2019全球數字生態大會騰訊優圖戴宇榮:用深度學習技術為工業行業創造價值.

編輯:admin2019-05-23
文章簡介:5月21日23日,2019騰訊全球數字生態大會在昆明召開。在AI智能制造分論壇上,騰訊優圖實驗室總監戴宇榮發表了《深度學習技術與應用分享》的主題演講,以AI在工業中的實際應用為例,

5月21日—23日,2019騰訊全球數字生態大會在昆明召開。在AI智能制造分論壇上,騰訊優圖實驗室總監戴宇榮發表了《深度學習技術與應用分享》的主題演講,以AI在工業中的實際應用為例,從傳統工業流程存在的痛點、優圖的領先算法、深度學習如何解決工業領域痛點等方面,分享了騰訊優圖的深度學習技術及落地應用。

“在工業領域,深度學習解決方案比傳統機器視覺更具優勢。”據戴宇榮博士介紹,以深度學習技術為基礎,騰訊優圖帶來領先的AI+工業解決方案,為行業降本、增效、提質,已經在PCB板缺陷檢測、鋰電池缺陷檢測、面板缺陷檢測等多個方面得到落地應用,助力傳統工業產業智慧化升級。

 

(騰訊優圖實驗室總監 戴宇榮博士)質檢問題長期存在,成困擾傳統工業生產的難點

在傳統工業流程中,人力成本高、危險性大、無意義的勞動過多等難點長期存在,傳統制造企業的轉型升級勢在必行。

從傳統工業的細化流程來看,以電子行業為例,質檢是內控的剛需,然而傳統的質檢模式存在許多局限性。一方面,人工質檢準確性低,而且檢測速度慢、穩定性差,容易影響整個生產過程的效率;另一方面,人工檢測有延時,當大量作業,產品需要轉運,中轉的倉儲時間,難以第一時間發現產品質量問題;與此同時,質量檢測的人力成本高,招工難,人員離職率高。種種問題對傳統質檢流程提出了挑戰,成為阻礙工業領域實現智能化生產的一大難點。

如何合理應用AI的能力,提升制造業的生產效率,通過創新產生更大的價值,成為整個行業思考的議題。

AI質檢驅動,騰訊優圖解決傳統質檢模式痛點

電子行業的痛點,表面看是人的問題,實際上是系統生產力低下的體現。

針對電子行業質檢的生產力揚升需求,騰訊優圖以深度學習技術為基礎,聯合騰訊云,為客戶提供針對性的DNN技術解決方案,可以真正幫助電子企業實現質檢的“多快好省”。

 

(騰訊獨創的DNN技術方案) “一方面,我們建立了流程自動化的大規模自動產生模型。涵蓋了預處理、分割定位+模板匹配、分類鑒別+相交斷線三大步驟。” 戴宇榮介紹,該模型能有效解決缺陷太小、尺寸、色差、旋轉差異引起的性能下降等問題。另一方面,以AI技術為基礎,騰訊優圖實驗室實現了算法平臺化,加速產品工具開發,讓客戶的工程師可以從0到1,創建出一個全新的模型,完成技術內化。 此外,騰訊優圖通過引入AI質檢,將產品缺陷一一分類,根據缺陷自動查找導致運行不良的原因,從而實時監控并降低產品質量不良修正的間隔時間,驅動了電子企業的良率管理新模式。 戴宇榮指出,“相比傳統算法而言,深度學習解決方案更具優勢。”可以通過深度學習識別和分析復雜無規律缺陷;大數據量學習可以達到高準確率、低誤判率的效果。 以深度學習技術為基礎,騰訊優圖聯合騰訊云,為電子企業帶來了降低成本、精細檢查、實時監控、提升良率等價值。可解決客戶招工難,熟練不易培養等問題,幫助企業降本增效;將AI+工業應用于智能制造,輔助企業提升產品質量和制造工藝改善,助推產業智能化升級。面向未來,AI+工業解決方案助推產業智能化升級

目前,騰訊優圖的AI視覺檢測平臺架構,已經在工業質檢領域得到應用,在PCB板缺陷檢測、鋰電池缺陷檢測、面板缺陷檢測等多個落地應用項目。

戴宇榮介紹,“在液晶面板缺陷檢測中,我們建立了可復制型工業AI視覺檢測系統。”采用多模型協同運作方案,識別準確率達90%。輔助 100多道工序質檢,幫助節省50%以上人力成本,顯著提升質檢效果

而在手機背板缺陷檢測中,騰訊優圖則建立了復合深度學習缺陷檢測模型,解決背景簡單重復、缺陷偏小、缺陷與背景差異很小情況下的缺陷的檢出。同時滿足多缺陷同時存在的檢測需求。

在高端復合材料無損檢測中,騰訊優圖縮短了檢測時間,提升了評片可靠性(高于專家判片)、減少了質檢人數、增強了檢測數據可追溯性。

 

(騰訊優圖視覺AI技術已落地高端復合材料無損檢測) 據悉,在“AI+工業生產檢測”方面,騰訊優圖聯合騰訊云打造的工業AI解決方案,已經在國內某知名面板企業進行落地應用,在面板智能質檢上建立可復制型工業自動化排查系統。 在演講的最后,戴宇榮表示,騰訊優圖的深度學習技術將為工業行業持續創造價值。未來,騰訊優圖也將不斷迭代升級,注重落地應用,為更多行業客戶提供業界領先的解決方案,助推產業智能化升級。