制造业是实体经济的支柱,制造业企业的数字化、网络化、智能化转型升级迫在眉睫。随着人工智能技术的应用普及,制造企业与人工智能企业把目光投向了“AI+制造”。
目前,人工智能技术与制造的融合场景主要有三类,一是产品智能化研发设计,二是智能质检,三是生产设备的预测性维护。其中,智能质检是人工智能在制造领域成熟度最高的应用,利用图像识别与深度学习技术可以解决传统质检的成本高无法连续作业且缺陷检出率不高等痛点。
助力企业提升智能化水平与生产运营效率
What is intelligent agriculture?
制造业是实体经济的支柱,制造业企业的数字化、网络化、智能化转型升级迫在眉睫。随着人工智能技术的应用普及,制造企业与人工智能企业把目光投向了“AI+制造”。
目前,人工智能技术与制造的融合场景主要有三类,一是产品智能化研发设计,二是智能质检,三是生产设备的预测性维护。其中,智能质检是人工智能在制造领域成熟度最高的应用,利用图像识别与深度学习技术可以解决传统质检的成本高无法连续作业且缺陷检出率不高等痛点。
Typical business scenarios
先进的计算机视觉技术取代现有人工质检操作,实时检测生产现场产品缺陷,形成对整个产线产品质量的监控和预测。
结合行业专家经验,利用工业大数据智能分析技术,充分挖掘产线工艺数据背后的规律,优化工艺生产参数,达到降本增效的目的。
利用特征分析和机器学习技术,对设备进行故障诊断与预测,并跟踪监控设备运行的全生命周期,实现设备的预测性维护,大幅降低设备的维护成本。
Algorithm model
支持对工业磁瓦缺陷的像素级检测,包括气孔、磨损、裂纹、断裂、不均匀等。
支持对印制电路板短路、开路等瑕疵的识别
支持对太阳能电池板若干瑕疵的诊断与识别
支持对刀具切割作业后的累计磨损量进行预测
支持对两类轴承的六类故障(包含健康轴承)类型进行智能诊断
More algorithmic models