跨国企业加速上云深化本地创新

你知道保时捷最大的市场在哪里吗?在中国.中国市场不仅是保时捷连续六年最大的单一市场,还把保时捷车主的平均年龄拉低了15岁.保时捷客户群体在全球的平均年龄是50岁,在中国是35岁.因此,保时捷将全球数字化转型的创新中心放在中国,以提升车主的驾驶体验.施耐德电气在云端实现数据存储和标注及模型训练,并把云端模型下发到产线边缘侧,执行边缘推理,"AI工业视觉检测平台"将误检率降低0.5%以内,并实现了零漏检率.这不仅提升了生产效率,而且提高了产品质量,在其武汉工厂试点成功后,即将……

工业产品表面缺陷检测AI模型开发平台设计与实现

随着市场对工业产品的要求越来越高,基于传统数字图像处理的自动化表面缺陷检测难以满足实际生产需要.随着基础硬件计算力的提升,人工智能(AI)技术逐渐登上应用舞台,这促使基于深度学习的表面缺陷检测方法成为工业视觉领域中的主流研究方向之一.然而,AI应用开发有着训练数据来源及格式复杂,训练依赖于多类型资源,开发流程繁琐等特性,现今公开的AI解决方案和相关平台存在模型和图像数据管理不统一,数据安全性不高和没有形成AI开发应用的完整闭环等问题与挑战,这些问题已成为工业制造企业智能化转型的绊脚石.针对上述问题,本文旨在为制造型企业构建一个工业产品表面缺陷检测领域的私有化AI模型开发平台,整合并简化AI开发部署流程,让企业可一站式开发应用AI技术.通过简化AI应用开发流程,降低深度学习的应用门槛,提供数据管理,深度学习模型开发,存储与计算资源管理,API服务发布等功能,为高效,低成本地进行AI产品的开发与应用提出了一种新的思路.本文的主要工作如下:(1)产品表面缺陷检测识别一体化模型构建.平台构建了缺陷检测领域用到的神经网络模型,对平台主要使用的Mask RCNN结构模型从轻量化和增强特征提取能力两方面进行了改进,并通过实验验证了改进方式的可行性.平台通过定义一种新的JSON数据格式统一了图像和标注信息的存储规则,用户可通过预先设置模型对应的超参数,一键式训练出高精度,可应用的模型,提高数据利用率和模型训练效率.(2)可视化缺陷检测模型开发.采用C/S架构在企业内部局域网构建一体化AI训练和应用平台,该平台囊括用户管理,数据存储,数据标注,模型训练,模型评估,模型测试和服务部署等深度学习技术应用全流程,并提供可视化操作界面,形成了开发和应用的完整闭环,降低了深度学习应用的人力与时间成本,提高了AI模型的开发效率.(3)模型训练资源调度管理.使用分布式集群技术调配资源,Hadoop HDFS文件系统作为模型和训练数据的存储组件,Kubernetes技术集群管理平台的硬件资源.使用Docker容器搭建深度学习运行环境,隔离每个模型训练和服务任务.该方式整合了所有硬件资源,保证了存储和计算资源的公平分配和充分利用,提高了平台的任务执行效率和资源利用率.本文设计并实现了该平台,基于瓷砖,电缆,地毯,皮革等多种真实数据对平台进行了验证,结果表明,在工业产品表面缺陷检测的应用场景下,本平台的开发效率和检测精度满足市场对AI产品开发与应用的能力要求.该平台的实现为工业表面缺陷检测领域的企业高效,低成本地进行AI产品的开发与应用提供了一种新的思路,在一定程度上可以加速传统制造企业向智能化,信息化转型.

基于人工智能的机器视觉在智能制造领域的研究应用

随着人工智能(Artificial Intelligence)技术的快速发展,以及工业数字化转型的逐渐深入和智能制造的逐步推进,制造业对于工业机器视觉技术的需求正处于上升趋势,其在智能制造领域的应用也日益广泛.机器视觉识别作为AI技术的一个重要分支,是用计算机模拟人的视觉功能,把客观事物的图像信息提取,处理并理解,主要应用于工业检测,测量和控制领域.机器视觉具有高度自动化,高效率,高精度和环境适应性强等优点,在我国智能制造领域发挥着重要作用.

感图科技 要用AI精密检测技术撬动百亿美元蓝海市场

<正>检测效率提高8倍,节省80%人力。2019年,随着国内人工智能技术和5G应用的推进,芯片、物联网IOT乃至"AI+"产业迅速进入了关键的冲刺阶段。在大市场泡沫与垂直领域机遇并存的大环境下,感图科技瞄准了AI机器视觉领域,专注于用AI视觉技术赋能传统制造业,代替人工目检,为高端工业精密检测场景降本提效。