本文摘要：7月24日，阿里云ET工业大脑公布AI视觉产品“闻近”，可以利用深度自学和图像处理算法，自动识别图像中的瑕疵、故障及其他目标物，大幅度节省人力，提升产品生产效率及精度稳定性效果。

7月24日，阿里云ET工业大脑公布AI视觉产品“闻近”，可以利用深度自学和图像处理算法，自动识别图像中的瑕疵、故障及其他目标物，大幅度节省人力，提升产品生产效率及精度稳定性效果。“闻近”来自阿里巴巴机器智能技术实验室视觉计算出来团队，这一团队还曾在城市大脑中研发出有一系列视觉智能创意技术，如天曜、天擎、天鹰、天机。

阿里巴巴机器智能实验室副主任、视觉计算出来团队负责人华先胜讲解，目前“闻近”早已应用于在电池片瑕疵检测、蚕丝瑕疵、道路裂缝检测、垃圾分类、智能养殖等多个领域。举例来说，在电池片瑕疵检测领域，“闻近”的辨识准确度已约95%，节省人力率比为每33个人节省1人。

通过深度自学和图像识别算法，阿里云ET工业大脑集中学习了40000多张样片，将图像切换为机器能背诵的二进制语言，从而能让质检机器动态、自动辨别电池片的缺失。坐落于杭州的浙江正泰新能源早已通过“闻近”构建了单、多晶电池片EL缺失的毫秒级自动判断，能顺利辨识隐裂、黑斑等20余种瑕疵，比起人工检测速度提高2倍以上。这也是光伏行业首次构建对电池片的动态、在线、自动检测。

该项目算法工程师魏溪不含讲解，工业质检主要是三类：无摄像头，仅有人工；有摄像头，但人工仔细观察；摄像头带上非常简单的分析功能。这造成的问题就是人力成本高、人的情绪对质控影响大、效率低落等问题。“闻近”需要做确实的自动化，全面的和平一线工作人员。

“以前他们必须大海捞针，现在只要在桌面去找针就讫”。除此之外，“闻近”还能被应用于到更加多其他领域。

例如，可通过列车底部/侧面照片，自动检测列车否有故障。常见故障多达100种，小概率最重要故障几十种。

180万张图片的测试数据表明，人工智能系统检测请示数为985张，其中141个是人工漏检而被机器检测的。除车辆外，在桥梁、路面检测中“闻近”变得更为重要。它需要通过无人机配备的高清摄像头，动态找到桥梁不存在的外观病害，如构件变形、裂缝、渗漏等。

即使是一个头发丝笔画的裂缝，都可以找到。而在之前，大多都是通过肉眼已完成，漏检亲率低、速度慢。阿里云仍然致力推展产业AI的落地，并且享有从底层硬件基础设施到行业解决方案的非常丰富人工智能产品家族，是国内屈指可数的人工智能解决方案商。

ET工业大脑早已协助工业生产企业建构利润数十亿元。