部分 工业CT介绍

　　科普工业CT的成像原理。

　　其实从成像原理来讲，并不难理解，跟医疗行业的CT成像原理非常类似。它的基本原理实际上就是用X射线对物体进行扫描，获得物体360°——也即全方位的二维投影，再通过数学建模，通过重建算法来获取物体的三维信息。三维信息能够很清晰地把物体内部的结构、组成、材料、几何尺寸，以及当中的潜在缺陷信息直观地体现出来。工业CT技术，它的从「CT」实际上就是计算机断层成像技术（Computed Tomography）的缩写，这就是 CT成像的基本原理。

　　与医疗CT相同，工业CT的基本元素也是X射线源（旋转平台）+承载平台+探测器，而与医疗CT不同的是，工业CT的旋转对象是物体，而不是成像板。

　　工业CT的技术发展历程。

　　CT在工业领域的技术发展，有主要的几个维度。

　　一是它对图像质量的要求越来越高。

　　因为更高的图像质量意味着对于工业企业，无论是生产制造商还是运营商，能够帮他们更准确地识别当中的缺陷问题。

　　另一个技术发展方向是快速检测。

　　也就是说当CT摆到生产型企业当中后，企业需要在图像的成像质量和检测速度之间做一个平衡，他们会更加看重快速成像，以保证生产效率的提升，这些都会推动工业CT本身技术的发展。

　　CT成像技术从扇束CT到现在被广泛使用的锥束CT，从毫米级的焦点尺寸到现在的微米、纳米级的尺寸，无论是在成像速度上，还是在CT图像的分辨率上都得到了非常大的提高。另外CT数据重建和数据可视化的速度也借助计算机的发展速度的到了极大突破。

　　工业CT解决方案为用户创造的核心的价值

　　工业CT为客户创造的核心价值，如果从表象来讲，实际上它就是通过一种「非破坏性」的手段（因为不需要破坏被检测对象），就能够帮客户获取工件内部的缺陷，从而对工件本身，根据企业的质量标准，进行一些甄别和筛选。这是它表象所呈现的一种技术手段。

　　从实际的企业应用来讲，它在企业的不同维度也会产生不同的价值。

　　先拿生产型企业来讲。

　　工业CT对生产制造型企业，或者说工业企业，它带来的价值其实是分布到几个层次上。

　　在企业的研发环节当中，有很多企业需要在研发中对于生产的工艺、制程、材料，包括新的技术手段做很多探索和尝试。当有新的工艺、新的流程、新的材料出现之后，要保证这些材料、工艺能够继续满足企业的产品需求、管制或者行业标准、行业管制的需求，就需要有一种非常领先的辅助的科技手段来帮助实现。因此，工业CT在这个环节中就起到了非常重要的作用。也在很多行业当中看到了这样的例子——企业利用工业CT在研发阶段来获取支持，从数据、图像质量上给企业很多建议和指导。

　　在生产过程当中的支持。这部分支持很容易理解，当企业按照既定的材料，既定的管理流程、手段，把原材料组织在一起，运用到生产工艺环节当中之后，生产出来的产品由于工艺环节当中的偏差，以及操作人员在操作环节当中的偏差，难免使工艺产品本身产生质量上的偏差。那么这个时候，工业CT可以帮助企业，无论是抽检还是全检，能够帮助企业识别产品缺陷，对企业的产品质量，包括产品的整体运营效率，提供一个保障。实际上就是帮助降低产品的不良率，提升生产效率和产品的可靠性。

　　产品发到客户端后的支持。对于工业企业来讲，不论是像消费电子，或是汽车行业等，当企业把产品发到终用户端之后，总会产生客户投诉。比如某品牌手机在几年前出现过很严重的电池问题，例如在飞机上爆炸等，这样的情况对于企业来讲是非常头疼的，他们需要知道产品发到用户端之后，通过在用户侧的一段时间的使用之后，产品发生了哪些变化，这些变化背后对企业未来在工艺流程、原材料的改进上有什么样的指导性意义。所以在这个环节当中，企业也会对使用之后的终端产品进行CT扫描，通过图像、数据等与原先在设计生产环节当中的数据进行比对，看一看在工艺流程、原材料的组织上，有哪些环节可以做得更好以减少未来的客诉，从这些方面为企业提供指导建议。

　　其实归结在一起，核心价值都是为了给客户提供更好的产品的可靠性，对工业、对企业的生产效率提升，以及对企业口碑、品牌的提升都会有非常大的指导意义。

　　以研发型机构为例，国内有很多科研院所或博物馆，在他们的研发当中，工业CT也都扮演着重要的角色，帮助他们进行文物鉴定及文物出土后的时间轴分析，以及对文物本身材料、材质的变化分析都能够带来很好的价值。

　　第二部分 工业CT的应用

　　当前可以应用到工业CT的领域

　　这个还是很多的，例如上一个问题中我举的例子，另外还有航空航天企业（如SpaceX、Blue Origin等），他们在送航天飞机上天时，很多材料都需要用工业CT来做一些检测。传统汽车领域里的发动机、变速箱等，新能源汽车的电池电机及电控系统等，都会用到工业CT来做保障。还有消费电子以及增材制造领域，例如医疗健康领域的增材制造，人造骨骼、牙齿等，也都需要通过工业CT来看这些产品在质量上，在内部的裂纹孔隙上，是否能够满足放到人体内、在飞机上或其他路线上的需求。

　　比如消费电子领域。客户关注的要点包括通过工业CT来提高产品制程的稳定性，通过工业CT来看产品的质量及故障品的失效原因。更加具体的就比如在制程当中，焊接点的质量结构、组装的精度以及失效点的可能原因等。

　　再说说汽车领域。

　　汽车领域会有这么几种类型：

　　一、传统的汽车领域，也就是常规的汽油车。

　　这个领域在工业CT的使用上正在从实验室往生产线上做转移。传统意义上来讲，企业一般会在实验室购买工业CT，主要的目标其实是做新产品的开发保障，以及做一些零部件替换的首件的质量保障。但是现在一个很大的趋势是：

　　1、企业正把工业CT往生产线上做转移，也就是从整车厂的实验室转到整车厂的实际生产线，把抽检的批次提升，从首批件的抽检变成批批件的抽检，甚至做到整批件的全检。

　　2、工业CT环节会从整车厂逐步下放到他们的一级供应商，甚至到二级供应商，也就是在供应商领域的研发测试阶段和生产阶段，都会把工业CT应用起来。主要的应用体现在我刚才讲的像发动机、变速箱等，包括联动系统、刹车、电子等。

　　二、商用车领域。

　　国内的商用车（救护车、物流用的运输车辆、卡车等）在过去对质量的控制实际上是比较粗放的。目前的趋势是，在这个领域出现了一些比较领先的企业，开始把目光从传统的两维质量检测转到更高的CT的三维检测上去，能够对柴油发动机及其他的零部件在商务车领域做检测，来保障商务车的核心零部件质量。

　　三、新能源汽车领域。

　　不仅是中国，这个是现在全球比较火的一个领域。

　　这里涉及到几个大类：

　　1、新能源汽车中的动力电池，在电池供应商这一侧，一直希望能够运用工业CT的技术，因为电池是动力，是新能源汽车当中重要的一个环节，也是消费者关心的一个环节，包括电池的寿命、电池的安全等。很多国内和国外领先的电池企业都在运用CT技术，在电池的研发、生产和总装等环节中用工业CT对产品质量进行判定。

　　2、新能源汽车的组装厂，现在国内新能源汽车的头部企业都在探讨通过工业CT对电机、对总装、对电控系统等做一些保障，以保证整车的质量。

　　所以在汽车领域，无论是传统汽车、商用车，还是现在的新能源汽车，工业CT的应用还是比较深入的。

　　工业CT在应用中的发展趋势

　　从近几年工业CT技术的发展来看，目前新的发展趋势实际上是跟计算机技术，包括软件发展技术相关的。

　　传统的工业CT识别方法，是对工件进行扫描后，人工根据扫描后的图像进行分析，并通过图像分析的结果给出判定性的意见。但对于工业企业客户来讲，面临着两个挑战：

　　1、劳动力成本的提升。

　　劳动力成本越来越高，企业会更希望通过智能化、自动化的生产线来解决劳动力成本的问题。（当然生产线其实是一个更大的概念，并不只是针对 CT的使用，而是说整条生产线都希望更智能化、自动化，配备的人工越来越少。）

　　掌握CT的扫描技术，并且能够准确地从CT扫描成像中把缺陷识别出来的专业技术人员的缺失。

　　这两点可能会使得工业CT产生比较大的缺口。

　　所以对企业来讲，他们一方面希望把工业CT用在在线生产的质量检测当中，但另外一方面，受制于技术员的缺失，无法保障对每张图片进行有效的判定。做一个类比的话，相当于在医院里，每次做完CT帮看片子、下结论的人会越来越少。

　　所以计算机技术和软件技术的发展其实是给了企业一个解决痛点的机会，也就是通过大数据、算法技术来实现缺陷的自动识别。通过更有效地对机械自动化的控制，解决劳动力的问题，再通过计算机软件大数据的技术，解决缺陷自动识别的问题。这两项技术在未来生产型企业当中可能会有非常大的发展机会，无论是在国内还是在国外。

　　第三部分 自动缺陷识别技术

　　自动缺陷识别技术是目前比较新的一个应用领域，早叫它ADR，也就是Assisted Defect Recognition——并不是指全自动，而将来希望能够做到automatic——全自动化，可能步是辅助化的缺陷识别，第二步是全自动化的缺陷识别。它实际上是伴随着计算机及算法软件一步步发展出来的。

　　那么这里有几个方向：

　　判断效率。从CT的检测效率来讲，过去都是以小时来记的，而现在要把CT搬到生产线上来的话，必须以分钟，甚至以秒钟来计算生产效率。所以这个生产节拍会带动工业基地本身的机械系统，就是机加工扫描速度，包括射线的扫描速度、成像速度的提升。那么这方面的问题是，的软件算法能不能在这么快的时间内根据重建的数据找到缺陷做判定，并且把它体现出来。

　　稳定性。当算法的效率，就是判断速度跟上之后，就要面临稳定性的问题。当在线系统重复地跑100个件、1000个件、1万个件，甚至更多的批量、批次时，需要系统的稳定性是一致的。也就是需要系统能够在很大的范围内只有几次miss（没有找到），甚至所有的缺陷都能够找到。所以从这一点来看，其实是对算法的稳定性，包括机械 CT本身，都是很大的一个挑战。

　　数据库。由于CT扫描出来的是图像，对图像识别的依赖很大，就像在医院，无论是做CT、做核磁，成像之后是依靠于医生的，医生根据自己的知识和经验来对图像进行判定，判定被扫描的部位或器官是不是有问题。那么对于机器来讲，机器也需要一定的经验，也就是说需要一个很大的数据库来帮助机器学习，进而知道什么样的图像是好的，什么样的图像是有问题的，把良品放回去，把次品找出来。从这一点来看，目前很大程度上依然需要依赖一些人为的干预和支持，未来的趋势一定是更智能化、更系统化的。

　　指导性。当系统能够做到自动识别，能够把稳定、快速、自动等问题都解决了，那么对于企业来讲，更重要的问题是，当把这些数据汇集在一起，能否对生产工艺环节给予一些指导：哪个工艺环节可以改善，进而提升良品率，减少次品率。当数据量足够大之后，对于整个产品的研发环节，供应链环节，能够有哪些指导性的意见。这些可能都是未来在自动识别缺陷领域当中会衍生出来的一些数字化的新技术，也是一直寻找的新方向。

　　将来如果缺陷识别的软件技术成熟到一定的程度后，其实对企业来讲，他可能更关注的不仅仅是在生产线上这一批次的次品被快速稳定地被识别出来，更重要的是，能不能做成一个ecosystem（生态系统），为企业在整个工艺流程的大环境中给出一些指导性的意见。比如说在前道工艺当中，哪个环节可以加以改善，使得它批次的良品率能够提升，或者说在原材料方面帮助企业识别问题，与供应商直接对话，在供应商领域的环境中做出改善，以提升成品率。这可能是一个比较大的课题。

　　另外，当缺陷自动识别的算法成熟之后，对于很多消费类的制造型企业来讲，他们非常需要一个大的数据库。我举一个例子，比如在手机行业或是新能源汽车行业中，电池是一个很重要的环节，无论是新能源汽车还是手机的制造商，他们都希望构建一种系统，能够记录电池生产工艺流程当中的不同检测所呈现的图像，转化到装配环节的成像（包括整车厂或者装配手机的装配厂），再到它发送到终端。比如当汽车开始行驶后，不同里程数对应的电池扫描；当手机开始使用后，不同时间对应的电池扫描。当把这些数据串在一起，企业更希望看到这些数据和图像的背后，能否有一些规律化的东西呈现出来，这对我国企业未来在在如何选择技术、工艺、参数，如何做供应商管理，可能会是一个更大的课题。

　　对于业务来讲，计算机自动识别以及大数据方面的技术是一直非常看重的发展领域，这部分叫digital inspection solutions，它会是在三个原有的SBU（Sub Business Unit），即原有的业务单元之后新成立的一个新的业务发展方向。无论是大数据，缺陷识别，还是其他的智能化设计或基于计算机的应用技术，都会在 digital inspection solutions范畴内。

　　基本的，目前无论是工业CT还是两维检测系统，首先希望能够在一台机器上检测扫描的数据当中，总结出一些规律。其实这部分的技术原本并不是企业所擅长的，所以也一直保持着一个相对开放的心态，希望能够跟无论是中国还是其他国家或区域的优秀软件，或是软件数据型的企业达成合作，首先帮在一个点上解决一些问题，然后再统筹把各个点整合在一起，形成一个体系，像我刚才讲的，能够在更大的维度内帮助客户解决问题。

　　适创科技是技术积累非常深厚的企业，彼此有过很多交流，尤其跟郭志鹏博士的团队有深入交流，所以已经找到了像电子的芯片、电池，还有汽车铸件、岩心等合作维度，另外还有设备的远程维修维护和保养，这个领域也涉及到对于机器本身数据的一些读取和识别，所以在这各方面也会有一些合作。

　　目前贝克休斯在这类的合作上处于一个早期的阶段，也期待着后续随着这项技术被用户越来越多的认可，以及这项技术本身在不同领域的发展，能够跟国内越来越多像适创科技一样优秀企业的合作。贝克休斯会保持一个开放的心态，与领域内专业的企业一起，把更好的整体化方案带给的客户。