通过深度学习算法(Deep Learning)实现的人工智能质检，在目前已经能够达到95%以上的判定准确率,通过平衡漏判率和误判率，漏判率可以降到100PPM以下，而误判率降到5 %以下。根据华为和百度联合编著的《智能工业视觉解决方案白皮书V1.0》，在2018年，全球用于工业自动化领域的机器视...

和其他行业一样，汽车行业，一般也是通过端 + 5G 网络 + 边缘云 + 云服务的协作，基于计算机视觉模型、算法库及样本图像，结合深度学习 AI 算法，完成数据预处理、数据标注及训练生成数据模型。我们再通过 5G 网络连接，可以使得产线上每个工业视觉应用不再是独立的数据孤岛，并让工厂...

工厂质量控制体系就是为满足产品的质量要求，而实时进行的质量测量和监督检查系统。特别是在汽车零部件、3C 产品零部件与外壳、芯片、纺织品、光伏等行业，外观质量检测是非常重要的一个环节，极大影响着产出产品的质量和 产品产出速度，受限于大量的质检人员个体差异和生理限制...

实现质量对比，一般是看最终的质检效果。与人工或传统视觉技术质检相比，为了提高准确率，现在一般使用 深度学习 技术进行质检。这种技术的优势有：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...

有很多场景，比如设备监控、智能预测、智能质检、安全防护等各方面，以智能质检为例，我举两个例子。比如：场景 1、产品在线外观质量检测以某 3C 产品供应链企业产品外观检测为例，每月人工视觉检 测人力成本超过 200 万，质检人力员工占比占到 20%~40%，且 还存在漏检等质量问题。目...

我分别讲一下这两种制造。一、离散型智能制造1.车间/工厂的总体设计、工艺流程及布局均已建立数字化模型，并进行模拟仿真，实现规划、生产、运营全流程数字化管理。2.应用数字化三维设计与工艺技术进行产品、工艺设计与仿真，并通过物理检测与试验进行验证与优化。建立产品数...

行业里面提供平台级解决方案的伙伴很多，特别是工业这个领域，每家企业的问题和痛点都不尽相同，即使都是汽车行业，面临的问题也是发散的，场景也是发散的，所以对于技术平台的要求，除了一些通用能力之外，更多的还是细分行业的理解和落地能力，在通用能力方面，建议参考英伟达EGX的架构框...

看样子没人能解答这个问题了，我自己在网上找的结果仅仅是Keras(深度学习库)和Numpy(数据科学计算库)，不知道还有没有更多的模块或库。

AI运维平台其实不是平地而起的。这是需要在现有的运维平台基础上，基于当前的运维大数据，实现智能运维场景。运维数据采集：需要zabbix等类似的采集监控工具收集数据。AI运维平台可以接入更多更细节的数据类型。数据存储分析：通常有时序数据库，nosql数据库和传统关系型数据库等...

AI运维和数据库引擎结合这个话题其实已经比较深入产品本身了。当前智能运维和产品本身还是脱离的，只有产品自身采用AI运维技术才可以实现。例如DB2的access plan在最新的11.5版本中就加入了AI功能。用户可以选择采用AI的方式实现查询计划挑选。虽然AI运维平台做不到修改...