智能工业质检

    产品描述

    产品介绍

    百度智能云工业质检云平台(以下简称为“质检云”)是百度智能云在ABC产品战略下针对工业视觉检测推出的集模型训练和预测服务于一体的深度学习平台,是百度AI技术针对具体行业进行产业化落地的一款产品。

    质检云实现了工业质检场景中,从数据上传、标注,到模型训练、测试、发布的全自动流程,无需使用者具有任何编程能力。本产品支持公有云和私有云两种部署方式,用户可根据需求灵活选择。

    若您对本产品有任何疑问,请联系aim_cues@baidu.com。

    核心概念

    质检云主要提供基于AI视觉的工业产品表面缺陷检测服务,同时支持模型的训练及优化,以及在算力机上实现模型预测服务的端云一体的产品闭环。

    • 模型训练

    用户可以自主选择在预置模型的基础上创建满足自身场景需求的模型,在上传、标注图片后进行模型训练,训练完成后即可实现预测服务的上线。

    • 模型预测

    基于完成训练的模型,用户可调用相关的API接口,上传需要检测的图片即可完成对工业产品的分类或缺陷检测。

    • 模型优化

    用于检测的工业产品图片可以作为训练样本再次投入到模型训练中,以此来不断提升模型的准确率,即从模型的训练到预测再到模型的优化,形成一个完整的产品闭环。通过此方式,用户可结合生产的实际情况,不断地优化模型直到模型能满足用户实际的预测需求。

    架构

    • 端云一体架构

    image.png

    本产品整体为端云一体架构模式,即用户在云平台训练并管理模型,通过端云协同的方式将云上的模型下发到端上的训练设备,通过端上采集更多数据并上传到云上的方式可对云上的模型进行迭代更新,整体形成一个“模型下发、数据上传”的闭环。

    除此之外,云平台提供整套深度学习的闭环能力,即从用户自行上传训练数据并标注,到模型训练、模型预测、模型发布的闭环。

    优势

    目前工业领域中大量企业的质量检测环节由人工质检实现,即主要依靠人肉眼来进行缺陷识别,除此之外,少量企业使用传统机器视觉技术进行质检。这些方式有一些显著痛点,例如人工质检存在的主观因素对判定结果影响较大,难以实现标准化;人工质检存在视觉疲劳,无法保证全时段内的产品质检准确率,漏检误检率高;部分场景下人工质检会影响一定的人身安全;人力成本不断提升,存在招工难留存难等问题,同时新招入的员工还需投入大量的培训成本;人工质检无法对历史结果进行有效的积累和利用,对自动化生产流程的适配性较弱;传统视觉质检依赖于物体的规则度,需要持续调参,模型优化困难,且对不规则的背景和物体的缺陷识别准确率较差;同时由于传统视觉的缺陷,无法实现模型共享,且无法移植/复制模型,模型共享性差。

    与人工或传统视觉技术质检相比,本产品使用AI技术进行质检。本产品的优势有:

    • 对物体不规则缺陷的识别较传统机器视觉技术具有显著优势,准确率更高,且受外部环境影响低
    • 模型可基于用户提供的数据进行持续的迭代训练,不断提升模型的准确率
    • 可智能发现新缺陷,在产品出货前进行缺陷控制
    • 可进行智能缺陷合成,有效解决部分缺陷的图像数据不足问题
    • 赋能最终用户,实现用户自主完成模型的训练预测闭环,自主优化升级模型
    • 本产品支持集中式部署,支持多产线模型共享

    特性

    • 推理模型高准召

    提供工业级应用的推理预测模型,满足产品的低漏杀和低过杀。

    • 模型自主优化闭环

    基于自有数据进行模型训练,并可通过不断增加数据持续不断的优化模型,提升模型准召。

    • 模型一键式部署

    终端设备和推理模型统一管理,实现优化后的模型一键更新至质检终端。

    • 端云一体化服务

    与百度云ABC+IOT、边缘计算等生态无缝融合,构筑端云一体化质检生态服务。

    • 零代码训练AI模型

    无需用户具有任何编码能力,产品具有图形化界面和引导方式,方便用户自主构建AI模型。

    应用场景

    本产品的主要应用场景为拥有大量产品质检需求的工业制造业企业,具体为希望节省质检投入(包括人力成本,时间成本等)的企业以及提升质检准确率及一致性的企业。

    注:本产品不限于工业领域应用,在农业分拣等领域也可应用。

    下一篇
    快速入门