别上的应用探索，承载本次大赛的阿里云“天池”是全球规模最大的众智平台，汇聚了来自全球的20多万名AI算法科学家。

　　其中，由禾思科技人员领导的4人“缺陷检测小分队”通过速度快，精确高，扩展性更强的布匹疵点智能识别算法获得了在座评委的高度赞赏和认可，最终成为2018雪浪制造AI挑战赛的冠军得主，并获得20万元奖金。

　　现场，比赛选手针对布匹疵点智能识别算法检测中的图像预处理、目标区域的分割、特征提取和选择及缺陷的识别分类等方法，纷纷给出了不同的解决方案，展现出了非凡的创新思维和见解。

　　前期一直处于A榜、B榜TOP1的“缺陷检测小分队”进行了从数据、模型、损失函数三个方面来解决样本类别不平衡、缺陷区域占比小、缺陷尺度变化大三大问题的探讨。

　　针对评委提出的算法创新性问题，来自禾思科技的白德桃认为，大部分检测算法基本针对的是大图领域，面对小图的检测则往往会存在很大的问题。

　　禾思众成“缺陷检测小分队”为了解决这个问题对算法进行了改进和创新，采取了基于MRA Net的算法，可以有效地对小图进行分类和检测，最终带来了1-2个百分点的精度提升。

　　据悉，布匹疵点检测是纺织行业生产和质量管理的重要环节，但一直以来布匹疵点检测都是由人眼完成的。

　　众所周知，人工检测速度慢、劳动强度大，受主观因素影响，缺乏一致性，这种方法严重降低了纺织生产流程的自动化程度。

　　如果用机器代人，利用人工智能的图像识别技术来找疵点，原先用的两个人至少可省一个人，留下一个人做标记，也就是可节省50%的人力。

　　目前，基于机器视觉的表面缺陷检测算法仍存在图像噪声多、表面缺陷种类繁多、冗余信息多、数据量庞大等问题。

　　禾思科技一直研究故障诊断的白德桃也提出，传统识别方式基本只对明显、突出的特征有用，而针对一些小洞，小裂痕的不明显特征很难检测。

　　禾思众成“缺陷检测小分队”会继续着重算法的实用性，实现更精准的缺陷定位，追求端到端的应用，实际为工业制造良品提升带来极大的帮助。

　　据了解，机器视觉系统的研究和应用范围涵盖了工业、农业、医药、军事、交通和安全等国民经济的各个领域，在现代自动化生产中得到了越来越多的重视和应用。

　　基于机器视觉的表面缺陷检测理论研究和实际应用等环节均有可喜的成果，除了此次的纺织行业，禾思科技认为其实还有许多行业细分领域里存在着丰富的视觉需求。

　　禾思科技表示会继续依靠自主研发的多种视觉算法模型，用AI“唤醒”中国制造业，带来新一轮的工业升级。

转载请注明出处。