阿里云ET工业大脑 发布AI视觉产品“见远”近日，阿里云ET工业大脑发布AI视觉产品“见远”，可以利用深度学习和图像处理算法，自动识别图像中的瑕疵、故障及其他目标物，大幅节省人力，提高产品生产效率及精度稳定性效果。 近日，阿里云ET工业大脑发布AI视觉产品“见远“，可以利用深度学习和图像处理算法，自动识别图像中的瑕疵、故障及其他目标物，大幅节省人力，提高产品生产效率及精度稳定性效果。 “见远”来自阿里巴巴机器智能技术实验室视觉计算团队，这一团队还曾在城市大脑中研发出一系列视觉智能创新技术，如天曜、天擎、天鹰、天机。 阿里巴巴机器智能实验室副主任、视觉计算团队负责人华先胜介绍，目前“见远”已经应用在电池片瑕疵检测、蚕丝瑕疵、道路裂缝检测、垃圾分类、智能养殖等多个领域。 举例来说，在电池片瑕疵检测领域，“见远”的识别准确度已达95%，节省人力率比为每33个人节省1人。通过深度学习和图像识别算法，阿里云ET工业大脑集中学习了40000多张样片，将图像转换为机器能读懂的二进制语言，从而能让质检机器实时、自动判断电池片的缺陷。
（阿里云ET工业大脑帮助正泰新能源实现了业内首个电池片实时、在线、自动检测） 位于杭州的浙江正泰新能源已经通过“见远”实现了单、多晶电池片EL缺陷的毫秒级自动判定，能成功识别隐裂、黑斑等20余种瑕疵，相比人工检测速度提升2倍以上。这也是光伏行业首次实现对电池片的实时、在线、自动检测。 该项目算法工程师魏溪含介绍，工业质检主要是三类：无摄像头，全人工；有摄像头，但人工观察；摄像头带简单的分析功能。这导致的问题就是人力成本高、人的情绪对质控影响大、效率低下等问题。“见远”能够做到真正的自动化，全面的解放一线工作人员。“以前他们需要大海捞针，现在只要在桌面找针就行”。 除此之外，“见远”还能被应用到更多其他领域。例如，可通过列车底部/侧面照片，自动检测列车是否有故障。常见故障超过100种，小概率重要故障几十种。180万张图片的测试数据显示，人工智能系统检出上报数为985张，其中141个是人工漏检而被机器检出的。 除车辆外，在桥梁、路面检测中“见远”显得更为重要。它能够通过无人机搭载的高清摄像头，实时发现桥梁存在的外观病害，如构件变形、裂缝、渗水等。即使是一个头发丝粗细的裂缝，都可以发现。而在之前，大多都是通过肉眼完成，漏检率高、速度慢。 责编：畅享精灵  微信扫一扫实时了解行业动态 著作权声明：畅享网文章著作权分属畅享网、网友和合作伙伴，部分非原创文章作者信息可能有所缺失，如需补充或修改请与我们联系，工作人员会在1个工作日内配合处理。 |
最新文章
|
NCV6.3产品手册-采购管理.pdf
【评测稿】移动CRM软件比较.doc
