ITPub博客

首页 > 人工智能 > 人工智能 > 为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

人工智能 作者:dicksonjyl560101 时间:2019-06-16 10:13:59 0 删除 编辑


https://www.toutiao.com/a6702261794561327628/


人工智能之所以成为关注焦点,是因为它可以解决生活中的各类难题,除了用于语音识别、智能家居、搜索引擎等领域,甚至是代替工人操作,解决工厂生产制造环节的质检痛点,究竟AI视觉感知技术如何应用于工业场景?近日举办的一场媒体活动上,Intel与上海深视科技一同给出了答案。

为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

众所周知,工厂在实际产品生产过程中并不完美,比如:部分产品标签可能忘贴,或是表面存在划痕、凹坑。而电子产品存在这类问题就会出现很大的事故,尤其是手机电池方面,为了确保实际使用时的安全,往往生产线需要耗费上千人力进行人工目视检查。

在工厂实际运用中,人工检查不仅成本高昂,并且受工人熟练度影响,导致检测准确性及效率差异较大。正是因为存在此类痛点,部分企业才引入了机器视觉检测。但是,过去受限于技术,机器视觉判断能力不及人工目视,在复杂环境中无法彻底取代人工检测。

为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

上海深视科技则是基于Intel的硬件平台,以及视觉解决方案工具包OpenVINO,推出了AI学习平台Deep Inspect。它可以通过深度学习应用于多个行业,包括3C、光学薄膜行业、PCB制造、轮胎制造等等。

以轮胎制造中的打点检测为例,在进行视觉图像感知时,这一场景会涉检测系统的定位能力、图像分割以及分类能力。虽然实现过程并不困难,不过应用时,会受限于实际环境。

为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

在上海深视科技的米其林项目中,由于对方的生产线已经完成设计,大部分都是很黑、很暗的传送带,轮胎本身又是黑色橡胶材质,即使打光也很难照亮,此时传统光学检测就很难进行准确区分,需要运用到基于AI的机器深度学习。得益于搭载Intel CPU的工控机和OpenVINO,不仅成功满足项目需要,同时在没有额外GPU的情况下,仅做了很少的工作,就取得了10倍以上的性能提升。

为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

人工智能对数据量要求非常大,对数据处理要求也非常高,而Intel提供的视觉解决方案工具包OpenVINO,可以更好的将人工智能和异构边缘计算结合并将方案实际落地。

OpenVINO能加快高性能计算机视觉和深度学习应用的开发速度,并支持在各类Intel平台的硬件加速器上进行深度学习,允许异构执行,具备很强的视觉推理优势。简单来说,该工具具备4项优点:提高性能、整合深度学习、加速开发、创新和定制。

至于OpenVINO在实际应用时可能遇到的一些问题,我们热点科技采访了上海深视科技创始人兼CEO李扬及Intel的技术专家。

为解决人工检测痛点 Intel将AI视觉技术应用于工厂生产制造

提问1: 基于Intel硬件和OpenVINO的系统,在实际应用时成本如何?

回答: 工厂非常注重成本,需要计算ROI(投资回报率),民营企业、外企和国企计算方式不太一样。他们往往会这么计算,取代人工的设备一般是三年的投资回报率,设备要三年回本。对于每个行业的头部客户来说,他们更愿意使用新技术,因为产品品质对他们非常重要。这类企业考虑到人工本身有一些不可抗性,其中主观性会对他们的产品会带来一些问题,对于大量的检查,有时他们不完全相信人工,希望机器可以有更好的客观统计性。

提问2: 这一套系统安装到工厂之后,对网络环境要求高吗?

回答: 网络确实是一个很大的问题,工厂通常来说网络环境都不是很好。OpenVINO是一个终端推理的加速引擎,准确率可以进一步提高,但是往往需要服务器支撑,我们在工厂部署无法采用公有云的服务器,只能在终端安排一个工控器,工控器之中我们会去平衡,我们尽量使用加速器可以让它在有限的环境下运行。

提问3: OpenVINO本身是一个高度集成的工具包,包括视觉加速、深度学习、创新定制等,深视科技在OpenVINO工具基础上做了哪些定制和开发?

回答: 整个软件的算法架构分了很多多层,OpenVINO对我们来说是底层SDK,上层会有类似于深度学习的通用框架,比如TensorFlow。再上层是我们定制化模型,模型之上才是应用层。我们自己的学习框架本身也支持异构运算,支持GPU和CPU,也支持不同的加速卡,它与英伟达GPU的使用是同等级别的。

我们和Intel有明确分工,基本不需要调整OpenVINO底层,他们负责更底层,让我们这些公司做出来的模型和框架可以更好的在Intel的硬件上运行。此外,OpenVINO本身就对加法卷积的工作做了优化,可以让CPU的性能发挥到最好、最优。

提问4: 如果5G可以开始初步实现,对工厂的意义有多大,能从您的系统角度聊一下吗?

回答: 我不是5G方面的专家,不过我们已经和部分拥有5G试点的客户在作相关合作。5G本身带来了三个优势,一方面是速度更快;二是延时更低,是毫秒级的;三是有非常高的并发。4G在几千人的小区里,网络就会拥堵,但是5G不会,因为他们不是一个数量级的。对这方面需求最高正是工厂生产,工厂中会有很多联网的设备,针对数据量最大视频和图像方面,我们现在已经在做相关工作了,会把每个相机的终端做的非常轻,会把所有的数据直接传到本地的服务器里处理。

总结

对于工厂实际生产而言,基于Intel硬件和OpenVINO的视觉感知检测方案无疑是很好的选择之一。Intel不仅提供了高性能的硬件,而且通过OpenVINO还能把硬件和软件相结合,可广泛覆盖应用场景,并且适用于工业应用场景的需求。除此之外,在Intel和众多科技企业的努力下,还能推动AI技术在各行各业的普及,基于深度学习的人工智甚至能更好、更快的推动数据的智能化,让更多人可以感受到AI的强大之处。


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/29829936/viewspace-2647779/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
行万里路,读万卷书,阅无数人。 吃货一枚,爱吃湘菜,川菜,粤菜与杭帮菜,尝遍天下美食。 摄影爱好者,游遍名川大山,江河胡海,赏遍人间春色。 爱看影,尤其是港片,好莱坞大片。英文名:DicksonJin, 网名:风一样的BOY。精通SAP供应链咨询。2017年开始研习人工智能。

注册时间:2014-08-27

  • 博文量
    1934
  • 访问量
    3112148