深圳市華漢偉業(yè)科技有限公司
免費(fèi)會(huì)員
近年來，人工智能發(fā)展已經(jīng)進(jìn)入深水區(qū)，其中，深度學(xué)習(xí)計(jì)算機(jī)視覺檢測(cè)作為人工智能領(lǐng)域的一個(gè)重要方向，競(jìng)爭(zhēng)尤為激烈，雖然在研究發(fā)展過程中已取得了巨大成功，但仍具備明顯的局限性。
以AI在工業(yè)中的實(shí)際應(yīng)用為例，在項(xiàng)目現(xiàn)場(chǎng)落地中遇到樣本匱乏、算力要求高、標(biāo)準(zhǔn)時(shí)間長(zhǎng)、項(xiàng)目實(shí)施長(zhǎng)尾效應(yīng)等問題時(shí)，深度學(xué)習(xí)的通用性和靈活性明顯受到限制，難以滿足高算力、低樣本的需求，為AI的突破提升帶來一定的挑戰(zhàn)。
深度學(xué)習(xí)計(jì)算機(jī)視覺極限將至，我們?cè)撊绾握业酵黄瓶冢?/font>
自深度學(xué)習(xí)的第三次發(fā)展浪潮開始，人工智能已發(fā)展得更迅猛、更智能、功能也愈加強(qiáng)大。例如，在圖像識(shí)別領(lǐng)域的應(yīng)用，深度學(xué)習(xí)使得計(jì)算機(jī)在識(shí)別圖像中的物體和場(chǎng)景方面更精準(zhǔn)，更高效，甚至表現(xiàn)優(yōu)于的人工檢測(cè)員。
現(xiàn)如今AI在工業(yè)上的應(yīng)用已非常普遍，但其功能在落地應(yīng)用中主要以基礎(chǔ)識(shí)別和檢測(cè)功能為主，同質(zhì)化較為嚴(yán)重，工具應(yīng)用大多也處于初級(jí)階段。
隨著客戶業(yè)務(wù)需求及創(chuàng)新性應(yīng)用需求的增加，對(duì)AI推理和訓(xùn)練的效率和質(zhì)量，都提出了更為嚴(yán)苛的要求，視覺檢測(cè)企業(yè)競(jìng)爭(zhēng)的熱點(diǎn)，也從AI初始布局的逐鹿?fàn)幭?、打?/font>“新概念”，逐步迭代為讓深度學(xué)習(xí)計(jì)算機(jī)視覺檢測(cè)技術(shù)走出塔，讓計(jì)算機(jī)、自動(dòng)化設(shè)備能夠真正理解圖像，賦予機(jī)器“看懂”的能力，以保證與現(xiàn)實(shí)世界進(jìn)行富有意義的交互。
如何進(jìn)一步推動(dòng)AI深度學(xué)習(xí)圖像檢測(cè)技術(shù)升維，華漢偉業(yè)研發(fā)人員從數(shù)據(jù)、算力、算法這三個(gè)方面尋找了新的突破口?；谏疃葘W(xué)習(xí)的圖像分析，旨在打造一個(gè)“既準(zhǔn)，又省，還快” AI視覺軟件，解決傳統(tǒng)圖像處理依賴于規(guī)則檢測(cè)的問題，提高機(jī)器自學(xué)習(xí)能力，從而快速實(shí)現(xiàn)非標(biāo)項(xiàng)目的開發(fā)。
通常而言，深度學(xué)習(xí)在數(shù)據(jù)、算力和算法之間仍存在一些原生矛盾：數(shù)據(jù)類型的寬度越大，能表達(dá)的動(dòng)態(tài)范圍和精度也就越高，而這也就意味著需要更多的存儲(chǔ)空間，同時(shí)對(duì)算力也帶來了挑戰(zhàn)；在算法層面，算法的效率和優(yōu)化程度也直接影響計(jì)算機(jī)的算力。
因此，在華漢偉業(yè)在打造iSense AI視覺軟件中，需要三大要素共同發(fā)力：“簡(jiǎn)化數(shù)據(jù)，強(qiáng)化算力，優(yōu)化算法”，而三要素在調(diào)優(yōu)的過程中，算法上的革新是iSense的重中之重。
華漢偉業(yè)新一代iSense AI檢測(cè)平臺(tái)：“走出檢測(cè)塔，為智能制造打開新視域”
在工業(yè)質(zhì)檢過程中，傳統(tǒng)算法是通過自定義規(guī)則函數(shù)來對(duì)數(shù)據(jù)進(jìn)行計(jì)算的，而隨著生產(chǎn)過程缺陷種類的增多，人工不能定義出所有的可能性，因此傳統(tǒng)視覺檢測(cè)算法適合識(shí)別和檢測(cè)簡(jiǎn)單且有規(guī)律的缺陷；而深度學(xué)習(xí)可通過機(jī)器自學(xué)習(xí)的方式，自動(dòng)提取缺陷樣本數(shù)據(jù)的特征，實(shí)現(xiàn)對(duì)復(fù)雜無規(guī)律的產(chǎn)品缺陷進(jìn)行精準(zhǔn)的判別，同時(shí)通過對(duì)缺陷樣本數(shù)據(jù)的訓(xùn)練，可以實(shí)現(xiàn)對(duì)模型的定制和優(yōu)化。因此，相比傳統(tǒng)算法而言，深度學(xué)習(xí)算法可適用于復(fù)雜的檢測(cè)場(chǎng)景，大數(shù)據(jù)學(xué)習(xí)可以達(dá)到高準(zhǔn)確率、低誤判率的效果。
華漢偉業(yè)iSense AI視覺檢測(cè)軟件，通過將深度學(xué)習(xí)算法與傳統(tǒng)檢測(cè)算法融合，強(qiáng)化了檢測(cè)效果，同時(shí)也降低了對(duì)算法的依賴，可以快速實(shí)現(xiàn)非標(biāo)項(xiàng)目的開發(fā)，滿足客戶個(gè)性化定制開發(fā)需求。
iSense AI*圖像處理平臺(tái)，通過TensorRT（深度學(xué)習(xí)）加速技術(shù)，以多種模型壓縮方式，達(dá)到準(zhǔn)、省、快，性能提升3-5倍，實(shí)現(xiàn)低精度成就高效率！
iSense檢測(cè)平臺(tái)在進(jìn)行模型訓(xùn)練的過程中，相較于國(guó)內(nèi)大多數(shù)視覺檢測(cè)公司，不僅支持2D單圖像輸入，同時(shí)，還可實(shí)現(xiàn)2D多圖像、3D圖像、2D+3D圖像輸入，涵蓋了預(yù)處理、分割定位+模板匹配、分類鑒別+相交斷線三大步驟，有效解決缺陷太小、尺寸、色差、旋轉(zhuǎn)差異引起的性能下降等問題，在算力對(duì)比測(cè)試中，處于行業(yè)水平。
同時(shí)，iSense檢測(cè)平臺(tái)，以AI技術(shù)為基礎(chǔ)，通過在“多模態(tài)學(xué)習(xí)、實(shí)例分割、3D+2D分割、3D+2D分類、旋轉(zhuǎn)目標(biāo)檢測(cè)、對(duì)比學(xué)習(xí)、缺陷樣本自動(dòng)生成、無監(jiān)督學(xué)習(xí)”等8大產(chǎn)品特色工具的開發(fā)，實(shí)現(xiàn)了算法平臺(tái)化，助力工業(yè)產(chǎn)線快速部署，輔助企業(yè)提升產(chǎn)品質(zhì)量和制造工藝改善。
針對(duì)于工業(yè)檢測(cè)多場(chǎng)景多樣化的應(yīng)用需求，擁有技術(shù)的“多模態(tài)學(xué)習(xí)”特色工具，涵蓋2D/3D/AI不同的加密算法，根據(jù)項(xiàng)目需求，可靈活組合不同功能模塊，如“2D+3D、2D+AI、3D+AI、2D+3D+AI”等組合模式，可實(shí)現(xiàn)“1個(gè)平臺(tái)+N個(gè)模態(tài)+X個(gè)應(yīng)用場(chǎng)景 = ∞解決方案”，全方面滿足用戶更多應(yīng)用項(xiàng)目需求，賦能多行業(yè)應(yīng)用。
實(shí)例分割模塊不僅預(yù)測(cè)類別，還可以識(shí)別每個(gè)不同的個(gè)體，檢測(cè)缺陷個(gè)數(shù)，并且統(tǒng)計(jì)每個(gè)缺陷的面積；旋轉(zhuǎn)目標(biāo)檢測(cè)，可以有效處理背景復(fù)雜或目標(biāo)密集場(chǎng)景；而基于異源特征交換的圖像生成技術(shù)即缺陷樣本生成技術(shù)，可實(shí)現(xiàn)數(shù)據(jù)清洗、重要樣本挖掘、以及缺陷的智能合成，解決行業(yè)樣本匱乏等難題.....
AI時(shí)代，應(yīng)用為王。如何評(píng)判一個(gè)新技術(shù)是否能未來的發(fā)展方向？我們要看它能否從本質(zhì)上解放生產(chǎn)力、發(fā)展生產(chǎn)力，而在AI+制造業(yè)的中，判斷一個(gè)軟件是否能被市場(chǎng)所接受和承認(rèn)，我們要看它能否以性價(jià)比的方式，解決行業(yè)的痛點(diǎn)和難點(diǎn)問題，真正幫助制造企業(yè)實(shí)現(xiàn)質(zhì)檢的“多快好省”。
突破應(yīng)用難點(diǎn)，做工業(yè)智能化檢測(cè)“實(shí)干家”
針對(duì)于制造業(yè)質(zhì)檢小批量快速投產(chǎn)的需求，華漢偉業(yè)iSense檢測(cè)軟件，秉承著做工業(yè)智能化檢測(cè)“實(shí)干家”的初衷，實(shí)現(xiàn)了“想到”、“做到”、“用到”技術(shù)層面的落地。
以實(shí)際應(yīng)用案例為例：在鋰電池工業(yè)生產(chǎn)過程中，頂蓋焊的焊接質(zhì)量檢測(cè)受焊接技術(shù)水平、環(huán)境以及生產(chǎn)工藝的影響較大，對(duì)針孔的大小、漏檢率和誤檢率要求，這是行業(yè)一大痛點(diǎn)，iSense基于2D+3D分類/分割技術(shù)的應(yīng)用，可有效識(shí)別0.1mm的針孔大小，誤判率≤0.3%，行業(yè)在此項(xiàng)目的誤判率要求≤1%。
在包藍(lán)膜外觀缺陷檢測(cè)中，主要的難點(diǎn)在于：
1）材料本身高反光、低對(duì)比度的光學(xué)特性致使許多缺陷特征不明顯（如凹點(diǎn)和變形非常平緩，普通相機(jī)圖像對(duì)比度非常低，很難識(shí)別缺陷、氣泡和折痕），傳統(tǒng)算法過殺率和漏檢率；
2）缺陷種類多，如氣泡、褶皺、壓傷、臟污、膜破等，缺陷種類樣本難以收集；
3）產(chǎn)線節(jié)奏快，對(duì)軟件的算法效率的要求較高，因此該項(xiàng)目也是行業(yè)需要重點(diǎn)攻克的難題。
公司在該項(xiàng)目上持續(xù)攻堅(jiān)，基于相位偏折的多種類型圖像單一模型檢測(cè)技術(shù)，克服高反光低對(duì)比度的問題，采用分時(shí)頻閃檢測(cè)方案，打造高性價(jià)比的落地方案，漏判率為0，誤判率≤1%，而行業(yè)在此項(xiàng)目的誤判率要求≤1.5%；同時(shí)該方案節(jié)省了30%的項(xiàng)目落地成本，得到了客戶的一直好評(píng)。
