成都创客杨龙：从“AI养猪”到“AI找茬”，看好工业检测赛道未来前景

导读：创业不易，但在成都，杨龙感受到的是一种“自在感”和“归属感”。他告诉记者，作为一个“蓉漂”，自己已经以一颗“AI之心”，在成都扎下了根，希望能够在人工智能领域为成都再添一张科创新名片。

和任何新技术一样，人工智能也曾经历过炒作时期。围绕着这项技术，巨头投资、创业押注不绝于耳。如今热潮褪去，回归理性，以场景为导向的AI发展模式将AI产业推入了成熟发展期。

杨龙就是怀揣着深耕理念于人工智能应用的其中一人。2014年，从四川大学通信与信息系统专业博士毕业后不久，他便去往深圳，入职一家国内知名人工智能头部企业，负责人脸识别等深度学习算法，以及大规模数据挖掘算法的研究与应用。

凭借这期间的经验积累和不断思考，以及对人工智能的热爱，五年后，杨龙返回成都开启了自己的创业之路，在长达多半年的行业深入调研后，他最后将目标放在了工业缺陷检测领域。

创业不易，但在成都，杨龙感受到的是一种“自在感”和“归属感”。他告诉记者，作为一个“蓉漂”，自己已经以一颗“AI之心”，在成都扎下了根，希望能够在人工智能领域为成都再添一张科创新名片。

从“AI养猪”到“AI找茬”

探索人工智能落地新场景

创业之前，杨龙还曾在一家主营农牧食品的知名企业担任AI技术负责人，专注智慧养猪领域。基于人工智能的图像识别技术，能够实现对猪只的个体识别和标注，通过密度盘点、轨迹跟踪，“扫一眼”猪栏就能知道猪的数量,并对每头猪进行估重,提升了养殖和管理效率。

“当时选择做这个，就是能想看看AI能不能在农业上落地，到底能发挥多大作用。”而在智慧养猪落地后，他又把目光投向工业领域。“我本科学的是机械，研究生做伺服控制，博士研究计算机硬件、视觉算法，做工业视觉这个领域再适合不过。”于是在2020年，杨龙选择辞职创业。

“如今传统制造企业纷纷向数字化转型，在生产、组装等多个环节实现了自动化，但唯独质检环节，仍然是以人工检测为主，即通过肉眼观察来判断产品是否符合标准。”杨龙提到，这种方法不仅需要耗费大量人力，且重复、枯燥，检测效率也不高，限制企业扩大产能的瓶颈也正在于此。

他提到，在人工智能的技术方向中，基于深度学习、迁移学习以及生成对抗等AI技术有很强的检测和分类识别能力，可以替代人工去做很多工作。通过对大量图像数据的深度学习，不仅能够识别产品表面瑕疵，更能精准识别细微缺陷，以及进行品类分级。

“例如像钢铁、陶瓷、木材、玻璃、3C等制造加工企业，都可能成为我们潜在的目标客户。”在杨龙看来，相比已是创业红海的人脸识别领域，以及互联网头部企业争相入局的智慧养猪领域，工业缺陷检测是一个赛道足够宽的巨大市场。

人工智能落地仍有难点

看好工业检测赛道未来前景

“以为AI什么都能做，这是很多人对于这项技术的一个巨大误解。”杨龙表示，目前的人工智能技术能够在一些特定场景发挥巨大作用，但它并非无所不能。首先，AI的数据输入还需依赖现有的传感器设备；其次，AI是一个大数据拟合的过程，其结果是一个概率统计模型。此前，一家合作的制造企业，希望杨龙和他的团队利用AI技术，把产品可能存在的缺陷都一一识别出来。而他坦言，现有技术已经能够覆盖七八项缺陷识别，但这还不是全部。“前期我也会告诉他们，一开始的准确率可能只有80%，但通过不断迭代更新，检测准确率可以达到90%、95%，但基本上不会达到100%。”杨龙强调，AI技术对于缺陷识别并非一蹴而就，而是一个循序渐进的过程。

如今，公司自主研发的这套工业AI检测技术，不仅能够对检测物料中的目标缺陷进行定位，对检测对象材质、纹理、颜色、种类以及缺陷细分等问题进行分类判断，还能够实现对产品裂纹区域、胶装等区域进行像素级别的检测和边缘识别。

不过，人工智能应用落地仍有不少难度。“不仅要懂技术，还要对行业有充分了解，包括产品生产流程、加工工艺等等，才能够找准企业的痛点。”杨龙透露，自己在刚刚接触到智慧养猪这项工作时，前期花了两个多月的时间学习养猪知识。

“目前这个赛道足够宽，有很大的市场需求，相信在人工智能的趋势下，持续深耕这一细分领域，我们一定能够找到自己的一席之地。”杨龙坚定地说。