工業(yè)產(chǎn)品檢測過程看似相同實則區(qū)別較大，檢測一個產(chǎn)品可能同時需要多個檢測工具，除了視覺可能還有觸覺、聽覺等一系列感官能力參與。就目前狀況看，AI視覺檢測只能做到光整平面檢測，對凸凹不平三維體無能為力，這樣的應(yīng)用場景就局限于小的平面零件，適用范圍狹小。
　　AI視覺檢測應(yīng)該專注于把一項領(lǐng)先技術(shù)迭代，小范圍推廣嘗試做技術(shù)積累，讓子彈飛一會。工業(yè)產(chǎn)品的特點決定了不可能有互聯(lián)網(wǎng)產(chǎn)品那樣統(tǒng)一大市場，每項技術(shù)應(yīng)用場景很小，這一點應(yīng)該向德國學習，專注于深耕細作，再不然也應(yīng)該向日本學習，一口井撅深了再挖挖周邊，藤蔓式創(chuàng)新，做一個產(chǎn)業(yè)鏈。
　　我思考了很久也沒想到機械加工工藝上怎么應(yīng)用AI檢測(可能與我見識淺薄視野狹隘有關(guān))。就目前AI視覺檢測技術(shù)來看，在機械加工中應(yīng)用，視覺檢測精度、復雜度、穩(wěn)定性都不還夠。

　　就像市面上很多人工智能產(chǎn)品，對一個感官健全的人來說可以用一用，對一個感官不全殘障人士來說可能是廢的產(chǎn)品。準確度不夠，缺少基本執(zhí)行功能，ai替代人全方位感知能力現(xiàn)在還很難?，F(xiàn)階段應(yīng)用難是整個工業(yè)體系還沒準備好，提供不了一個完整的解決方案，僅作為一個工具，承擔不起工業(yè)4.0進程的領(lǐng)導作用，制造業(yè)反應(yīng)本來就慢些，一馬當先其它馬還得追一會。
　　檢測處于制造工藝末端環(huán)節(jié)，一般占生產(chǎn)成本比例不大，檢測工藝技術(shù)也不是生產(chǎn)關(guān)鍵技術(shù)，對檢測人員技能要求也不高，不是企業(yè)迫切革新環(huán)節(jié)，也不是提高生產(chǎn)率剛性需求，AI檢測技術(shù)提升的那點效率，對于企業(yè)來說既不痛也不癢，如果需要投入很多人力物力，還不如投入生產(chǎn)制造前端工藝改進，帶來效率提升更明顯。最終還是得用戶需求驅(qū)動技術(shù)創(chuàng)新和市場選擇驅(qū)動技術(shù)轉(zhuǎn)化為商品。要想把AI檢測產(chǎn)品做得好，得把AI工業(yè)檢測往生產(chǎn)工藝前端推進，參與到更廣泛的生產(chǎn)場景中去。滿足更多用戶痛點需求、剛性需求，最好能干預(yù)、引導整個生產(chǎn)環(huán)節(jié)。比如，在裝配環(huán)節(jié)應(yīng)用，監(jiān)測裝配零件和工具取用順序，對裝配工人肢體動作進行監(jiān)測，對零件裝配做過程引導，減少錯裝漏裝等。
　　最后，工業(yè)是要出實物產(chǎn)品，前期固定資產(chǎn)投入高，產(chǎn)品周期長，技術(shù)基礎(chǔ)積累環(huán)節(jié)可能需要幾年十幾年甚至幾十年，比起其他行業(yè)回報又相對較低。就拿熱門的芯片來說，前期研發(fā)需要十幾年時間，投入是海量資金和人力，一般企業(yè)根本支撐不來，資本更沒有耐心等待。
　　工業(yè)就要制造實物，是智力+能量+時間的轉(zhuǎn)化過程。時間是阻止外行進入最高的門檻。
    而AI視覺檢測在溫室大棚中可以通過和機械手采摘車配合不間斷的檢測和摘取成熟的蔬菜水果，比人的工作時間更長，也更準確。