5月21日—23日,2019腾讯全球数字生态大会在昆明召开。在AI智能制造分论坛上,腾讯优图实验室总监戴宇荣发表了《深度学习技术与应用分享》的主题演讲,以AI在工业中的实际应用为例,从传统工业流程存在的痛点、优图的领先算法、深度学习如何解决工业领域痛点等方面,分享了腾讯优图的深度学习技术及落地应用。
“在工业领域,深度学习解决方案比传统机器视觉更具优势。”据戴宇荣博士介绍,以深度学习技术为基础,腾讯优图带来领先的AI+工业解决方案,为行业降本、增效、提质,已经在PCB板缺陷检测、锂电池缺陷检测、面板缺陷检测等多个方面得到落地应用,助力传统工业产业智慧化升级。
(腾讯优图实验室总监 戴宇荣博士)
质检问题长期存在,成困扰传统工业生产的难点
在传统工业流程中,人力成本高、危险性大、无意义的劳动过多等难点长期存在,传统制造企业的转型升级势在必行。
从传统工业的细化流程来看,以电子行业为例,质检是内控的刚需,然而传统的质检模式存在许多局限性。一方面,人工质检准确性低,而且检测速度慢、稳定性差,容易影响整个生产过程的效率;另一方面,人工检测有延时,当大量作业,产品需要转运,中转的仓储时间,难以第一时间发现产品质量问题;与此同时,质量检测的人力成本高,招工难,人员离职率高。种种问题对传统质检流程提出了挑战,成为阻碍工业领域实现智能化生产的一大难点。
如何合理应用AI的能力,提升制造业的生产效率,通过创新产生更大的价值,成为整个行业思考的议题。
AI质检驱动,腾讯优图解决传统质检模式痛点
电子行业的痛点,表面看是人的问题,实际上是系统生产力低下的体现。
针对电子行业质检的生产力扬升需求,腾讯优图以深度学习技术为基础,联合腾讯云,为客户提供针对性的DNN技术解决方案,可以真正帮助电子企业实现质检的“多快好省”。
(腾讯独创的DNN技术方案)
“一方面,我们建立了流程自动化的大规模自动产生模型。涵盖了预处理、分割定位+模板匹配、分类鉴别+相交断线三大步骤。” 戴宇荣介绍,该模型能有效解决缺陷太小、尺寸、色差、旋转差异引起的性能下降等问题。另一方面,以AI技术为基础,腾讯优图实验室实现了算法平台化,加速产品工具开发,让客户的工程师可以从0到1,创建出一个全新的模型,完成技术内化。
此外,腾讯优图通过引入AI质检,将产品缺陷一一分类,根据缺陷自动查找导致运行不良的原因,从而实时监控并降低产品质量不良修正的间隔时间,驱动了电子企业的良率管理新模式。
戴宇荣指出,“相比传统算法而言,深度学习解决方案更具优势。”可以通过深度学习识别和分析复杂无规律缺陷;大数据量学习可以达到高准确率、低误判率的效果。
以深度学习技术为基础,腾讯优图联合腾讯云,为电子企业带来了降低成本、精细检查、实时监控、提升良率等价值。可解决客户招工难,熟练不易培养等问题,帮助企业降本增效;将AI+工业应用于智能制造,辅助企业提升产品质量和制造工艺改善,助推产业智能化升级。
面向未来,AI+工业解决方案助推产业智能化升级
目前,腾讯优图的AI视觉检测平台架构,已经在工业质检领域得到应用,在PCB板缺陷检测、锂电池缺陷检测、面板缺陷检测等多个落地应用项目。
戴宇荣介绍,“在液晶面板缺陷检测中,我们建立了可复制型工业AI视觉检测系统。”采用多模型协同运作方案,识别准确率达90%。辅助 100多道工序质检,帮助节省50%以上人力成本,显著提升质检效果
而在手机背板缺陷检测中,腾讯优图则建立了复合深度学习缺陷检测模型,解决背景简单重复、缺陷偏小、缺陷与背景差异很小情况下的缺陷的检出。同时满足多缺陷同时存在的检测需求。
在高端复合材料无损检测中,腾讯优图缩短了检测时间,提升了评片可靠性(高于专家判片)、减少了质检人数、增强了检测数据可追溯性。
(腾讯优图视觉AI技术已落地高端复合材料无损检测)
据悉,在“AI+工业生产检测”方面,腾讯优图联合腾讯云打造的工业AI解决方案,已经在国内某知名面板企业进行落地应用,在面板智能质检上建立可复制型工业自动化排查系统。
在演讲的最后,戴宇荣表示,腾讯优图的深度学习技术将为工业行业持续创造价值。未来,腾讯优图也将不断迭代升级,注重落地应用,为更多行业客户提供业界领先的解决方案,助推产业智能化升级。
特别提醒:本网内容转载自其他媒体,目的在于传递更多信息,并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益,请及时联系我们,本站将会在24小时内处理完毕。