我們來說說一個有著很多癥結的問題吧。
Lucidyne Technologies 從1980年代末期開始，便一直使用人工智慧來檢測木材品是否存在著瑕疵。
但不管該公司使用多少技術，想要檢測木板是否存在著瑕疵仍是一大難題，這對於木材分類及最大化其價值來說，是一項重要的過程。
Lucidyne Technologies 設立於美國俄勒岡州的科瓦利斯這座小城市，該公司的技術長 Patrick Freeman 說：「這個不像是在工廠裡掃描標準化生產的齒輪，木節是獨一無二的，木材上的每個木節長的都不一樣。」
恰巧人工智慧最適合進行這般作業，Lucidyne 投注所有心力來做這件事，運用 GPU 深度學習開發出一套適用於木材廠的最先進掃描系統。
木材以每小時35英里的速度在木材廠裡輸送時，Lucidyne 的 GradeScan 系統（從實體上來看有點像是混合了裝配線工作站和核磁共振成像機器）每秒鐘掃描兩塊木板，可以對七十種瑕疵進行檢測和收集視覺資料，像是木結、火疤，樹脂囊和裂縫。
Lucidyne 的系統檢測木材的多種瑕疵：橙色 = 樹皮
斑塊；森林綠 = 火疤；紅色 = 活節；亮綠色 = 死節；
藍色 = 樹脂囊；粉紅色 = 狹縫。
系統接著會使用一個深度學習模型，Lucidyne 先前已經使用 NVIDIA GPU 及十六種木頭數十萬塊木板掃描影像資料集來訓練這個模型，所有資料皆由木材分級專家團隊完成了分類。
該模型的基礎演算法會判斷切割每塊木板的最佳方式，引導沿著瑕疵處進行裁切的精細程度為 8/1000 英寸，然後將這些指示傳到木材廠的鋸子上，以產生最大的收益。
工廠發現的每項內容也會傳回 Lucidyne 的資料集，不斷提高這套深度學習模型的精度和準度。木材廠對於要裁切的木材，可以說是學無止境。
前所未有的準度和精度
一般的掃描作業是將木材分為六級，像是一級是最有價值的木材。掃描一片20英尺長的木板後，Lucidyne 的系統可能會判斷最好的切割方式，是把中心附近一塊兩英尺大的瑕疵切掉，留下兩側兩塊八英尺長的一級和二級木材，另外還有一塊兩英尺長的木材要進行修邊，說不定會賣給木屑廠。
這種精細程度使得 Lucidyne 能夠在競爭市場裡脫穎而出，大幅增進木材廠的木材分級精度。
Lucidyne 的軟體工程經理 Dan Robin 說：「我們在採用深度學習技術後，判斷變得更為精準，客戶生產出的包裝分級標準的上下兩個百分比，這是沒有其他業者能做到的程度。」
Lucidyne 的 GradeScan 系統。
Lucidyne 在2017年開始部署搭載自家 Perceptive Sight 軟體的 GradeScan 系統，每套系統使用 NVIDIA P4 GPU 進行推論作業，而 Lucidyne 現在開始部署搭載新款 NVIDIA T4 GPU 的系統。
Freeman 表示新系統的資料處理速度較過去快上十六倍，也有著更高的影像解析度。
Lucidyne 決定採用深度學習技術，以提高辨識木材瑕疵的精細程度，也正如他們所預期的，出現了好的結果。
提高標準
「我們想要拿出更好的表現，想要讓目前檢測瑕疵的精度更高，對從未見過的瑕疵正確進行分類，還有更及時提供解決辦法給更多客戶。」Freeman 說。
Lucidyne 為此與 NVIDIA 合作量身開發專用軟體，使用語義分割來擴大精細推論的能力。
同時 Lucidyne 還利用每一股運算能力增強的浪潮，將掃描能力鎖定在更微小細緻的瑕疵上。該公司日前展開紅木的分級作業，但並不容易對有著多種顏色變化的紅木進行掃描。Lucidyne 也想加入硬木的掃描作業，最終希望解決木材廠面臨的其它挑戰。
所有這些創新都讓 Lucidyne 的技術部門主管覺得他們做著更偉大的事情。因此他們看上了其它要檢查有機材料的行業，打算對它們革新性破壞。
Freeman 說：「我們認為自己行為的獨特之處，便是將工業深度學習檢查的能力提升到新的水準。」