基于AI制造企業(yè)解決方案架構(gòu)設(shè)計_第1頁
基于AI制造企業(yè)解決方案架構(gòu)設(shè)計_第2頁
基于AI制造企業(yè)解決方案架構(gòu)設(shè)計_第3頁
基于AI制造企業(yè)解決方案架構(gòu)設(shè)計_第4頁
基于AI制造企業(yè)解決方案架構(gòu)設(shè)計_第5頁
已閱讀5頁,還剩35頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

基于AI制造企業(yè)解決方案架構(gòu)設(shè)計人工智能發(fā)展1950年圖靈測試1956年人工智能概念提出1970-1980年代第一個AI冬天1987-1993年第二個AI冬天1990年代機器學(xué)習(xí)/人工神經(jīng)網(wǎng)絡(luò)的興起2006年深度學(xué)習(xí)的興起2013年以后

人工智能四巨頭FourTechGiant人工智能技術(shù)獲權(quán)威認可人工智能發(fā)展三要素超大規(guī)模神經(jīng)網(wǎng)絡(luò)萬億級參數(shù)千億樣本千億特征訓(xùn)練全網(wǎng)萬億網(wǎng)頁數(shù)十億級搜索數(shù)據(jù)百億級圖像視頻數(shù)據(jù)百億級定位數(shù)據(jù)數(shù)十萬臺服務(wù)器中國最大GPU集群算力算法數(shù)據(jù)產(chǎn)品架構(gòu)大腦AC平臺層認知層感知層算法層大數(shù)據(jù)基礎(chǔ)云智能云BAI開放平臺自然語言處理NLP知識圖譜用戶畫像語音圖像視頻AR/VR機器學(xué)習(xí)深度學(xué)習(xí)大數(shù)據(jù)獲取大數(shù)據(jù)標注大數(shù)據(jù)分析計算服務(wù)(CPU/GPU/FPGA)存儲服務(wù)(BOS/CDN)網(wǎng)絡(luò)服務(wù)(EIP/BLB/VPC)智能大數(shù)據(jù)平臺智能多媒體平臺智能物聯(lián)網(wǎng)平臺領(lǐng)先的云基礎(chǔ)設(shè)施人工智能平臺云服務(wù)器存儲和CDN數(shù)據(jù)庫人工智能網(wǎng)站服務(wù)物理服務(wù)器負載均衡云磁盤內(nèi)容分發(fā)網(wǎng)絡(luò)對象存儲只讀關(guān)系型數(shù)據(jù)庫MemCache服務(wù)MySQL服務(wù)應(yīng)用服務(wù)簡單郵件服務(wù)簡單消息服務(wù)應(yīng)用性能管理服務(wù)問卷調(diào)研服務(wù)某著名企業(yè)APP測試

服務(wù)通用文字識別數(shù)據(jù)標注云虛擬主機域名服務(wù)通用解決方案行業(yè)解決方案網(wǎng)站及部署視頻云智能圖像云存儲分發(fā)大數(shù)據(jù)分析某著名企業(yè)App數(shù)字營銷云在線教育物聯(lián)網(wǎng)政企混合云專屬服務(wù)器數(shù)據(jù)分析Kafka機器學(xué)習(xí)深度學(xué)習(xí)

ElasticsearchOLAP引擎日志服務(wù)BLS物聯(lián)網(wǎng)服務(wù)物接入

IoTHub物解析IoTParser金融云虛擬私有網(wǎng)絡(luò)GPU服務(wù)器*彈性IP專線和VPN*數(shù)據(jù)導(dǎo)入服務(wù)**Redis服務(wù)SQLServer

服務(wù)多媒體服務(wù)音視頻轉(zhuǎn)碼音視頻直播人臉識別文字識別音視頻點播文檔轉(zhuǎn)碼安全和管理云安全云監(jiān)控SSL證書服務(wù)DDos防護服務(wù)涉黃涉政涉恐檢測DNS游戲云時序數(shù)據(jù)庫規(guī)則引擎物管理物可視計算與網(wǎng)絡(luò)高防服務(wù)應(yīng)用防火墻存儲網(wǎng)關(guān)*應(yīng)用引擎BAE共享帶寬NAT網(wǎng)關(guān)FPGA云服務(wù)器*智能客服(夜鶯)生命科學(xué)MapReduce批量計算智能推薦數(shù)據(jù)傳輸服務(wù)MolaDB服務(wù)站點管理云市場語音黃反識別長語音識別CloudDSP框架CloudADX框架IDmapping搜索Referer/推廣API內(nèi)容抽取客群洞察點擊率預(yù)估商品優(yōu)選/大數(shù)據(jù)輿情其他設(shè)備托管APIStore全家福智能大數(shù)據(jù)平臺智能多媒體平臺智能物聯(lián)網(wǎng)平臺領(lǐng)先的云基礎(chǔ)設(shè)施人工智能平臺云服務(wù)器存儲和CDN數(shù)據(jù)庫人工智能網(wǎng)站服務(wù)物理服務(wù)器負載均衡云磁盤內(nèi)容分發(fā)網(wǎng)絡(luò)對象存儲只讀關(guān)系型數(shù)據(jù)庫MemCache服務(wù)MySQL服務(wù)應(yīng)用服務(wù)簡單郵件服務(wù)簡單消息服務(wù)應(yīng)用性能管理服務(wù)問卷調(diào)研服務(wù)某著名企業(yè)APP測試

服務(wù)通用文字識別數(shù)據(jù)標注云虛擬主機域名服務(wù)通用解決方案行業(yè)解決方案網(wǎng)站及部署視頻云智能圖像云存儲分發(fā)大數(shù)據(jù)分析某著名企業(yè)App數(shù)字營銷云在線教育物聯(lián)網(wǎng)政企混合云專屬服務(wù)器數(shù)據(jù)分析Kafka機器學(xué)習(xí)深度學(xué)習(xí)

ElasticsearchOLAP引擎日志服務(wù)BLS物聯(lián)網(wǎng)服務(wù)物接入

IoTHub物解析IoTParser金融云虛擬私有網(wǎng)絡(luò)GPU服務(wù)器*彈性IP專線和VPN*數(shù)據(jù)導(dǎo)入服務(wù)**Redis服務(wù)SQLServer

服務(wù)多媒體服務(wù)音視頻轉(zhuǎn)碼音視頻直播人臉識別文字識別音視頻點播文檔轉(zhuǎn)碼安全和管理云安全云監(jiān)控SSL證書服務(wù)DDos防護服務(wù)涉黃涉政涉恐檢測DNS游戲云時序數(shù)據(jù)庫規(guī)則引擎物管理物可視計算與網(wǎng)絡(luò)高防服務(wù)應(yīng)用防火墻存儲網(wǎng)關(guān)*應(yīng)用引擎BAE共享帶寬NAT網(wǎng)關(guān)FPGA云服務(wù)器*智能客服(夜鶯)生命科學(xué)MapReduce批量計算智能推薦數(shù)據(jù)傳輸服務(wù)MolaDB服務(wù)站點管理云市場語音黃反識別長語音識別CloudDSP框架CloudADX框架IDmapping搜索Referer/推廣API內(nèi)容抽取客群洞察點擊率預(yù)估商品優(yōu)選/大數(shù)據(jù)輿情其他設(shè)備托管APIStore全家福人工智能全景圖340%90+2806億開發(fā)者增長數(shù)量AI服務(wù)大腦每天調(diào)用量文字識別開放平臺人臉識別開放平臺圖像識別開放平臺語音交互開放平臺語音合成語音喚醒智慧家庭語言處理開放平臺無人駕駛開放平臺基于AI的傳統(tǒng)制造業(yè)解決方案人工智能開啟傳統(tǒng)制造業(yè)新時代從開放平臺到賦能行業(yè)通用底層基礎(chǔ)能力AI開放平臺制造行業(yè)金融行業(yè)媒體行業(yè)物流行業(yè)能源行業(yè)交通行業(yè)安防行業(yè)物體表面檢測場景應(yīng)用層圖像文字識別物品測量機械臂引導(dǎo)定位計算層計算服務(wù)(CPU/GPU/FPGA)存儲服務(wù)(BOS/CDN/TSDB)網(wǎng)絡(luò)服務(wù)(EIP/BLB/VPC)能力層數(shù)據(jù)采集層物解析物可視物接入大數(shù)據(jù)標注大數(shù)據(jù)分析大數(shù)據(jù)獲取視覺采集設(shè)備數(shù)據(jù)系統(tǒng)接入機器學(xué)習(xí)深度學(xué)習(xí)圖像數(shù)據(jù)標注物聯(lián)網(wǎng)接入設(shè)備AI賦能大數(shù)據(jù)AI賦能IOT賦能供應(yīng)鏈數(shù)據(jù)生產(chǎn)數(shù)據(jù)質(zhì)量數(shù)據(jù)營銷數(shù)據(jù)設(shè)備節(jié)能策略設(shè)備缺陷預(yù)測設(shè)備全局效率設(shè)備生命周期管理IOT制造業(yè)賦能傳統(tǒng)制造業(yè)質(zhì)檢/分揀存在的問題人工質(zhì)檢的主觀因素對判定結(jié)果的影響較大基于視覺疲勞,會存在漏檢的問題人工操作下會帶來新的接觸損傷質(zhì)量成本安全人員流動較高,由此帶來的培訓(xùn)和用工成本高人員成本持續(xù)高漲,用工難招工難機器視覺24小時持續(xù)工作在高危場景/惡劣環(huán)境下存在人員安全問題沒有對生產(chǎn)數(shù)據(jù)進行有效積累和利用,無法后續(xù)推進流程再造和質(zhì)量分析對自動化生產(chǎn)流程適配較弱信息集成中國智造2025需要質(zhì)檢系統(tǒng)的全面升級傳統(tǒng)質(zhì)檢模式ABCInspire先進的A開放的B全面的C人工檢測數(shù)據(jù)難以有效利用延遲響應(yīng)低效記錄固化部署場景單一部署難以擴展升級方法難以適應(yīng)變化智能質(zhì)檢模式智能檢測行業(yè)數(shù)據(jù)有效利用快速響應(yīng)迭代訓(xùn)練多樣部署靈活遷移服務(wù)部署靈活多樣模型訓(xùn)練迭代更新ABC一體化解決方案機器視覺+時代的技術(shù)原理啟幕·智能傳統(tǒng)行業(yè)新時代機器視覺2.0基于人工智能/深度學(xué)習(xí)進入機器視覺2.0深度學(xué)習(xí)培訓(xùn)服務(wù)部署容易,升級簡單識別率高,準確率可持續(xù)提升PaddlePaddle、TensorFlow等CNNRNNSGDGRULSTMAdam……LenetZFNetRESNETAlexNetVGGNet……AI基礎(chǔ)算法機器視覺業(yè)務(wù)算法目標檢測特征定位特征提取分類器濾波器圖像識別缺陷檢測定位引導(dǎo)測量單元描述鋼鐵行業(yè)鋼包內(nèi)襯識別人工智能行業(yè)賦能熱軋帶鋼缺陷冷軋帶鋼缺陷型材缺陷屏幕缺陷檢測定位抓取3C行業(yè)芯片外觀檢測硅片外觀檢測封裝檢測半導(dǎo)體光伏檢測能源農(nóng)業(yè)水果分級煙葉分級汽車零部件缺陷玻璃印紋檢測零件分揀AI機器視覺制造業(yè)應(yīng)用架構(gòu)智能檢測流程數(shù)據(jù)采集待檢測數(shù)據(jù)生產(chǎn)數(shù)據(jù)庫預(yù)測引擎檢測智能檢測模型檢測請求檢測結(jié)果控制模塊預(yù)警處理原始數(shù)據(jù)存儲訓(xùn)練引擎數(shù)據(jù)更新數(shù)據(jù)請求訓(xùn)練數(shù)據(jù)庫訓(xùn)練數(shù)據(jù)迭代訓(xùn)練流程觸發(fā)模型更新觸發(fā)機制缺陷位置缺陷類別類別信息通用攝像頭采集輸入工業(yè)相機采集人工拍照樣本產(chǎn)品缺陷控制產(chǎn)出產(chǎn)品自動分類產(chǎn)品質(zhì)量預(yù)警系統(tǒng)狀態(tài)預(yù)測…歷史累積圖像數(shù)據(jù)清洗數(shù)據(jù)預(yù)處理圖像預(yù)處理數(shù)據(jù)集構(gòu)造歸一化處理機器視覺模型與算法庫動態(tài)計算引擎實時預(yù)警引擎數(shù)據(jù)管理引擎業(yè)務(wù)管理系統(tǒng)訓(xùn)練數(shù)據(jù)庫目標檢測特征定位特征提取圖像分類圖像分割圖像識別缺陷檢測定位引導(dǎo)濾波器邊緣檢測圖像測量生產(chǎn)數(shù)據(jù)庫雙盲標注數(shù)據(jù)標注二級質(zhì)檢智能預(yù)分類樣本生成初始模型訓(xùn)練引擎模型迭代優(yōu)化引擎新缺陷引擎預(yù)測引擎…AI機器視覺制造業(yè)業(yè)務(wù)架構(gòu)汽車:零件檢測能力V桿檢測準確率100%,螺絲檢測準確率99%+PaddlePaddle、TensorFlow等CNNRNNSGDGRULSTMAdam……ZFNetResNet

AlexNetVGGNet,……AI基礎(chǔ)算法機器視覺業(yè)務(wù)算法目標檢測特征定位特征提取圖像分類圖像分割圖像識別缺陷檢測定位引導(dǎo)濾波器邊緣檢測安全檢測鋼包內(nèi)襯熔損識別鋼鐵應(yīng)用場景……鋼包液面深度檢測鋼液漩渦臨界面檢測容量檢測質(zhì)量檢測連鑄坯表面檢測熱軋帶鋼表面檢測重軌表面檢測……文字識別鋼卷號識別型鋼編號識別引導(dǎo)定位鋼液測鋼卷捆扎定位……圖像測量…………AI機器視覺鋼鐵行業(yè)應(yīng)用架構(gòu)煉鐵軋鋼主要產(chǎn)品煉鋼連鑄鐵礦石球團黑碳燒結(jié)礦石灰石鐵水高爐(BF)氧氣轉(zhuǎn)爐(BOF)電弧爐(EAF)加熱爐小方坯大方坯板坯直接軋制HDR無縫管軋制焊管冷連軋機熱軋板卷軋制中厚板軋制棒線材軋制型鋼軋制無縫管焊管冷軋不板卷或薄板熱軋不板卷或薄板中厚板棒線材鋼軌鋼板樁型鋼棒材廢鋼AI機器視覺鋼鐵行業(yè)應(yīng)用案例熱軋帶鋼缺陷檢測案例基于傳統(tǒng)機器視覺進行檢測,準確率有待提高準確率無法維持,處于下降狀態(tài)業(yè)務(wù)現(xiàn)狀熱軋帶鋼缺陷檢測案例交付客戶深度學(xué)習(xí)平臺,自行優(yōu)化提升準確率方案基于人工智能進行模型訓(xùn)練,準確率高達99%+鋼包內(nèi)襯熔損識別案例人工對鋼包內(nèi)襯通過隔熱板觀察孔進行觀測判斷高危環(huán)境/人員主觀意識,對熔損程度識別標準不一業(yè)務(wù)現(xiàn)狀鋼包內(nèi)襯熔損識別案例基于人工智能鋼包內(nèi)襯識別模型識別標準客觀、準確率持續(xù)提升方案基于全景鋼包內(nèi)襯圖片進行內(nèi)襯無死角熔損評估鋼包內(nèi)襯熔損識別案例:鋼包檢測能力-前端采集設(shè)備專業(yè)高+防護罩2組鏡頭(鋼包蓋場景)每組包括側(cè)拍+底拍錄像機->網(wǎng)絡(luò)/4G單張/多采集3C:液晶屏幕劃傷檢測能力缺陷檢出率99.6%,缺陷類別判定準確率99.96%異物檢測檢出原圖異物+陰影mura檢測小點檢測小點+陰影mura檢測農(nóng)業(yè):煙葉分揀能力數(shù)據(jù)接入數(shù)據(jù)存儲數(shù)據(jù)分析數(shù)據(jù)可視化數(shù)據(jù)倉庫PaloBigSQLElasticsearch硬盤快遞直接上傳數(shù)據(jù)收集標注日志服務(wù)BLS物聯(lián)網(wǎng)服務(wù)IoT對象存儲BOSKafka鍵值數(shù)據(jù)庫Redis關(guān)系數(shù)據(jù)庫RDS大數(shù)據(jù)平臺BMR(Hadoop)SparkHiveZeppelinMapReduceHBaseHue視覺質(zhì)量數(shù)據(jù)批量計算Batch機器學(xué)習(xí)BML深度學(xué)習(xí)PaddlePaddleTensorFlow應(yīng)用場景供應(yīng)鏈分析生產(chǎn)工藝分析生產(chǎn)流程調(diào)度產(chǎn)品質(zhì)量分析產(chǎn)品營銷預(yù)測大數(shù)據(jù)制造業(yè)整體架構(gòu)PaddlePaddle、TensorFlow等GBDT、GBRT、xgboost、DNN、wideanddeep……AI基礎(chǔ)算法數(shù)據(jù)智能業(yè)務(wù)算法數(shù)據(jù)清洗特征提取特征組合預(yù)測分析調(diào)度優(yōu)化分類回歸優(yōu)化保險保險核保應(yīng)用場景……預(yù)測銀行航空制造水利團險定價風(fēng)險預(yù)測……信用評估OD預(yù)測動態(tài)定價航線規(guī)劃……生產(chǎn)調(diào)度……水電站流量預(yù)測……大數(shù)據(jù)AI行業(yè)應(yīng)用架構(gòu)智能質(zhì)檢應(yīng)用層Cloud(公有云或ABC一體機)算法層平臺層采集光源相機控制器處理結(jié)果IOT產(chǎn)品質(zhì)量數(shù)據(jù)工業(yè)大數(shù)據(jù)預(yù)測IOT數(shù)據(jù)設(shè)備故障預(yù)測產(chǎn)品質(zhì)量預(yù)測PaddlePaddle、TensorFlow等CNNRNNSGDGRULSTMAdam/LenetZFNetRESNETAlexNetVGGNet……鏡頭生產(chǎn)工藝優(yōu)化設(shè)備智能調(diào)度AI算法IAAS預(yù)處理數(shù)據(jù)標注訓(xùn)練引擎預(yù)測引擎缺陷分類物體分類新缺陷缺陷檢測產(chǎn)品分揀缺陷定位智能工業(yè)質(zhì)檢AI+大數(shù)據(jù)端到端解決方案智能檢測系統(tǒng)部署方式—公有云部署云客戶端客戶Server客戶Client質(zhì)檢服務(wù)引擎數(shù)據(jù)請求質(zhì)檢結(jié)果管理引擎客戶管理系統(tǒng)訓(xùn)練請求訓(xùn)練

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論