在线播放无码a国产|无码熟妇人妻在线视频|亚洲午夜一区二区电影院|国产精品刺激对白麻豆99|久久精品女人Av一区二区|国产免费tv一区二区无码|成人网站在线看午夜羞羞入口|国产AV一区二区三区图片专区

中國企業(yè)報集團主管主辦

中國企業(yè)信息交流平臺

微博 微信

阿丘科技:生成式AI與行業(yè)視覺大模型驅(qū)動工業(yè)AI視覺2.0

2024-05-27 10:09 來源:商丘網(wǎng) 次閱讀
 
阿丘科技:生成式AI與行業(yè)視覺大模型驅(qū)動工業(yè)AI視覺2.0

封面頭圖-裁剪版.JPG

  5月21日,阿丘科技CEO黃耀應(yīng)邀參加北京機器視覺助力智能制造創(chuàng)新發(fā)展大會,并發(fā)表《AI+工業(yè)視覺探索與展望》主題演講,下文根據(jù)黃耀先生的主題演講主要內(nèi)容撰寫而成??牲c擊文末“閱讀原文”下載原版PPT資料。

0.jpg

  一、AI+工業(yè)檢測的難點與挑戰(zhàn)

  現(xiàn)代制造業(yè)中,質(zhì)量管控是一個至關(guān)重要但充滿挑戰(zhàn)的環(huán)節(jié)。制造企業(yè)使用AI的具體場景中,“質(zhì)量檢測”占據(jù)了約40%的比例。在質(zhì)量管控中,面對大規(guī)模的產(chǎn)量,企業(yè)需要管理眾多的工藝控制點。

  這導(dǎo)致單個產(chǎn)品的檢測參數(shù)量多,總體檢測的參數(shù)量大,給質(zhì)量控制帶來了極大的壓力。其次,極限制造的環(huán)境下,對產(chǎn)品的精度和品質(zhì)要求極為嚴格。不僅生產(chǎn)線上對過檢和漏檢的指標控制非常嚴格,同時產(chǎn)線速度的加快進一步增加了檢測的難度。

  此外,缺陷的種類復(fù)雜多變,許多缺陷非常微小,區(qū)分度低,使得檢測工作更加困難。最后,傳統(tǒng)的質(zhì)量管控方式需要投入大量的人力和財力,即使如此,仍然存在漏檢的風(fēng)險。這些因素共同構(gòu)成了質(zhì)量管控的主要難點,亟需通過技術(shù)創(chuàng)新和改進來解決。

  工業(yè)AI視覺檢測作為制造業(yè)中新興的領(lǐng)域,在高速發(fā)展的同時也一直面臨著一系列難點與挑戰(zhàn)。

  第一,嚴苛的性能指標。 工業(yè)場景對AI檢測提出了極為嚴苛的性能指標,要求極高的準確度、AI模型高度的穩(wěn)定性和魯棒性,適應(yīng)復(fù)雜多變的工業(yè)環(huán)境。

  第二,工業(yè)場景的數(shù)據(jù)基礎(chǔ)薄弱。 工業(yè)數(shù)據(jù)往往數(shù)量有限且私有化,導(dǎo)致數(shù)據(jù)的獲取和應(yīng)用面臨高度碎片化的難題。數(shù)據(jù)基礎(chǔ)的薄弱是制約工業(yè)AI發(fā)展的重要因素,缺乏數(shù)據(jù)、數(shù)據(jù)質(zhì)量差或數(shù)據(jù)量不足的問題,都嚴重影響了AI模型的訓(xùn)練和優(yōu)化效果。

  第三,工業(yè)場景的AI大多需要與硬件緊密結(jié)合。 這不僅增加了系統(tǒng)的復(fù)雜性,還可能引入各種干擾因素,對AI的性能造成影響。

  第四,AI+工業(yè)人才缺乏。 人才缺乏是工業(yè)AI發(fā)展中的另一個瓶頸,既懂得AI技術(shù)又熟悉工業(yè)領(lǐng)域的復(fù)合型人才十分稀缺,很大程度上限制了AI技術(shù)在工業(yè)場景中的應(yīng)用和推廣。

  二、工業(yè)AI視覺進入2.0時代

  中國工業(yè)AI視覺的落地大約始于2019年,經(jīng)過5年的積累、迭代,正在從1.0進入2.0時代。

1.JPG
工業(yè)AI視覺進化論

  1、工業(yè)AI視覺1.0時代:聚焦工業(yè)場景的AI算法,實現(xiàn)“可用”

  在工業(yè)AI視覺1.0時代,由于沒有足夠的數(shù)據(jù),通常需要通過小樣本技術(shù)來解決問題。

  這一時期的工業(yè)AI視覺主要表現(xiàn)為以下3個特征:

  第一,小樣本學(xué)習(xí)。 在工業(yè)生產(chǎn)環(huán)境中,訓(xùn)練AI模型可用的標注圖像樣本采集、標注耗時耗力,往往數(shù)量非常有限,所以此時的AI算法訓(xùn)練只能夠在有限的數(shù)據(jù)基礎(chǔ)上進行。

  第二,高精度。 工業(yè)質(zhì)檢的標準要求AI檢測系統(tǒng)以很高的準確度檢測、識別和分類圖像中的目標對象,如缺陷檢測、尺寸測量、物體識別和分類等任務(wù)。高精度是工業(yè)視覺檢測系統(tǒng)的一個關(guān)鍵性能指標,它對生產(chǎn)效率、產(chǎn)品質(zhì)量和企業(yè)信譽都有直接影響。

  第三,低算力依賴。 在實際的生產(chǎn)環(huán)境中, AI檢測系統(tǒng)在執(zhí)行圖像處理和分析任務(wù)時可用的計算資源相對較少,工業(yè)級AI視覺算法經(jīng)過專門的優(yōu)化,可以在相對性能有限的計算資源上完成高性能檢測。

  這一時期的典型客戶群體主要是對新技術(shù)持開放態(tài)度的企業(yè),它們通常面臨明顯的生產(chǎn)或質(zhì)量管控痛點,并且愿意投資于前沿技術(shù)以獲得競爭優(yōu)勢。這些企業(yè)通常對AI有清晰的認識,能夠定義明確的需求邊界,并有能力進行有效的數(shù)據(jù)和模型管理。

2.JPG
工業(yè)AI視覺1.0時代

  在這一時期,從AI全面落地的角度,也僅僅算是解決了工業(yè)視覺中“可用”的問題。

  首先,數(shù)據(jù)困局明顯。 由于工業(yè)缺陷數(shù)據(jù)難以搜集,外加清洗、標注等成本偏高,使得AI模型的訓(xùn)練和整理都變得充滿挑戰(zhàn)。

  其次,部署周期長。 較長的上線部署周期,嚴重延緩了企業(yè)所需的應(yīng)用速度。

  而且,未知缺陷無法識別。 一些新的缺陷類型難以識別,很大程度限制了AI的應(yīng)用。

  最后,昂貴的成本。 高昂的AI落地成本門檻使得只有具備一定支付能力的企業(yè)才可能采用這項技術(shù)。

  總體而言,工業(yè)AI視覺1.0時代為工業(yè)AI視覺技術(shù)的未來發(fā)展奠定了基礎(chǔ),盡管存在諸多挑戰(zhàn),但通過不斷的技術(shù)創(chuàng)新和市場適應(yīng),AI視覺技術(shù)逐步從可用走向成熟。

  2、工業(yè)AI視覺2.0時代:生成式AI及垂直細分通用模型,達到“好用”

  工業(yè)AI視覺2.0時代的來臨,標志著工業(yè)AI視覺技術(shù)的重要演進。

  基于Transformer神經(jīng)網(wǎng)絡(luò)的技術(shù)也在工業(yè)AI領(lǐng)域迅速發(fā)展,更強的通用性和泛化能力,可以把過去針對單一場景解決問題擴展到可應(yīng)對垂類場景解決問題。

  具體來說,包括單場景的規(guī)模復(fù)制和多場景模型的泛化遷移,這為工業(yè)AI視覺的應(yīng)用提供了更大的靈活性和擴展性,同時也大大降低了AI落地的成本。

  同時,這些轉(zhuǎn)變也會涉及到成像模組、算法模組以及自動化模組的創(chuàng)新和簡化,使得AI解決方案更加易于開發(fā)及落地。

  工業(yè)AI視覺2.0時代的客戶群體更加普遍,即客戶有明確的痛點、關(guān)注性價比,他們可從AI成本的進一步下降中受益,使得AI視覺技術(shù)的應(yīng)用擴展到更大規(guī)模。

3.JPG
工業(yè)AI視覺2.0時代

  在工業(yè)AI視覺2.0時代,三大關(guān)鍵技術(shù)起到了重要作用。

  (1)關(guān)鍵技術(shù)一:智能良品學(xué)習(xí)

  阿丘科技認為,工業(yè)AI視覺2.0時代的關(guān)鍵技術(shù)之一即智能良品學(xué)習(xí),它包括非監(jiān)督分割和非監(jiān)督分類兩種模塊。這項技術(shù)可有效應(yīng)對產(chǎn)線中出現(xiàn)的未知新缺陷,以及需要在極短的時間內(nèi)完成模型部署和上線的問題。

  智能良品學(xué)習(xí)的核心優(yōu)勢在于,它只需利用良品圖像,就能夠?qū)λ幸阎臀粗娜毕葸M行像素級別的檢測和整圖分類,從而實現(xiàn)快速的上線驗證。目前,阿丘科技已將智能良品學(xué)習(xí)技術(shù)應(yīng)用在數(shù)十個實際場景中,尤其適用于一些產(chǎn)線良品率高、樣本收集周期長、可能面臨未知缺陷,以及產(chǎn)線上異常類別檢測等場景。

  然而,對于小缺陷場景,智能良品學(xué)習(xí)技術(shù)的效果仍有待提升。

4.JPG
關(guān)鍵技術(shù)一

  智能良品學(xué)習(xí)技術(shù)展示了AI在工業(yè)視覺檢測領(lǐng)域中的巨大潛力,尤其是在快速適應(yīng)產(chǎn)線變化和提高生產(chǎn)效率等方面。

  (2)關(guān)鍵技術(shù)二:生成式AI——智能缺陷數(shù)據(jù)生成

  在工業(yè)AI視覺2.0時代中的另一項關(guān)鍵技術(shù)即生成式AI——智能缺陷數(shù)據(jù)生成。

  在以往方式中,搜集缺陷樣本數(shù)據(jù)需要花費數(shù)天甚至是數(shù)月時間,一旦產(chǎn)品換型,整個搜集過程又必須重新開始。此外,搜集那些不常出現(xiàn)的長尾缺陷(一年可能只出現(xiàn)一次),也為樣本收集帶來了巨大挑戰(zhàn)。

  為了解決這些問題,阿丘科技通過多年來在工業(yè)AI視覺領(lǐng)域的探索和實踐,利用積累的大量場景和經(jīng)驗,構(gòu)建出預(yù)訓(xùn)練模型。基于預(yù)訓(xùn)練模型,結(jié)合具體場景的缺陷特征描述,通過Stable Diffusion框架,即可生成真實缺陷的仿真圖像。

  這意味著,AI可以創(chuàng)造出接近真實情況的目標缺陷圖像,并能適應(yīng)復(fù)雜結(jié)構(gòu)缺陷、背景變化、缺陷邊緣處理等多樣場景,高度還原真實缺陷紋理、立體度和色彩細節(jié)等。

  智能缺陷生成技術(shù)為工業(yè)視覺檢測系統(tǒng)提供了一個強大的工具,以便于在缺乏實際缺陷樣本的情況下,也能訓(xùn)練和優(yōu)化模型,顯著提高了模型的泛化能力與適應(yīng)性。

5.JPG
關(guān)鍵技術(shù)二

  (3)關(guān)鍵技術(shù)三:工業(yè)視覺大模型

  關(guān)鍵技術(shù)三為工業(yè)視覺大模型,即專門針對工業(yè)應(yīng)用領(lǐng)域而設(shè)計的算法模型,其構(gòu)建和訓(xùn)練需要利用Transformer,以及大量的領(lǐng)域特定數(shù)據(jù)。

  工業(yè)視覺大模型具備領(lǐng)域泛化能力,能夠適應(yīng)多變的工業(yè)環(huán)境,特別是單場景的規(guī)模復(fù)制和多場景模型的泛化遷移。

  工業(yè)視覺大模型具有一定的垂直場景通用性,在特定領(lǐng)域可以有效降低AI算法開發(fā)、訓(xùn)練的成本,因此在智能制造和自動化質(zhì)量控制方面的應(yīng)用非常迅速。

6.JPG
關(guān)鍵技術(shù)三(部分素材來源Landing.AI)

  從工業(yè)AI視覺1.0時代向工業(yè)AI視覺2.0時代轉(zhuǎn)變的過程,也是工業(yè)AI視覺從“可用”邁向“好用”的過程。

  在“可用”的時代, “算法驅(qū)動”是破局的關(guān)鍵,小樣本、AI算法、軟件工具鏈、AI落地方法論這些成為企業(yè)開發(fā)和應(yīng)用工業(yè)AI視覺的關(guān)鍵點。

  在“好用”的時代, “以數(shù)據(jù)為中心”逐漸成為共識。高質(zhì)量的數(shù)據(jù)開始作為構(gòu)建強大AI算法的基礎(chǔ),同時,生成式AI算法能夠利用有限的數(shù)據(jù)樣本生成更多的可用數(shù)據(jù),從而可以低成本達成AI模型訓(xùn)練。

  而且,工業(yè)AI視覺2.0時代將更強調(diào)平臺化,構(gòu)建的AI平臺將包裹并整合以往的軟件、工具鏈和方法論等內(nèi)容,解決企業(yè)中碎片化場景的應(yīng)用問題,助力AI技術(shù)在企業(yè)各個分支工廠、不同場景的落地應(yīng)用。

  在工業(yè)AI視覺2.0時代的革新浪潮中,阿丘科技希望能夠推動工業(yè)AI視覺平臺及行業(yè)基礎(chǔ)模型在工業(yè)視覺領(lǐng)域的垂直應(yīng)用,降低企業(yè)AI落地成本和難度,幫助企業(yè)實現(xiàn)智能化升級。

7.JPG
工業(yè)視覺AI從1.0時代到2.0時代

  三、工業(yè)AI垂直行業(yè)視覺大模型的實踐落地

  從2017年創(chuàng)業(yè)以來,阿丘科技始終致力于將先進的人工智能、機器視覺等技術(shù)應(yīng)用于工業(yè)領(lǐng)域的智能化檢測。目前,已落地800+工廠,標準工業(yè)AI視覺軟件批量部署套數(shù)10000+,獲得3C電子、動力電池、PCB等行業(yè)50+標桿客戶的認可。在充滿生機的工業(yè)AI視覺2.0時代,阿丘科技秉持開放的心態(tài),將已實際落地的AI垂直行業(yè)視覺大模型實踐與同行分享。

  以工業(yè)視覺大模型在PCB行業(yè)中的實踐為例。

  PCB(Printed Circuit Board,印制電路板)是現(xiàn)代電子產(chǎn)品制造中的核心組成部分,被廣泛用于計算機、手機、醫(yī)療設(shè)備、汽車、航空航天等眾多領(lǐng)域,PCB的設(shè)計和制造質(zhì)量直接影響到電子產(chǎn)品的性能。

  隨著技術(shù)的發(fā)展,PCB的設(shè)計工藝越來越復(fù)雜,缺陷種類多達上百種,根據(jù)產(chǎn)品應(yīng)用場景不同,其檢測情況也存在差異。

  由于背景復(fù)雜,工藝屬性強,產(chǎn)品尺寸規(guī)格多樣,算法兼容適配難度大。PCB生產(chǎn)廠早期均采用基于傳統(tǒng)算法的AOI(自動光學(xué)檢測)和 AVI(自動視覺檢測)設(shè)備檢測PCB缺陷,設(shè)備調(diào)試復(fù)雜且誤報率高,需要大量人工對假點復(fù)判。平均一臺設(shè)備需要配置3-6名質(zhì)檢人員,人工復(fù)判的成本高、一致性差,質(zhì)量難以把控。

  針對這些難點,阿丘科技通過構(gòu)建PCB行業(yè)垂直視覺大模型,通過三大步驟,落地實踐。

  步驟一,數(shù)據(jù)積累。 阿丘科技收集了大量PCB行業(yè)現(xiàn)場的私有化部署缺陷數(shù)據(jù),并進行了部分缺陷的仿真,不僅實現(xiàn)了行業(yè)場景數(shù)據(jù)的積累,還覆蓋了上百種缺陷、細分類別,準確率達到95%以上。同時,基于阿丘科技AIDG智能缺陷生成工具,低成本、快速生成大量的缺陷樣本數(shù)據(jù),滿足大模型訓(xùn)練的需求。

  步驟二:標準定義。 阿丘科技對各類出貨檢測標準進行匯總、整理和分級,逐步探索并確定了適用于PCB各交付場景的檢測標準。

  步驟三:預(yù)制模型訓(xùn)練。 在AOI和AVI等場景中,阿丘科技使預(yù)制模型的覆蓋度達到了90%以上。

  這一過程極大地提升了交付效率,將原本需要120天的流程縮短至14天。不僅極大縮短了數(shù)據(jù)處理時間,還使得模型可以更快更穩(wěn)地上線。截止目前,阿丘科技AI垂直行業(yè)視覺大模型在PCB行業(yè)已經(jīng)導(dǎo)入了超過 100個工廠,累計升級設(shè)備數(shù)超過1000臺,Top30的PCB客戶覆蓋率達到70%以上。

8.JPG
PCB行業(yè)案例

  阿丘科技通過數(shù)據(jù)積累、標準定義和預(yù)制模型訓(xùn)練,成功將AI垂直行業(yè)視覺大模型應(yīng)用于PCB行業(yè),提升了PCB行業(yè)的工業(yè)視覺檢測效率,縮短了交付周期,通過流程優(yōu)化,提高了數(shù)據(jù)處理速度及模型穩(wěn)定性。同時,阿丘科技也會繼續(xù)擴大在工業(yè) AI 垂直行業(yè)的技術(shù)能力,進一步深化和拓展其視覺大模型的應(yīng)用范圍,實現(xiàn)更高效的模型訓(xùn)練和更精準的缺陷檢測,以滿足市場對快速響應(yīng)和高效生產(chǎn)的需求。

  作為AI+工業(yè)先行者,阿丘科技將繼續(xù)保持創(chuàng)新,不斷將最前沿的AI技術(shù)應(yīng)用于工業(yè)領(lǐng)域,為行業(yè)帶來驚艷的AI產(chǎn)品解決方案,推動AI從可用變得好用。攜手行業(yè)伙伴一同推動AI for Every Factory!

點贊()
上一條:索諾瓦與京東健康戰(zhàn)略合作啟動2024-05-26
下一條:比瓴聯(lián)合發(fā)起 《金融科技軟件供應(yīng)鏈供需安全管理指南》團標發(fā)布2024-05-27

相關(guān)稿件

推動安防行業(yè)新升級 360智慧生活舉行視覺大模型及AI硬件新品發(fā)布會 2023-06-01
工業(yè)視覺大模型研討會即將在杭州未來科技城舉辦 2023-12-21
AI技術(shù)全方位深入應(yīng)用場景 百融云創(chuàng)為垂直行業(yè)提供生成式AI解決方案 2023-12-18
工業(yè)視覺大模型研討會暨2023年度CAAI智能光學(xué)成像專委會工作會完美落幕 2023-12-26
“大模型”成為2023世界人工智能大會焦點 2023-07-10
國務(wù)院國有資產(chǎn)管理委員會 中國企業(yè)聯(lián)合會 中國企業(yè)報 中國社會經(jīng)濟網(wǎng) 中國國際電子商務(wù)網(wǎng) 新浪財經(jīng) 鳳凰財經(jīng) 中國報告基地 企業(yè)社會責(zé)任中國網(wǎng) 杭州網(wǎng) 中國產(chǎn)經(jīng)新聞網(wǎng) 環(huán)球企業(yè)家 華北新聞網(wǎng) 和諧中國網(wǎng) 天機網(wǎng) 中貿(mào)網(wǎng) 湖南經(jīng)濟新聞網(wǎng) 翼牛網(wǎng) 東莞二手房 中國經(jīng)濟網(wǎng) 中國企業(yè)網(wǎng)黃金展位頻道 硅谷網(wǎng) 東方經(jīng)濟網(wǎng) 華訊財經(jīng) 網(wǎng)站目錄 全景網(wǎng) 中南網(wǎng) 美通社 大佳網(wǎng) 火爆網(wǎng) 跨考研招網(wǎng) 當(dāng)代金融家雜志 借貸撮合網(wǎng) 大公財經(jīng) 誠搜網(wǎng) 中國鋼鐵現(xiàn)貨網(wǎng) 證券之星 融易在線 2014世界杯 中華魂網(wǎng) 納稅人俱樂部 慧業(yè)網(wǎng) 商界網(wǎng) 品牌家 中國國資報道 金融界 中國農(nóng)業(yè)新聞網(wǎng) 中國招商聯(lián)盟 和訊股票 經(jīng)濟網(wǎng) 中國數(shù)據(jù)分析行業(yè)網(wǎng) 中國報道網(wǎng) 九州新聞網(wǎng) 投資界 北京科技創(chuàng)新企業(yè)誠信聯(lián)盟網(wǎng) 中國白銀網(wǎng) 炣燃科技 中企媒資網(wǎng) 中國石油化工集團 中國保利集團公司 東風(fēng)汽車公司 中國化工集團公司 中國電信集團公司 華為技術(shù)有限公司 廈門銀鷺食品有限公司 中國恒天集團有限公司 濱州東方地毯集團有限公司 大唐電信科技股份有限公司 中國誠通控股集團有限公司 喜來健醫(yī)療器械有限公司 中國能源建設(shè)股份有限公司 內(nèi)蒙古伊利實業(yè)集團股份有限公司 中國移動通信集團公司 中國化工集團公司 貴州茅臺酒股份有限公司