放電電壓平穩 IC693CMM301RR GE模塊

放電電壓平穩 IC693CMM301RR GE模塊

放電電壓平穩 IC693CMM301RR GE模塊

一、深度學習在工業領域落地的痛點

人工智能自誕生以來，經歷了早期的專家系統、機器學習，到當前持續火熱的深度學習和大模型等多次技術變革和規模化商用。隨著算力、算法和軟件平臺的快速進步和不斷成熟，工業逐漸成為了深度學習技術的重點探索方向，工業AI智能技術應用而生。

基于深度學習的工業缺陷檢測方法可以降低傳統人工質檢的成本，提升檢測的準確性與效率，因而在智能制造中扮演重要角色。傳統的機器學習和深度學習技術都依賴大量的標注數據，并在監督下訓練出表現優異以及具備一定泛化能力的模型。但隨著感知環境和應用場景的變化，模型的訓練會存在以下問題：

（1）缺陷樣本匱乏，生產過程中缺陷數據的數量和種類較少，數據不均衡，無法窮舉生產過程中缺陷的種類和形態。

（2）數據的標注和清洗周期長，需要耗費大量的人力和物力。

（3）訓練好的模型性能會大幅度下降，重新訓練周期成本高。

（4）多模態數據的跨域學習和特征級數據融合。

上述問題都成為工業AI落地的障礙，如何解決數據標注效率、跨域學習、以及數據管理等問題，訓練更具泛化性、魯棒性和場景適應性的模型成為學術界和工業界面臨的共同課題。

二、前沿技術探索和進展

對于一些傳統方法無法有效解決的場景，如微小缺陷和瑕疵的檢測、非結構化環境下的物體分揀等，可以歸類為“少因素高復雜度”的問題，是深度學習發揮重要作用的領域，目前也是工業AI落地應用較多的場景，而隨著場景機理的計算復雜度提升，深度學習可以發揮更大的作用。為了提升深度學習在工業領域的落地效率，降低項目實施和部署的周期，華漢偉業主要從以下幾個方面進行技術探索和實踐：

（1）缺陷數據生成：利用人工智能技術自動完成缺陷仿真數據的生成，基于AIGC技術建立現實世界到數字世界的映射關系，將現實世界中工件的物理屬性（如物體的大小、紋理、顏色等）高效、可感知的實現數字化，可以基于少量樣本實現多種屬性樣本的生成，從而解決缺陷樣本匱乏的問題。

（2）數據管理：生產過程中，有多條產線、多個工位的數據需要進行管理，需要人工進行數據的管控，缺乏數據的管理系統，方便后續的繼承和持續訓練。華漢偉業通過數字化技術，實現多工位、多場景的數據系統化管控，降低人為因素對數據管控的影響。

（3）數據標注：當前監督學習仍為工業AI落地的技術方向，為了提升標注效率，降低標注的時間消耗，華漢偉業從交互式標注入手，提升標注效率，并且提供了多種選擇，如基于二值化的標注、基于特征分割的標注、基于大模型的標注，滿足多樣化的標注需求。

（4）多模態數據融合：工業生產過產中，很多缺陷無法從某一特定角度或者單一傳感器全部拍攝出來，需要多角度光源照射、多傳感器協同拍攝，實現多種瑕疵缺陷的可視化。為了提升多角度、多姿態圖像特征級別的融合，提升缺陷檢測準確率，華漢偉業從多模態特征融合、基于圖像數據流的特征融合等多方面進行技術探索，提升模型的泛化性能。

（5）降低樣本數據依賴性：為了降低訓練過程中對于樣本的依賴，提升模型在不同產線和不同場景的適應能力，華漢偉業從小樣本學習、遷移學習和異常檢測，降低對缺陷樣本數量的要求。

三、產品和解決方案

華漢偉業研發的人工智能檢測系統iSense，實現在新能源、3C電子制造、汽車電子等領域的落地實踐。系統涵蓋圖像采集、數據管理和結果輸出等功能，整體軟件架構如圖1所示。

圖 1 iSense軟件架構

針對工業制造場景的特殊屬性，沉淀了高精度算法模型，可滿足行業普遍的算法需求。iSense 提供了豐富產品功能，如旋轉目標檢測、對比學習、異常檢測、多圖像分割等特色化解決方案，助力檢測模型快速迭代。

圖 2 iSense產品功能特性

iSense AI視覺檢測平臺主打“1個iSense平臺+N種模態+適配X應用場景”的亮點特質；打造N種模態，涵蓋：2D+AI、2.5+AI、3D+AI、2D+2.5D+3D+AI......等N種模態組合。

該系統針對底層算法全新升級，深度客制化成像系統實時把控，從環境、設備、產品端全流程細節調整，一鍵跨區域遷移學習，節省訓練時間，多種數據增強功能，滿足不同場景數據及遷移應用能力。

圖 3 iSense產品亮點

iSense具備持續學習、帶噪學習、自動樣本生成等優勢，提升工業AI落地的效率。

圖4 iSense產品核心技術優勢

除了降本增效外，iSense視覺檢測更高維的價值在于打通生產各環節的數據鏈，幫助制造商企業實現連續化生產過程中缺陷數據的可追溯，軟件可對數據做挖掘、處理和分析，實現工藝流程和產品品質的改造升級。

圖5 iSense產品E2E快速部署

iSense產品界面，如圖6所示。

圖6  iSense系統產品界面

放電電壓平穩 IC693CMM301RR GE模塊