案例故事
核心诉求
喷油器阀座瑕疵检测每日平均需求4000-6000件，峰值12000件，目前只能通过人工肉眼来实现判断。然而，类似的检测工序，在喷油器制造当中还有2个。目前视觉判断工序需由熟练操作的工人付出4～7人每班的复核人力，如按每天3个班次计算，视觉判断工序人力成本将达到 60万/年，是全公司投入产出比最低的工序。所以，某司希望尽早借助人工智能技术释放一部分人力，以便提升质检的审核效率。
解决方案
第一步：根据质检目标，筛选标准的样品集合;
第二步：通过EasyDL反复训练识别模型;
第三步：制定自动化方案;
第四步：软硬件实施部署，完成自动化方案;
第五步：用户先通过自动化系统上传每次采集待测样品图片，然后实时上传已通过的识别模型进行判定，再返回相应的处理结果，最后由自动化系统将样品进行分类流转。
通过上述自动化检测方案识别出的喷油嘴阀座的相关问题：黑点(black)、瑕疵(defect)、划痕(scratch)
价值成果
利用依托PaddlePaddle深度学习平台构建的EasyDL定制化训练和服务平台，完成喷油嘴识别模型。结合原有业务流程和硬件，实现对检验岗位当中人力资源消耗最大的环节进行人工智能化的技术改造，实现零件瑕疵判读的无人化，以及节约近60万/年的人力成本、并将检验效率整体提高30%。
使用产品
EasyDL定制化图像识别
