- 文章信息 -

本文由格创东智投稿发布。

“中国制造业AI运用”主题征文系列文章:

◉ AI小模型与智能运营平台的运用与收益剖析

AI机械视觉若何助力高质量成长

◉ AI赋能,巡检管理迈入新时期

2023年12月,工信部发布的《制造业卓越质量工程履行见地》强调,质量是制造业的生命线,推动家当从数量扩展向质量提升是新期间制造业高质量发展的现实须要。
在这一进程中,制造业工厂智能化水平不断提高。
比如,在工业产品检测领域,工程师们就把AI变成了“新工人”,来帮助工厂办理那些棘手的问题。

只管束造业很早就利用工业相机等数据采集设备对产品履行检测,但是采集到的数据还是要通过人工识别和剖断,效率低不说,质量稳定性也难以担保。
机器学习算法的打破,供应了一种可能性,便是基于过往积累的数据演习AI模型,然后让其自主剖断产线干系检测数据,进而战胜人工剖断的低效与高缺点率等问题。
由此,AI+机器视觉,为工业智能带来了新的打破口。

01

什么是机器视觉?

根据美国自动成像协会(AIA)的定义:机器视觉(Machine Vision)是一种运用于工业和非工业领域的硬件和软件组合,它基于捕获并处理的图像为设备实行其功能供应操作辅导。

机器视觉可以分为成像和图像处理剖析两大部分:成像依赖于机器视觉系统的硬件组件,如光源、光源掌握器、镜头和相机;图像处理剖析则是在成像根本上,通过视觉掌握系统进行的。

机器视觉系统的核心功能包括:识别、丈量、定位和检测。
上述功能的难度是逐次递增的,因此,生产检测也是最能展现机器视觉“功力”的领域之一。
目前,机器视觉技能已经广泛运用于消费电子、汽车制造、半导体、光伏等领域,且市场规模在不断扩大。

02

半导系统编制造业AI视觉检测

在半导系统编制造业,面板生产过程的每一个关键制程都须要AOI(自动光学检测)设备拍摄图片,进而识别干系毛病。
早期通过人工进行毛病分类,只有分类好了,才能知道下一步该怎么处理。
全体流程有一百多个制程,须要大量的人工去做每一个关键制程。

机器视觉技能兴起后,格创东智携手TCL华星开拓了天枢AI视觉检测系统,基于人工智能技能进行图片的识别分类。
该机器视觉检测方案,源自TCL华星的半导体面板生产检测。

方案履行后,首先是大幅提升了检测效率,能够代替百分之八九十的检测职员,一天可以检测将近三百多万张图片。
其次是提升了检测精度,由于能够有效避免职员易疲倦、人与人之间的认知差异等问题。

此后,随着技能成熟度的提升,格创东智的机器视觉方案逐步从半导体行业外溢,目前已经成功赋能光伏、3C电子、家电、石油石化、航空航天等22个细分行业。

03

AI模型如何赋能生产制造?

AI赋能机器视觉检测的过程,经历了一个从小模型到大模型,再到“小模型”的路径。
初期,格创东智先结合深厚的行业数据积累和对特定工业场景及检测指标的深入理解,再领悟机器学习算法,构筑了针对特定检测场景的小模型。

小模型的构建旨在紧密匹配特定的业务场景和需求,强调的是针对性和高适应性。
通过专注和定制化的开拓过程,小模型能够在知足行业特定需求的同时,提高操作效率和决策质量。

但是,小模型存在过拟合的风险,即模型太过专注于演习数据集中的细节和噪声,以至于它在新的、未见过的数据上表现得不好。
这使得其落地条件是必须对数据进行规范化和标准化,使得数据分布和比例达到最佳状态。
模型的开拓和调优须要专业职员的参与,哀求他们既熟习AI技能,也理解行业专业背景知识。

然而,很多企业并没有这样的人才储备。

2022年,大模型技能的打破给上述问题的办理带来了希望。

比较于小模型,大模型有更强的兼容性和稳定性。
大模型的设计不受数据繁芜性的限定,无需对场景理解过于深入,只需足够多的数据进行演习,无需过多的参数调度或架构设计。
在更加简便地处理各种类型的数据的同时,还不会涌现过拟合的征象。
概言之,大模型的涌现可以大幅降落模型落地的门槛。

格创东智长期思虑于如何将机器视觉系统变得更好、更随意马虎落地。
随着大模型技能兴起,格创东智也积极相应大模型的技能潮流,基于已有的大量数据和小模型来演习和开拓自己的大模型。

但是要直接把大模型落地在企业侧又存在新的问题,便是在实时工业场景中推理需求的高资源花费与本钱压力,难以知足连续快速检测与生产流程的无缝对接。
办理办法是,先在内部演习大模型,而后再针对特定场景进行“模型瘦身”。
这样做的好处是,利用大模型进行学习和提取特色,可以更高效地演习出小模型,演习过程中所需的数据量也大幅减少,使得模型的落地运用变得更加便捷和可行。

此外,为了提高产品交付性,天枢AI视觉检测系统还开拓了可视化功能,通过将模型开拓过程简化为直不雅观的拖沓拽操作,使得非AI专家的普通IT职员也能轻松开拓和优化AI模型。

企业可以从一系列预设的子模型和算法中选择,通过大略的操作将它们组合起来,构建出知足特定需求的模型,而无需深入理解背后繁芜的算法细节。

这样一来,很多企业无需额外投入巨大的人力本钱,就可以享用到最新的机器视觉技能的赋能。

AI对工业智能进程的影响有多大?除了机器视觉领域,工业智能运用还能通过精准掌握、智能剖析、自动化生产、质量追溯等多种手段,能有效提高产品质量,引领制造业的数字化转型升级。

以“智”提质,引领工业智能新时期。
展望未来,AI技能的不断发展和进步,将拓展工业智能的无限可能。