7月24日，阿里云ET工業大腦發布AI視覺產品“見遠”，可以利用深度學習和圖像處理算法，自動識別圖像中的瑕疵、故障及其他目標物，大幅節省人力，提高產品生產效率及精度穩定性效果。

“見遠”來自阿里巴巴機器智能技術實驗室視覺計算團隊，這一團隊還曾在城市大腦中研發出一系列視覺智能創新技術，如天曜、天擎、天鷹、天機。

阿里巴巴機器智能實驗室副主任、視覺計算團隊負責人華先勝介紹，目前“見遠”已經應用在電池片瑕疵檢測、蠶絲瑕疵、道路裂縫檢測、垃圾分類、智能養殖等多個領域。

舉例來說，在電池片瑕疵檢測領域，“見遠”的識別準確度已達95%，節省人力率比為每33個人節省1人。通過深度學習和圖像識別算法，阿里云ET工業大腦集中學習了40000多張樣片，將圖像轉換為機器能讀懂的二進制語言，從而能讓質檢機器實時、自動判斷電池片的缺陷。

位于杭州的浙江正泰新能源已經通過“見遠”實現了單、多晶電池片EL缺陷的毫秒級自動判定，能成功識別隱裂、黑斑等20余種瑕疵，相比人工檢測速度提升2倍以上。這也是光伏行業首次實現對電池片的實時、在線、自動檢測。

該項目算法工程師魏溪含介紹，工業質檢主要是三類：無攝像頭，全人工；有攝像頭，但人工觀察；攝像頭帶簡單的分析功能。這導致的問題就是人力成本高、人的情緒對質控影響大、效率低下等問題。“見遠”能夠做到真正的自動化，全面的解放一線工作人員。“以前他們需要大海撈針，現在只要在桌面找針就行”。

除此之外，“見遠”還能被應用到更多其他領域。例如，可通過列車底部/側面照片，自動檢測列車是否有故障。常見故障超過100種，小概率重要故障幾十種。180萬張圖片的測試數據顯示，人工智能系統檢出上報數為985張，其中141個是人工漏檢而被機器檢出的。

除車輛外，在橋梁、路面檢測中“見遠”顯得更為重要。它能夠通過無人機搭載的高清攝像頭，實時發現橋梁存在的外觀病害，如構件變形、裂縫、滲水等。即使是一個頭發絲粗細的裂縫，都可以發現。而在之前，大多都是通過肉眼完成，漏檢率高、速度慢。

阿里云一直致力推動產業AI的落地，并且擁有從底層硬件基礎設施到行業解決方案的豐富人工智能產品家族，是國內最全的人工智能解決方案商。ET工業大腦已經幫助工業制造企業創造利潤數十億元。