目前，基于传统机器算法、视觉算法和人工智能算法结合，德国和日本在电路板纹理缺陷检测、手机摄像头模组表面缺陷检测上已经实现行业应用，主要集中用于金属的损伤、尺寸偏差的检测。如果未来能够采用深度学习的方法，机器视觉+人工智能的检测率将能够得到进一步提升。

　　但准确度一直是制约人工智能应用发展的局限。目前大多数的人工智能算法的准确度往往都达不到较高的准确率，误差率在15%左右，这意味着落地到产业，往往仍然需要部分人工进行复检，产业化成本较高。如果未来能达到95%以上的正确率，人工智能+视觉的产业化应用落地将不再成为难题。

　　机器视觉+人工智能+机器人

　　机器视觉+人工智能的应用需要一个设备的载体，工业机器人无疑是近年来最适用于搭载视觉单元的产品。

　　由于工业机器人本质上是一门综合了计算机控制机构、信息传感、人工智能仿真等多领域多个学科所形成的高技术。从1951年工业机器人的概念才被提出，到1962年的第一台工业机器人诞生，在1969年，机器视觉其实就已经被应用于工业机器人。在20世纪70年代，随着汽车行业尤其日本汽车行业的发展，使得工业机器人的应用得到普及，到了90年代后，基于人工智能的算法，国际上开始慢慢有部分基于触觉和视觉功能的智能工业机器人得到应用，但直到目前仍然不算主流。

　　但不可否认，工业机器人已经逐渐成为智能制造的重要支撑。目前许多行业产线工艺上也几乎都有着工业机器人的影子，例如上下料，搬运，以及加工行业的焊接、喷涂、拟螺丝、涂胶等工艺流程，机器人都已经进入并不断扩大市场份额。

　　如何通过人工智能（AI）+视觉提升工业机器人的技术能力或者加工能力？这是近年来许多专家学者思考和研究的方向。

　　基于传统机器视觉，工业机器人能更加柔性化，技术能力也得到了进一步提升，而AI技术的发展则开始使得工业机器人拥有了一部分智能。

　　得益于AI技术一开始在医疗救援、交通等行业所积累的应用数据、知识和经验，AI技术逐渐有了被应用到工业机器人技术中的可能性。许多专家认为，AI技术如果能够与工业机器人得到有机结合，将大大提升我国工业机器人的技术能力。因为人工智能技术发展我国和世界第一梯队国家处于同一起跑线，因此从国际范围来讲，AI+机器人的应用我国也和世界一流企业仍然处于同一起跑线。

　　目前四大家族工业机器人在与AI结合上，就公开资料来看都没能做到很好。例如KUKA在与AI的结合上，只是通过人工智能技术着重增强机器人的自主感知能力，去更好实现两台协作机器人协同。这种位置感知技术能够有效提升机器人的工作效率，在例如在人和机器人共同工作时，使得机器人能够及时感知和预判人的动作，从而提前进行位置调整实现机器人与人之间的有机互动，通过加入AI，机器人能很好感知人的存在和意图，能在进行例如上下料等工业流程中，机器人可以随时快速根据产线缺料情况选择补充，使得产线效率大大提升。

　　通过加入AI技术，机器人的工作误差容忍度大大提高，同时增加了位置准确性。例如原先在部分精度要求高的装配工艺上，制造成本非常高，因为装配对机器人等设备的精度要求很高，但加入了AI，将降低对于加工精度的绝对依赖，能在例如在针穿孔等过程中用AI+视觉引导补偿增加制造柔性。例如在装配场景下，要把左边零件装配到右边盒子，通过AI技术，机器人不需要高的绝对定位精度，而是能首先采取视觉引导，将机器人预先移动到固定位置，随后通过力觉引导机器人完成装配工艺。

　　同时人工智能还能提高加工过程的抗干扰能力和误差补偿能力。在打磨工艺上，原先汽车外表的打磨一旦开始后，整个流程必须按照固定打磨程序进行，一旦出现人的干扰，很容易降低打磨精度，但加入AI后，机器人就能自动感知到环境变化，使得打磨工艺可以考虑到人的因素继续执行，并能继续调整出实现符合质量要求的优化共建流程。

　　人工智能还可以增加机器人的可复用性。机器人的可复用性主要集中体现在工艺上，简单来说，就是将某些编程完成的程序，可以应用到多个不同的应用场景。例如不同曲面的打磨，不同样式的喷涂，都可以实现一套程序的多工艺复用，而不需要再单独人为针对细小非标产品重新进行多次编程，通过人工智能感知技术，机器人能进行自动调整和工艺复用。

　　除此之外，加入了人工智能的机器人程序，还具备了过程的优化能力。在原先，传统的机器人都是按照人编成的固定轨迹执行，从start到go是两个点位，一个固定的流程，而加入人工智能的机器人控制器后，通过机器学习，从star到go的轨迹可以自动优化，抓取效率更高。

　　在产线上，通过人工智能的大数据分析，还可以做到机器人的主动运维和报警，从而使得产线能一直处于较高效率的工作状态。

　　智能制造的新未来

　　人工智能+机器视觉+机器人的产线，其实开始呈现智能制造的雏形。

　　工业4.0或者智能制造非常重要的特点在于能实现个性化定制类产品制造。简单来说，在如今工业产线生产都是大批量，往往存在过量和库存问题，而未来产品的竞争更需要靠个性化定制，因此要求企业能够快速有效换产，能够交货周期更短，成本控制更细微，产线交替更短。这其中无疑就涉及到许多人工智能技术。

　　学术界有一个名词叫CPS，即物理信息融合系统，其中就实际涵盖了不同层面的人工智能技术。数字孪生技术本质上也是CPS的实物体现。CPS体现了通过物理系统和信息系统的融合，以及通过人工智能推理计算和优化技术，最终能够实现个性化产品规模化生产。

　　目前无论是腾讯还是阿里巴巴的无人工厂，都希望去实现这种定制化规模生产的产线，最终能做到客户下单后，直接自动通过云平台将生产任务传到生产单元，然后进入整厂规划调度，满足交付交期和成本要求。