|
在工廠車(chē)間，浪費(fèi)的資源會(huì)讓每個(gè)實(shí)際或想象中的缺陷快速堆積。如果將合格零件錯(cuò)誤地標(biāo)記為有缺陷的零件，則會(huì)浪費(fèi)時(shí)間、影響效率和機(jī)器工作。當(dāng)有缺陷的零件被忽視而成為最終客戶的問(wèn)題時(shí)會(huì)怎樣？潛在后果更加嚴(yán)重。
幸運(yùn)的是，人類(lèi)在缺陷檢測(cè)方面很專(zhuān)業(yè)。但是，手動(dòng)質(zhì)量檢查的速度很慢，因此自動(dòng)化是一個(gè)挑戰(zhàn)。計(jì)算機(jī)視覺(jué)（CV）可能具有與人類(lèi)準(zhǔn)確性相匹配的潛力，但是用傳統(tǒng)的CV系統(tǒng)可以理解的語(yǔ)言來(lái)描述對(duì)人而言顯而易見(jiàn)的東西（例如黑標(biāo)和模糊不清的區(qū)別）幾乎是不可能的。
深度學(xué)習(xí)（機(jī)器通過(guò)標(biāo)記的數(shù)據(jù)集直接向人們學(xué)習(xí)）可以解決這兩個(gè)問(wèn)題。它提高了CV達(dá)到人類(lèi)標(biāo)準(zhǔn)的準(zhǔn)確性，同時(shí)提高了效率并削減了成本。但是要使用它，制造商和系統(tǒng)集成商需要解決方案提供商，后者是技術(shù)以及在車(chē)間執(zhí)行該技術(shù)的專(zhuān)家。
機(jī)器學(xué)習(xí)始于人類(lèi)
借助物聯(lián)網(wǎng)、人工智能和深度學(xué)習(xí)技術(shù)解決方案的提供商Mariner了解到，將使用解決方案并從中受益的人員必須從一開(kāi)始就參與其中。這意味著要深深尊重制造商在提供商方面的經(jīng)驗(yàn)，并承諾在部署的每個(gè)階段都與車(chē)間人員進(jìn)行協(xié)作。
“首先，您需要與客戶合作，以確保您解決了一個(gè)真正的問(wèn)題。Mariner產(chǎn)品技術(shù)執(zhí)行副總裁Peter Darragh說(shuō)：“不僅因?yàn)樗芸�，而且還從事人工智能科學(xué)實(shí)驗(yàn)。”但是協(xié)作需要持續(xù)進(jìn)行，而不是間斷進(jìn)行。
例如，Spyglass Visual Inspection（SVI）可以比專(zhuān)家檢查員更快地捕獲缺陷，并且具有同等或更高的準(zhǔn)確性，因?yàn)檫@些專(zhuān)家可以標(biāo)記用于訓(xùn)練它的圖像。Darragh表示，似乎這些檢查員已經(jīng)將角色從運(yùn)動(dòng)員切換成為教練了。
“當(dāng)他們提供高質(zhì)量的、帶有標(biāo)簽的數(shù)據(jù)集，包括他們每天在生產(chǎn)線上看到的所有細(xì)微差別時(shí)，他們就不再玩游戲了。他們正在教授游戲的深度學(xué)習(xí)�！彼f(shuō)。而且，當(dāng)情況發(fā)生變化時(shí)（例如：新客戶具有不同的質(zhì)量標(biāo)準(zhǔn)），可以對(duì)模型進(jìn)行重新培訓(xùn)以適應(yīng)。
智慧伙伴關(guān)系，智慧工廠
但是僅僅了解技術(shù)還不夠。供應(yīng)商還需要知道如何在真實(shí)的工廠環(huán)境中進(jìn)行部署。Darragh 解釋說(shuō)：“最近，我們已經(jīng)看到了對(duì)深度學(xué)習(xí)的極大興趣和大量案例研究，但是這些項(xiàng)目往往是在受控實(shí)驗(yàn)室環(huán)境中離線完成的�！�
那就是為什么對(duì)于SVI解決方案，Mariner從一開(kāi)始就專(zhuān)注于開(kāi)發(fā)自動(dòng)化流程來(lái)訓(xùn)練模型并將其交付給工廠邊緣。通過(guò)這種方式，它可以從容地響應(yīng)典型生產(chǎn)環(huán)境中的所有不可避免的變化。
為了確保 SVI 能夠?yàn)槊恳晃蛔罱K客戶有效工作（否則退款），Mariner遵循嚴(yán)格的實(shí)施流程：
-積極尋找風(fēng)險(xiǎn)，并確認(rèn)該問(wèn)題非常適合深度學(xué)習(xí)。
-培訓(xùn)最終客戶如何提供一系列高質(zhì)量的標(biāo)簽圖像。
-在首次咨詢(xún)期間，使用人工智能專(zhuān)業(yè)知識(shí)從初始圖像集開(kāi)始訓(xùn)練初步模型，以確保未來(lái)運(yùn)營(yíng)的成功。
-在商定驗(yàn)收標(biāo)準(zhǔn)之前，與客戶合作以減輕風(fēng)險(xiǎn)。
-部署后繼續(xù)監(jiān)視模型的置信度，并評(píng)估重新培訓(xùn)的需求。
解決方案結(jié)合了精心選擇的技術(shù)元素。它在邊緣包括容器化的微服務(wù)架構(gòu)，以防網(wǎng)絡(luò)連接丟失。而且，Microsoft Azure提供了一組易于擴(kuò)展和縮減的可靠云服務(wù)。
Darragh說(shuō)：“實(shí)際上，有時(shí)它就像在屏幕上移動(dòng)滑塊一樣簡(jiǎn)單�！边@使Mariner可以專(zhuān)注于深度學(xué)習(xí)和模型交付過(guò)程，而無(wú)需擔(dān)心基礎(chǔ)設(shè)施。借助基于英特爾的處理，邊緣的每次推理成本可以大大降低，從而實(shí)現(xiàn)更快的投資回報(bào)率。
人工智能專(zhuān)業(yè)知識(shí)可以為制造商節(jié)省數(shù)百萬(wàn)美元
一家領(lǐng)先的玻璃制造商努力使用傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)來(lái)自動(dòng)化其質(zhì)量保證流程。即使從圖像上看，人也可以輕松識(shí)別水滴和邊緣碎片之間的差異。但是卻不可能編寫(xiě)出CV系統(tǒng)可以理解的規(guī)范。
最后，頂多是使系統(tǒng)過(guò)于敏感，從而導(dǎo)致不理想的誤報(bào)率。因此，Mariner向質(zhì)量保證專(zhuān)家展示了如何借助高質(zhì)量標(biāo)記的數(shù)據(jù)集來(lái)訓(xùn)練深度學(xué)習(xí)模型，從而消除了誤報(bào)。
在驗(yàn)證了模型的準(zhǔn)確性之后，制造商開(kāi)始在多條生產(chǎn)線上運(yùn)行 SVI，每天要處理成千上萬(wàn)的零件�，F(xiàn)在，該解決方案會(huì)自動(dòng)將信號(hào)發(fā)送到PLC 來(lái)控制下游過(guò)程，一個(gè)產(chǎn)品是被接受還是丟棄，僅僅基于它的決定。
結(jié)果該客戶將季度運(yùn)營(yíng)支出削減了100萬(wàn)美元以上，并計(jì)劃將Spyglass Visual Inspection擴(kuò)展到服務(wù)四個(gè)不同市場(chǎng)的其他部門(mén)，這更多地證明了在正確地使用深度學(xué)習(xí)來(lái)解決正確的問(wèn)題是從機(jī)器視覺(jué)應(yīng)用中獲得豐厚回報(bào)的關(guān)鍵。
作者簡(jiǎn)介
Erica Stevens has been writing about about technology and finance for 15 years, first at Bank of America Merrill Lynch and then for a mix of trade magazines and tech companies. But her writing career began at the University of Toronto, where she got her master’s degree in cognitive psychology and first learned to write about complex, technical topics. A fiction-lover and frustrated psychologist, Erica delights in talking to passionate business people about how they’re changing the world—and in sharing their ideas via compelling journalism.
查詢(xún)進(jìn)一步信息，請(qǐng)?jiān)L問(wèn)官方網(wǎng)站 http://zh-hans.insight.tech。（Lisa WU，365PR Newswire）
|
