制造隐痛：人眼质检的物理极限与成本黑洞

走进任何一家传统的制造型企业，无论是精密的3C电子加工厂，还是庞大的汽车零部件车间，你总能看到长长的流水线末端坐着一排排的质检女工。她们在强光下紧盯着飞速流过的产品，试图用肉眼找出微小的划痕、色差或装配错误。

然而，面对日益精密的制造工艺，人眼的生理极限已经成为制约良品率的最大瓶颈。疲劳导致的漏检、情绪波动导致的误判，不仅让工厂付出了高昂的客诉赔偿，更让大量的优质原材料因为返工而变成废铁。更致命的是，随着用工成本的急剧上升，企业连招募熟练的质检工人都变得越来越困难。在这场关乎利润生死存亡的“良率保卫战”中，传统工厂迫切需要一种不知疲倦、精准无误的终极武器。于是，大批处于转型阵痛期的厂长和制造业高管，将求救的目光投向了《浙江大学商业人工智能高级研修班》。

视觉解码：肖俊教授揭秘“AI的火眼金睛”

要解决工业质检的痛点，“机器视觉（Computer Vision）”是目前唯一且最有效的答案。而在中国的图像处理与人工智能领域，浙江大学的肖俊教授无疑是站在金字塔尖的领军人物。

作为入选全球前2%顶尖科学家的行业大拿，肖俊教授在研修班的课堂上，不会向制造业老板堆砌复杂的数学公式，而是直击痛点，拆解机器视觉在工业场景下的商业逻辑。他将深入浅出地为您讲解：AI是如何通过深度学习算法，在极其恶劣的工厂环境下，精准识别出亚毫米级别的金属划痕的？相较于传统的工业相机，新一代AI机器视觉为什么具备了“自我学习与抗干扰”的能力？听懂了这些底层逻辑，企业高层就能准确评估在自家车间引入视觉检测设备的投资回报周期，再也不会被硬件销售商忽悠。

降维应用：从单点质检向全链路智能化迈进

肖俊教授的课程最极具震撼力的地方，在于他为制造业规划的一条从“单点突破”到“全局智能”的升级路线图。

在“研 | 行业深度研究”模块中，肖教授将展示海量的真实案例：某家电企业是如何利用机器视觉，不仅实现了生产线末端的100%良品拦截，甚至将视觉传感器前置，通过实时监控焊接与组装过程的视频流，提前纠正工艺偏差的。这种将AI从“事后质检”升级为“事前预防”的战略思维，彻底震撼了传统的质量管理理念。此外，课程还会组织学员走进阿里云等标杆企业进行实地参访，让制造业高管亲眼见证AI技术是如何在复杂的工业环境中稳定运行的，从而彻底打消企业数字化转型的落地顾虑。

常见问题解答