我的研華會員注冊

「我的研華」為研華客戶專屬服務平臺。成為研華會員,您將收到最新產品資訊、研討會邀請和線上商店特殊優惠。

立即注冊,啟用您的會員服務!

News & Archives

AI賦能再破局—聚焦研華科技如何引領工業制造AI落地應用

9/2/2020

還記得去年熱映的《中國機長》這部電影嗎?

根據川航3U8633航班緊急迫降事件改編,講述了機組執行航班任務時,在萬米高空突遇駕駛艙風擋玻璃爆裂脫落、座艙釋壓的極端罕見險情并化險為夷安全降落的故事。

正所謂"千丈之堤以螻蟻之穴潰",也許是生產過程中駕駛艙風擋玻璃就存在瑕疵隱患,也許是使用過程中出現隱患但日常維護中沒有發現。但事實是意料之外的產品隱患影響的卻是百余人的生命,盡管憑借飛行員個人高超技藝終究平穩落地,但沒人希望發生意外。

當今的時代已經進入到大制造時代,我們身邊充斥著越來越多的工業制造品,大到高樓大廈,小到紐扣、別針,但是對于任何一件工業品來講,微小的瑕疵隱患不僅是關乎企業生存,更是社會安全的重要因素,因此如何更好的提前發現產品存在的瑕疵及質量隱患,已經成為制造業邁入"智能制造"時代的必要前提。

在"智能制造"時代來臨之際,研華科技作為在自動化產業、嵌入計算機、物聯網具有關鍵影響力的全球性企業,通過自身在物聯網、大數據、云計算領域的技術積累,不斷協助系統集成商助推在工業質量檢測領域的轉型和創新,創造出更多潛在價值。

近日,中國安防行業網記者有幸與研華科技邊緣人工智能系統與服務器總監鮑志偉先生共同探討研華科技在人工智能時代如何推進制造業智能化升級,揭秘AI產品檢測在研華人工智能與視覺分析應用中的地位以重要意義。


"智能制造"時代 機器視覺檢測大有用武之地   

工業產品質量問題一直是世界各國極其重視的領域,但相關統計,傳統人工質檢員判斷的準確率通常保持在90%-95%之間,并且隨著產品數量的不斷增加,不合格產品數量在急劇增加。以前些年,手機企業玻璃蓋板外觀檢測為例,其本上都是人工檢測,導致檢測效率低下、漏檢率高、人工成本不斷上升等諸多缺陷。

隨著近兩年進入到"智能制造"時代,通過機器視覺賦能產品制造,進一步降低人力成本、提升產品質量正在貫穿整個產業智慧化升級的全過程。

"目前基于機器視覺技術的產品瑕疵檢測,已經是制造業實現智能化升級的關鍵一環,不但有效地促進工業產品高質量生產,同時還助推制造業流程的智能化推進。"

據鮑志偉介紹,機器視覺在工業上應用領域相當廣闊,目前來看核心功能包括測量、檢測、識別、定位等。而在所有功能中,尤以應用于瑕疵檢測的工業視覺檢測技術應用最廣。例如目前汽車零件裝配完整性檢測、裝配尺寸精度檢測、位置/角度測量等,另外在電商物流"無人化倉儲"中包裝的符合性檢測,以上這些內容均屬于標準檢測。另外,還有一部分屬于非標準檢測,如煙草、棉花以及各種食品如蘋果的瑕疵檢測。

鮑志偉還詳細介紹了工業視覺瑕疵檢測的流程。他表示,"通過模擬人類視覺功能,計算機系統借助圖像傳感器、鏡頭等裝置來獲取產品的表面圖像,利用相應的圖像處理算法提取圖像的特征信息,然后根據特征信息進行表面缺陷的定位、識別、分級等判別和統計、存儲、查詢等操作。

AI深度學習給視覺瑕疵檢測帶來新突破   

 "當然相較于人工質檢,機器視覺瑕疵檢測不僅提高檢測效率,進一步降低了漏檢率,同時還大幅節約成本。但機器視覺也面臨著更多檢測場景下需要更多的視覺算法投入。" 鮑志偉強調,傳統的機器視覺系統可能無法區分相似零件之間差異較大的缺陷類型,并且不夠靈活,無法更新現有的缺陷檢查系統來識別新的缺陷類型等等。

而隨著人工智能技術的不斷演進,利用人工智能技術的強大功能,提供高精度的檢測結果已經成為可能,同時利用深度學習技術,實現系統自動更新視覺模型,提高模型對復雜環境的自適應能力,為視覺瑕疵檢測帶來更大發展空間。

"把人工智能與深度學習技術深度融合進產業制造智能化進程中正是研華科技的專長" 鮑志偉表示,基于研華此前針對人工智能提出的再分析處理的概念,實現把深度學習(Deep Learning server),推理(Inference note/pc),再分析處理(Inference server)三者通過一套軟件串聯在一起。通過向視覺瑕疵檢測領域的應用廠商提供學習架構,使其能夠根據視覺瑕疵檢測領域的圖像數據進行深度學習再訓練,再結合實際應用場景進行二次開發與應用。

鮑志偉指出,融合深度學習的傳統機器視覺系統,不但能夠實現高精度的檢測,區分相似零件之間差異較大的缺陷類型,并且可以做到根據實際檢測過程中遇到的新瑕疵問題,實現更新現有的缺陷檢查系統來識別新的缺陷類型,這將大大提高瑕疵檢測準確率。

同時,融合深度學習算法的視覺瑕疵檢測系統適用性更強,極大拓展瑕疵檢測應用領域,尤其是在非標準檢測領域將進一步拓展相關系統集成商市場空間。

研華科技AI加速平臺實現瑕疵檢測多場景落地   

如今,人工智能(AI)在制造業領域已經充分展示出其巨大的能量,成為滿足少量多樣生產需求、增進制造質量、傳承工藝經驗等多重目標的利器,是推動制造業邁進"智能化時代"的關鍵性力量。

鮑志偉表示,目前在制造產業中已經有不少廠商通過引入研華AI加速運算平臺,實現產品瑕疵檢測翻天覆地的變化,同時研華為實現AI技術在更多制造產業中落地應用,基于不同的行業應用,不同的產品瑕疵檢測場景推出了多種不同的推理架構。

例如研華推出的主機 GPU AINavi 推理架構,通過在設備中的IPC直接加裝GPU,并且將AINavi 推理算法整合進設備軟件中,即可將原本的設備升級成AINavi檢測功能,實現設備的利舊,進一步降低成本。

研華分布式 AINavi推理架構,針對設備中的IPC不需加裝GPU,該架構可透過網絡實現與研華MIC-730AI(基于英偉達 Jetson架構)串接再與AINavi 推理算法整合進設備的軟件中,即可將原有設備升級成有AINavi檢測功能。此架構可以實現原有系統高擴充性,并且可以整合多個AINavi算法模型 。

據介紹,工業自動化軟件開發企業-偲倢科技通過選用研華分布式 AINavi推理架構及相關硬件設備,在不到三個月的時間就完成了一家散熱片企業AI檢測機臺的組裝與測試,監測精準度達到了97%,準確度遠遠超過客戶的要求。不但降低了人工成本,也加快了檢測效率。

另外還包括混合式 AINavi推理架構以及外掛AINavi推理架構。研華通過這些多樣化AI技術驅動力,最大化提升工業制造領域系統集成商產品檢測的便利性和市場服務能力,降低開發成本,提升靈活性的同時,幫助制造商提升生產效率。

克服瓶頸、不畏競爭 研華構建AI檢測生態圈   

無論是工業4.0,還是"中國制造2025",當下產業界正在迎接以"智能制造"為主導的第四次工業革命,即通過充分利用信息通訊技術和網絡信息系統相結合的手段,將制造業向智能化轉型。

對此,鮑志偉表示,正是在這種背景下,以AI視覺產品檢測為代表的工業制造智能化升級是大勢所趨,這也預示著AI視覺瑕疵檢測市場前景值得產業界期待。

同時他還指出,AI視覺瑕疵檢測有機遇同時也有挑戰。目前人工智能(AI)算法構建及概念驗證對大多數系統集成商而言并不具備難度,難點卻在如何實現具體場景下的應用,以及如何實現規模性上云運用。

研華科技通過其自身的Edge AI(含 MIC-770、MIC-730AI)串聯 WISE-PaaS/AFS 云端平臺,結合企業提供的圖像數據、訓練程序及算法,即可匯聚為從端到云,從模型訓練、部署到驗證的一整套方案,企業無需加額外組件,便能加速 AI 布局。

同時也可在不斷匯集更多圖像數據資源、持續進行訓練,持續更新模型,自動化部署到產品線,大幅降低模型訓練人力成本,說明客戶克服從 PoC 邁向規模性上線之間的種種困難。

值得一提的,研華WISE-PaaS/AFS 功能仍在不斷精進,近期推出的超參數調校(Hyperparameter Tuning)功能,可透過 AI 算法自動搜尋最佳參數,大幅減少人為調參帶來的時間成本與錯誤率。

在采訪的最后,記者提出,挑戰不僅局限在技術及應用中,企業間的競爭依然不小的壓力,目前以互聯網企業、ICT企業以及傳統安防制造企業為代表的勢力,也在趁著"智能制造"的大勢,不斷拓展機器視覺領域。

針對此,鮑志偉頗有信心的表示,研華科技作為自動化產業、嵌入計算機、物聯網領域的全球性領先企業,在推進AI視覺檢測不斷落地過程中,通過從端到云與更多的產業系統整合商緊密合作,能夠更快捷、更準確的了解AI在工業制造領域落地過程,并通過持續不斷的創新與服務實現在產業的生根,構建起更有研華服務的智能制造生態圈。


Contact Advantech

400-810-0345(銷售)
400-810-8389(客服)

Contact Advantech

时时彩专业计划稳定版