百度打造“AI質檢員”幫助企業(yè)降本增效

英特爾?OpenVINO?工具套件分發(fā)版域格局的重要技術基礎，通用戶能夠全量、實時地對每個產(chǎn)品的質量進行甄別，同時對產(chǎn)線質量數(shù)據(jù)進行分析，借助數(shù)字化系統(tǒng)沉淀質量知識與經(jīng)驗，持續(xù)提升改善工藝，提高良品率。百度智能云與英特爾等合作伙伴共同打造的工業(yè)AI生態(tài)，賦能工業(yè)企業(yè)數(shù)字化轉型與智能化改造，為制造強國貢獻質量檢驗（質檢）是工業(yè)制造中的一項重要流程，也是保障產(chǎn)品關口。相較于傳統(tǒng)的人工質檢，基于人工智能(AI)的工業(yè)質檢系成本等方面具備重要優(yōu)勢，逐漸成為工業(yè)企業(yè)推動智能化轉型的重質檢技術的場景化落地，需要從模型訓練、算法優(yōu)化、算力基礎設為解決上述難題，百度智能云推出了基于百度工業(yè)視覺智能平臺的工業(yè)智能質檢方案。該方案采用來自英特爾的軟硬件產(chǎn)品，搭建了數(shù)據(jù)/Al能力閉環(huán)流通和控制。方案通過邊緣端的英特爾?酷睿?處理器對視覺數(shù)據(jù)進行AI推理，并使用英特爾?OpenVINO?工具套件分發(fā)版（OpenVINO?工具套件）進行性能優(yōu)化，從而滿足了工業(yè)智能質檢算法推理對精度和速度的要求已經(jīng)在小仙燉燕窩原料雜質智能挑揀等場景得到了廣泛應用，幫助用戶機器視覺等技術正在工業(yè)智能質檢中受到越來越多的青睞。機器視覺系目檢，提取并識別待檢測目標的關鍵特征，進行尺寸、形狀、顏色等的產(chǎn)品是否符合設計參數(shù)和質量參數(shù)。此類系統(tǒng)不僅能夠檢測生產(chǎn)線上的還可識別出缺陷類型及位置，輔助產(chǎn)線調整。得益于高精密成像、微米自主感知等技術的應用，面向工業(yè)環(huán)境的機器視覺系統(tǒng)可以實現(xiàn)比人類效率以及精度，同時降低由于工人懈怠、疏漏所導致人為失誤的可能性近年來，基于深度學習的機器視覺系統(tǒng)開始在工業(yè)質檢中得到廣技術的重要分支，支持通過大量樣品進行訓練，從而進行更加精確的質檢或框架，只需大量的樣本數(shù)據(jù)和適當?shù)臉俗?，即可實現(xiàn)自學習和生成推理模型。因通過深度學習框架，企業(yè)可以擺脫設備供應商的束縛，自主采集數(shù)據(jù)，形2但與此同時，要想進一步推進基于深度學習的機器視覺系統(tǒng)在工業(yè)質檢領域的落地，打造出色的工業(yè)智能質檢相較于泛在的機器視覺場景，工業(yè)質檢不僅要求機器視覺系統(tǒng)給出定性的描述，還要給出非?？量痰牧炕瘶藴?，這在大量工業(yè)質檢的實際場景中，都存在網(wǎng)絡覆蓋不佳、設備體積成本受限等問題，因此邊緣端部署成為工業(yè)智能質檢系統(tǒng)的重要方向。但同時，邊緣端部署也意味著企業(yè)需要在優(yōu)化AI算力、提升邊緣設備的穩(wěn)定性與環(huán)境適應性等部署之后，可能仍然存在著大量的未知場景和未知缺陷，在工業(yè)質檢中，缺陷的嚴重程度與主線頻次呈反比，而深度學習基于統(tǒng)計分析，數(shù)據(jù)量越少效果越差。因此如何在少樣本和無樣本的情況下實現(xiàn)快速冷啟動，在產(chǎn)線正常出貨的前提下還能維持較好的過殺率，也是重要的挑戰(zhàn)。基于通用語義的分割在實際應用中存在大量問題。例如，整體的缺陷拓撲不連續(xù)，在某個缺陷比較長或者是比較大的時候，可能會出現(xiàn)斷裂的情況，難以支撐準確的缺陷定級；結構類缺陷精度較差，可能導致出現(xiàn)錯漏件；整體模工業(yè)質檢的大量工序都有非常嚴格的時間限制，這就需要一的工業(yè)Al底座，在云邊端架構下實現(xiàn)數(shù)據(jù)/Al能力閉環(huán)流通和控制。AI模型生產(chǎn)訓練閉環(huán)視覺對齊視覺對齊模型訓練模型訓練模型測試模型測試模型發(fā)布模型發(fā)布數(shù)據(jù)管理數(shù)據(jù)標注數(shù)據(jù)標注智能預標注智能預標注數(shù)據(jù)共享數(shù)據(jù)共享數(shù)據(jù)回流數(shù)據(jù)回流模型管理模型自加密模型自加密模型轉換模型轉換模型版本管理模型版本管理模型服務模型服務項目管理模型編排模型編排項目測試項目測試關聯(lián)模型關聯(lián)模型服務部署服務部署設備管理設備注冊設備注冊性能監(jiān)測性能監(jiān)測模型下發(fā)模型下發(fā)版本管理版本管理工業(yè)制造模型集合(ModelStore)工業(yè)制造模型集合(ModelStore)化纖紡織鋼鐵行業(yè)預訓練大模型模型下行同步關鍵數(shù)據(jù)上行圖像采集AI檢測圖像采集AI檢測系統(tǒng)配置應用軟件數(shù)據(jù)統(tǒng)計多類型硬件多類型硬件AR眼鏡邊緣盒子工控機硬件智能相機AR眼鏡邊緣盒子工控機硬件智能相機服務器3百度開物工業(yè)視覺智能平臺是面向工業(yè)的視覺AI開發(fā)平臺，為工業(yè)領域的開發(fā)者提供降本增效提質的工業(yè)視覺AI開發(fā)能力。3C質檢解決方案化纖質檢解決方案紡織質檢解決方案解決方案前端應用系統(tǒng)（缺陷展示/硬件控制/數(shù)據(jù)統(tǒng)計）3C質檢解決方案化纖質檢解決方案紡織質檢解決方案解決方案前端應用系統(tǒng)（缺陷展示/硬件控制/數(shù)據(jù)統(tǒng)計）光學系統(tǒng)（相機/光源）機械系統(tǒng)（上下料/運動模組）電氣系統(tǒng)（動力/通信/控制）汽車質檢解決方案裝配/巡點檢解決方案低成本質檢解決方案AR應用軟件智能相機汽車質檢解決方案裝配/巡點檢解決方案低成本質檢解決方案AR應用軟件智能相機AR眼鏡AI推理模型多場景應用軟件三方硬件推理模型訓練平臺訓練平臺統(tǒng)一質檢流程數(shù)據(jù)/模型閉環(huán)自由算法組件預測統(tǒng)一部署3C結構件/外觀件垂直場景標準化鋼鐵熱軋/冷軋統(tǒng)一質檢流程數(shù)據(jù)/模型閉環(huán)自由算法組件預測統(tǒng)一部署3C結構件/外觀件垂直場景標準化鋼鐵熱軋/冷軋PCB/紡織…視覺對齊模型訓練模型測試模型發(fā)布光學方案記錄實物盲標對齊更多訓練數(shù)據(jù)訓練集更多訓練數(shù)據(jù)訓練集模型迭代更新模型訓練模型訓練基礎引擎模型測試AI檢測模型模型測試AI檢測模型測試集是否需要更多訓練數(shù)據(jù)APIAPISDK數(shù)據(jù)上傳數(shù)據(jù)上傳數(shù)據(jù)標注標注審核標注審核智能標注數(shù)據(jù)上傳、標注模塊4在算法層面，百度智能云工業(yè)智能質檢方案提解決方案能夠實現(xiàn)零/少樣本缺陷數(shù)針對被檢測目標背景復雜多變的場平臺構建了質檢場景的專用網(wǎng)絡結景，平臺能夠基于良品模板的孿生環(huán)，縮短數(shù)據(jù)收集/迭代周期，在無訓練，有效提高復雜場景弱小目標同時有效提升了針對由產(chǎn)線中發(fā)現(xiàn)缺陷的檢測成功率。通過零代碼訓的新缺陷增量迭代訓練而來的新模練平臺，在出現(xiàn)未知缺陷時，能夠百度智能云工業(yè)智能質檢方案采用基于英特爾?架構的服務器/其中，百度智能云服務器搭載英特爾?至強?可擴展處理器。新加速技術（英特爾?DLBoost同時支持16位BrainFloatingPoint(BF16)和矢量神經(jīng)網(wǎng)絡指令(VNNI)，有效加速人工智能至強?可擴展處理器來處理數(shù)據(jù)存儲、數(shù)據(jù)處理、設備管理、資百度智能云邊緣計算盒搭載了英特爾?酷睿?處理器。英特爾?第11代英特爾?酷睿?處理器基于英特爾?上一代英特爾?酷睿?處理器，其性能在單線程處此系列處理器同時提供了英特爾?深度學習加速技術助力機器視覺計算處理，可利用DP4a指令在集成GPU的最多96個執(zhí)行單元上，或利用VNNI指令在CPU上，實現(xiàn)基于INT8數(shù)據(jù)格式的AI推理加速。第11代智能英特爾?酷睿?處理器可以同時方案還利用OpenVINO?工具套件進行推理性能的優(yōu)化。OpenVINO?工具套件是用于快速開發(fā)應用程序和解決方案，以解決各種AI推理任務（包括人類視覺模擬、自動語音識別、自一代的人工神經(jīng)網(wǎng)絡，包括卷積神經(jīng)網(wǎng)絡(CNN)、遞歸網(wǎng)絡和基于注意力的網(wǎng)絡，可跨英特爾?硬件擴展計算機視覺和非視覺為了驗證基于英特爾?架構的百度智能云工業(yè)智能質檢方案的性能，百度智能云在英特爾?酷睿?i7-1185G7E處理器上進行了分割模型，并針對業(yè)務場景，將模型轉換為FP16以充分利用集成GPU的算力。測試數(shù)據(jù)顯示，該模型的單模型推理速度接近基于某主流嵌入式神經(jīng)網(wǎng)絡處理器(NPU)的邊緣計算盒3。與傳統(tǒng)搭載Linux操作系統(tǒng)的計算盒不同，基于英特爾?處理器的邊緣計算盒能夠實現(xiàn)邊緣算控一體，從而進一步簡化硬件方耳機端子檢測、PCBA缺陷檢測、整車總裝車燈檢測、燕窩原料/content/www/cn/zh/products/docs/processors/core/11th-gen-processors.html。實際性能受使用情況、配置和其他因素的差異影響。更多信息請見http://www.I/PerformanceIndex數(shù)據(jù)援引自百度內(nèi)部測試結果。英特爾并不控制或審計第三方數(shù)據(jù)。請您審查該內(nèi)容，咨詢其他來源，5415263730道標準篩選驗收圖4.小仙燉鮮燉燕窩原料加工流程基于英特爾?至強?可擴展處理器的工業(yè)視覺智能平臺挑揀是燕窩從原料到產(chǎn)品的關鍵節(jié)點。在傳統(tǒng)的人工挑揀模式0.1基于英特爾?至強?可擴展處理器的工業(yè)視覺智能平臺智能一體機，搭載了英特爾?酷睿?處理器和高度適配算力的雜坐標定位、挑揀位合并優(yōu)化后，對機械結構發(fā)出分型挑揀的指片隨生產(chǎn)流程可以由百度AI智能一體機自動回傳到云端支持模在云端，百度工業(yè)視覺智能平臺運行在搭載英特爾?至強?可擴企業(yè)網(wǎng)絡節(jié)點圖片回傳模型下發(fā)penvIN·百度AI智能一體機圖5.百度燕窩原料雜質智能挑揀方案架構6發(fā)到百度AI智能一體機。在此基礎之上，百度燕窩原料雜質智在實踐中，百度燕窩原料雜質智能挑揀方案以0.05mm挑揀精度助力小仙燉實現(xiàn)超過80%的雜質揀出率、2%的損耗率、700g/h的挑揀速度，賦能燕窩原料雜質挑揀的智能化升級4。采相目標識別定位雜質分型挑揀挑揀前實物識別定標挑揀機臺挑揀后實物圖6.百度燕窩原料雜質智能挑揀方案應用流程代碼的工業(yè)AI視覺模型訓練及部署迭代閉環(huán)，幫助企業(yè)實現(xiàn)降本、提質、增效，助力產(chǎn)業(yè)實現(xiàn)數(shù)字化、智能化升級。具體而?無需獨立GPU等額外的AI加速器，能夠使用英特爾?CPU與英特爾?集成GPU處理多種工作負載，有助于企業(yè)降低工業(yè)燕窩潔凈度，小仙燉在燕窩原料挑揀上層層把關、精細打磨。但隨著業(yè)務的持續(xù)增長，傳統(tǒng)人工挑揀模式在效率、人力依賴等方面的瓶頸日趨明顯。在部署基于英特爾?架構的百度燕窩原料雜質智能挑揀方案之后，我們將這一費時費力的工序進行了智能化替代，構建了現(xiàn)代化的燕窩生產(chǎn)模式，在提升數(shù)據(jù)援引自百度智能云于2022年10月開展的內(nèi)部測試結果。測試配置：英特爾?酷睿?i7-1185G7E處理器，Cornet-hr18模型，912*608模型輸入。英特爾并不控制或審計第三方數(shù)據(jù)。請您審查基于英特爾?架構的百度智能云工業(yè)智能質檢方案融合了英特爾未來，百度與英特爾將繼續(xù)深度合作，深入生產(chǎn)實踐的一線場算設備，釋放數(shù)據(jù)潛能，加速自動化升級，充分賦能企業(yè)的AI百度是擁有強大互聯(lián)網(wǎng)基礎的領先AI公司。是全球為數(shù)不多的提供AI芯片、軟件架構和應用程序等全棧AI技術的公司英特爾(NASDAQ:INTC)作為行業(yè)引領者，創(chuàng)造改變世界的技術，推動全球進步并讓生活豐富多彩。在摩爾定律的啟迪心以及官方網(wǎng)站。實際性能受使用情況、配置和其他因素的差異影響。更多信息請見www.I/Per