【專家觀點(diǎn)】工業(yè)AI質(zhì)檢助力生產(chǎn)制造企業(yè)持續(xù)提質(zhì)降本增效-河鋼數(shù)字

河鋼勤字演進(jìn)規(guī)律與現(xiàn)狀：共性賦能技術(shù)體系逐步形成人工（邊緣）智能行業(yè)定義及特征邊緣智能定義:邊緣智能產(chǎn)業(yè)是指以人工智能關(guān)鍵技術(shù)為核心的、邊緣智能定義:邊緣智能產(chǎn)業(yè)是指以人工智能關(guān)鍵技術(shù)為核心的、由基礎(chǔ)支撐和應(yīng)用場(chǎng)景組成的、覆蓋領(lǐng)域極為廣闊的行業(yè)群智能產(chǎn)品是指用人工智能技術(shù)賦能的產(chǎn)品。設(shè)計(jì)過程中需要具備較強(qiáng)的仿真能力和失效模式分析能力。2019-2023年全球企業(yè)應(yīng)用邊緣智能產(chǎn)品的平均數(shù)量邊緣智能賦能產(chǎn)業(yè)發(fā)展已成為主流趨勢(shì)，下游應(yīng)用場(chǎng)景豐富?；谲浖?wù)云服務(wù)、硬件基礎(chǔ)設(shè)施等產(chǎn)品形式，邊緣智能賦能產(chǎn)業(yè)發(fā)展已成為主流趨勢(shì)，下游應(yīng)用場(chǎng)景豐富?；谲浖?wù)云服務(wù)、硬件基礎(chǔ)設(shè)施等產(chǎn)品形式，結(jié)合消費(fèi)、制造業(yè)、互聯(lián)網(wǎng)、金融、元字宙與數(shù)字孿生等各類應(yīng)用場(chǎng)景，人工智能賦能各個(gè)產(chǎn)業(yè)發(fā)展。邊緣智能的產(chǎn)品形態(tài)和應(yīng)用邊界不斷拓寬；2022年，邊緣智能產(chǎn)學(xué)研界在通用載體、模型等促進(jìn)技術(shù)通用性和效率化生產(chǎn)的方向上取得了一定突破。商業(yè)價(jià)值塑造、通用性提升和效率化應(yīng)用是AI技術(shù)助力產(chǎn)業(yè)發(fā)展、社會(huì)進(jìn)步和自身造血的要義。981392017年企業(yè)應(yīng)用AI技術(shù)比重約20%，2022年企業(yè)至少在一個(gè)業(yè)務(wù)領(lǐng)域采用AI技術(shù)比率增至50%。2019年應(yīng)用AI產(chǎn)品平均僅19個(gè)，2023年增至3.8個(gè)應(yīng)用數(shù)量提升以外，AI商業(yè)價(jià)值不斷增長(zhǎng)，企業(yè)部署9813903192n機(jī)器人流程自動(dòng)化(RPA)和計(jì)算機(jī)視覺是人工智能領(lǐng)域每年最常用的技術(shù)自然語言文本理解已經(jīng)從203192工業(yè)智能創(chuàng)新發(fā)展的體系框架nn技術(shù)架構(gòu)鏈條邏輯上可分為基礎(chǔ)層、技術(shù)層、能力層、應(yīng)用層、終端層五大板塊。n基礎(chǔ)層:涉及硬件基礎(chǔ)設(shè)施和數(shù)據(jù)算力、算法模型三大核心要素。隨著AI大模型規(guī)模的不斷擴(kuò)大，對(duì)計(jì)算資源的需求也在增加。因此，高性能的硬件設(shè)備、海量場(chǎng)景數(shù)據(jù)、強(qiáng)大的算力基礎(chǔ)和升級(jí)迭代的算法模型成為了支持AI大模型發(fā)展的關(guān)鍵。n技術(shù)層:主要涉及模型構(gòu)建。AI大模型領(lǐng)域占據(jù)主導(dǎo)地位，n能力層、應(yīng)用層及終端層:在基礎(chǔ)層和技術(shù)層的支持下，AI大模型擁有了文字、音頻、圖像、視頻、代碼策略、多模態(tài)生成能力等，具體應(yīng)用游戲、醫(yī)療、工業(yè)、政務(wù)等多個(gè)領(lǐng)域，為企業(yè)級(jí)用戶、政府機(jī)構(gòu)用戶、大眾消費(fèi)者用戶提供產(chǎn)品和服務(wù)。相關(guān)產(chǎn)品及服務(wù)。終端層終端層企業(yè)級(jí)用戶政府機(jī)構(gòu)用戶大眾消費(fèi)用戶應(yīng)用層工業(yè)制造政務(wù)醫(yī)療新能源企業(yè)服務(wù)教育/科研文字生成代碼生成音頻生成策略生成圖像生成文字生成代碼生成音頻生成策略生成圖像生成視頻生成能力層虛擬場(chǎng)景生成視頻生成圖像與物體檢測(cè)多模態(tài)模型多模態(tài)檢測(cè)與分割視覺語言文檔理解語音語言人工智能機(jī)器學(xué)習(xí)計(jì)算機(jī)視覺知識(shí)圖譜自然語言理解文本語義與圖結(jié)構(gòu)語言理解與生成代碼生成和理解信息抽取與檢索語音語義理解開放域?qū)υ挾嗾Z言模型多模態(tài)對(duì)話視頻表征語義分割圖像分類圖像表征圖像生成因果推理技術(shù)層基礎(chǔ)層深度學(xué)習(xí)框架/開源模型基礎(chǔ)層深度學(xué)習(xí)框架/開源模型芯片數(shù)據(jù)標(biāo)注結(jié)構(gòu)化算力資源服務(wù)器數(shù)據(jù)整合存儲(chǔ)資源云計(jì)算與云服務(wù)第三方數(shù)據(jù)網(wǎng)絡(luò)資源計(jì)算平臺(tái)外部數(shù)據(jù)安全資源模型工具算力基礎(chǔ)數(shù)據(jù)資源硬件設(shè)施預(yù)訓(xùn)練大模型計(jì)算平臺(tái)質(zhì)量強(qiáng)國(guó)戰(zhàn)略要求全面提升制造業(yè)供給質(zhì)量展規(guī)劃》傳統(tǒng)質(zhì)檢的諸多弊端亟待新興技術(shù)予以解決工業(yè)AI質(zhì)檢為企業(yè)帶來更加深遠(yuǎn)的價(jià)值提升從“質(zhì)量感知”到“質(zhì)量提升”質(zhì)量感知質(zhì)量預(yù)測(cè)質(zhì)量感知質(zhì)量提升質(zhì)量控制質(zhì)量提升鋼鐵行業(yè)產(chǎn)品質(zhì)檢特性要求更高的檢測(cè)精度在成像傳感器上，應(yīng)用高線陣&大面陣CMOS傳感，提升橫向物理分辨率，達(dá)到更高的檢測(cè)精度更快的檢測(cè)速度通過算法優(yōu)化、限制ROI區(qū)域、提升處理器等方式，提高數(shù)據(jù)處理速度，以適應(yīng)更快的生產(chǎn)節(jié)拍更高的集成度通過先進(jìn)生產(chǎn)工藝，將激光器、傳感器、處理單元等模塊制成一體化產(chǎn)品，降低部署和應(yīng)用成本更智能的算法采用深度學(xué)習(xí)算法及嵌入式AI加速模塊等技術(shù)，實(shí)現(xiàn)智能算法在現(xiàn)場(chǎng)邊緣側(cè)的實(shí)時(shí)應(yīng)用創(chuàng)造更多價(jià)值通過與二三級(jí)系統(tǒng)打通、以數(shù)據(jù)驅(qū)動(dòng)生產(chǎn)，以檢測(cè)結(jié)果優(yōu)化工藝，實(shí)現(xiàn)提質(zhì)降本增效彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-總體介紹彩涂板產(chǎn)線目前大部分質(zhì)量檢測(cè)還是以傳統(tǒng)的人工方式進(jìn)行，存在漏檢、誤檢、缺陷信息98%99%缺陷分級(jí)準(zhǔn)確率100%98%99%缺陷分級(jí)準(zhǔn)確率整卷漏拍率缺陷分類準(zhǔn)確率整卷缺陷識(shí)別率整卷漏拍率缺陷分類準(zhǔn)確率0.5%提高成材率0.5%提高成材率95%整卷缺陷識(shí)別準(zhǔn)確率100%整卷質(zhì)量地圖準(zhǔn)確率95%整卷缺陷識(shí)別準(zhǔn)確率100%整卷質(zhì)量地圖準(zhǔn)確率機(jī)器視覺AI深度學(xué)習(xí)機(jī)器視覺彩涂板智能質(zhì)檢系統(tǒng)彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-系統(tǒng)架構(gòu)鍍層厚度與灰渣形成機(jī)理模型鍍層厚度與灰渣形成機(jī)理模型反饋控制反饋控制數(shù)據(jù)存儲(chǔ)組成，利用成像系統(tǒng)對(duì)彩涂板進(jìn)行圖像采數(shù)據(jù)存儲(chǔ)對(duì)獲取到的圖像在邊緣處理層進(jìn)行特征處用理和測(cè)量用深度學(xué)習(xí)算法模型成像系統(tǒng)圖像預(yù)處理模型部署行定性分析和定量解釋，為彩涂板的缺陷分類分級(jí)以及后續(xù)工序提供相應(yīng)的執(zhí)行決深度學(xué)習(xí)算法模型成像系統(tǒng)圖像預(yù)處理模型部署圖像采集缺陷檢出模型部署&更新缺陷檢出模型部署&更新缺陷分類板的生產(chǎn)工藝。缺陷分類彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-硬件架構(gòu)工業(yè)光源-上表面上表面工業(yè)相機(jī)-工業(yè)相機(jī)-下表面天樞智能網(wǎng)關(guān)上表面工業(yè)相機(jī)-工業(yè)相機(jī)-下表面天樞智能網(wǎng)關(guān)天璇算力終端實(shí)時(shí)檢測(cè)客戶端模型訓(xùn)練工作站工業(yè)光源-下表面工業(yè)光源-下表面遠(yuǎn)程質(zhì)檢工作站相機(jī)全幅掃描相機(jī)全幅掃描缺陷智能檢測(cè)缺陷智能檢測(cè)檢測(cè)結(jié)果輸出檢測(cè)結(jié)果輸出彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-方案特性自研嵌入式異構(gòu)計(jì)算平臺(tái)優(yōu)化的深度學(xué)習(xí)算法B/S+C/S混合軟件架構(gòu)模塊化可配置組件設(shè)計(jì)彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-實(shí)現(xiàn)路徑缺陷識(shí)別模型訓(xùn)練、測(cè)試、部署缺陷識(shí)別圖像預(yù)處理圖像數(shù)據(jù)采集缺陷圖像分圖像數(shù)據(jù)采集缺陷圖像分工藝反饋機(jī)制產(chǎn)品質(zhì)量自動(dòng)判級(jí)工藝反饋機(jī)制產(chǎn)品質(zhì)量自動(dòng)判級(jí)生產(chǎn)異常監(jiān)控模型基于FPGA+GPU+CPU的邊緣計(jì)算單元APIsAPIs滿是高速掃貓、高精度檢測(cè)需求實(shí)時(shí)處理異構(gòu)單元彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-核心算法有效區(qū)域提取模型有效區(qū)域提取模型多模型自適應(yīng)缺陷分割多模型自適應(yīng)缺陷分割紋路自適應(yīng)調(diào)整缺陷快速分割算多模態(tài)融合缺陷分類分級(jí)模型多模態(tài)融合缺陷分類分級(jí)模型自動(dòng)提取缺陷的輪廓、大小、形狀等特征，構(gòu)建缺陷類別特征空間表面質(zhì)量在線反饋控制模型通過在線反饋監(jiān)控模型及時(shí)調(diào)整異常工藝參數(shù)，提高成材率和產(chǎn)彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-核心功能功能特點(diǎn)系統(tǒng)具有圖像分析、系統(tǒng)具有圖像分析、缺陷分析和控制模型三大核心功能,可有效監(jiān)控產(chǎn)品質(zhì)量問題彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-核心優(yōu)勢(shì)有效性有效性系統(tǒng)劃傷、麻點(diǎn)、漆渣、漏涂、嚴(yán)彩涂板常見表面缺陷發(fā)生率降低障涂鍍行業(yè)集缺陷識(shí)別、自動(dòng)標(biāo)注、在線控制、分級(jí)安全性數(shù)據(jù)傳輸加密安全性數(shù)據(jù)傳輸加密、數(shù)據(jù)存儲(chǔ)加密身份認(rèn)證、授權(quán)機(jī)制數(shù)據(jù)定期備份、災(zāi)難恢復(fù)計(jì)劃數(shù)據(jù)匿名化和脫敏、防火墻和入侵檢測(cè)通用性通用性創(chuàng)新性協(xié)同高頻低壓差分信號(hào)處理技術(shù)深度學(xué)習(xí)語義分割算法與卷積神經(jīng)網(wǎng)絡(luò)輕量化設(shè)計(jì)方法構(gòu)建彩涂板表面缺陷分割模型面向多缺陷類別的彩涂板表面質(zhì)量實(shí)時(shí)智能標(biāo)注系統(tǒng)涂鍍產(chǎn)線上下游工藝協(xié)調(diào)控制模型與表面質(zhì)量在線反饋控制技術(shù)收集缺陷種類采集背景圖片建立缺陷模型庫自動(dòng)標(biāo)注模型處理于一體的全流程產(chǎn)品缺陷管控系統(tǒng)。圖像處理模型缺陷分類分級(jí)模型工藝優(yōu)化模型彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-閉環(huán)控制析關(guān)聯(lián)關(guān)系構(gòu)建 關(guān)聯(lián)關(guān)系構(gòu)建 資源配置平臺(tái)智慧運(yùn)營(yíng)、智慧決策資源配置平臺(tái)智慧運(yùn)營(yíng)、智慧決策大數(shù)據(jù)分析技術(shù)AI算法平臺(tái)大數(shù)據(jù)中心在線指導(dǎo)系統(tǒng)用于對(duì)操作進(jìn)行實(shí)時(shí)指導(dǎo)可執(zhí)行的知識(shí)庫一系列的技術(shù)規(guī)則以數(shù)字模式描述關(guān)用于對(duì)操作進(jìn)行實(shí)時(shí)指導(dǎo)可執(zhí)行的知識(shí)庫一系列的技術(shù)規(guī)則以數(shù)字模式描述關(guān)聯(lián)關(guān)系構(gòu)建工業(yè)質(zhì)檢邊緣數(shù)字化平臺(tái)大數(shù)據(jù)分析技術(shù)/AI算法平臺(tái)邊緣物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)中心推訓(xùn)一體化圖像識(shí)別工業(yè)質(zhì)檢邊緣數(shù)字化平臺(tái)大數(shù)據(jù)分析技術(shù)/AI算法平臺(tái)邊緣物聯(lián)網(wǎng)實(shí)時(shí)數(shù)據(jù)中心推訓(xùn)一體化圖像識(shí)別智慧決策自動(dòng)化執(zhí)行（單點(diǎn)-協(xié)同）自動(dòng)化執(zhí)行（單點(diǎn)-協(xié)同）工業(yè)大數(shù)據(jù)信息獲取產(chǎn)品缺陷檢出反饋賦能運(yùn)行時(shí)決策工業(yè)大數(shù)據(jù)信息獲取產(chǎn)品缺陷檢出反饋賦能工藝、設(shè)備、人員信息感知彩涂板表面質(zhì)量檢測(cè)及優(yōu)化系統(tǒng)-應(yīng)用效果產(chǎn)業(yè)賦能：產(chǎn)業(yè)賦能：提高行業(yè)生產(chǎn)效率和質(zhì)量劃傷、麻點(diǎn)、漆渣、漏涂、嚴(yán)重硌傷等常見缺陷檢出率≥98%>分級(jí)分類準(zhǔn)確率≥95%檢測(cè)結(jié)果輸出速度≤1s>生產(chǎn)線整體生產(chǎn)效率提高1%以上量誤差≤3cm經(jīng)濟(jì)賦能：降低企業(yè)成本提高經(jīng)濟(jì)效益增加企業(yè)經(jīng)濟(jì)效益降低產(chǎn)品不良率增加企業(yè)經(jīng)濟(jì)效益某企業(yè)應(yīng)用系統(tǒng)后產(chǎn)品不良率從某企業(yè)應(yīng)用系統(tǒng)后產(chǎn)品不良率從4%降低至3%，年不良品降低995噸，每噸價(jià)格5000元左右，每年增效業(yè)績(jī)5000*995=497.5萬元l一條涂鍍產(chǎn)線月產(chǎn)平均10000噸，合格率提高后年經(jīng)濟(jì)效益提高至132萬元，一級(jí)品率提高后年經(jīng)濟(jì)效益提高至108.48萬元，合計(jì)240.48萬元降低企業(yè)人工成本產(chǎn)線4轉(zhuǎn)3班，每班4人，應(yīng)用之后每班僅需1人。按照每名檢降低企業(yè)人工成本產(chǎn)線4轉(zhuǎn)3班，每班4人，應(yīng)用之后每班僅需1人。按照每名檢驗(yàn)人員每年成本10萬元計(jì)算每年降低人工成本10*9=90萬元智能裝備核心能力介紹邊緣計(jì)算設(shè)備；基于FPGA+DSP+CPU的高物聯(lián)網(wǎng)技術(shù)。智能檢測(cè)邊緣計(jì)算設(shè)備；基于FPGA+DSP+CPU的高物聯(lián)網(wǎng)技術(shù)。智能檢測(cè)????生產(chǎn)數(shù)字化轉(zhuǎn)型核心硬件-天樞智能網(wǎng)關(guān)系列n具備邊緣計(jì)算能力及海量設(shè)備接入、多種協(xié)議轉(zhuǎn)換、統(tǒng)一格式輸出的網(wǎng)關(guān)設(shè)備，n支持與物聯(lián)網(wǎng)平臺(tái)形成云邊協(xié)同n滿足數(shù)據(jù)采集的及時(shí)性、可信性、準(zhǔn)確性、有效性需求n支持與物聯(lián)網(wǎng)平臺(tái)形成云邊協(xié)同n滿足數(shù)據(jù)采集的及時(shí)性、可信性、準(zhǔn)確性、有效性需求③支持CAN總線接入及J1939協(xié)議解析廠區(qū)內(nèi)遠(yuǎn)程抄表、能源數(shù)據(jù)采集、能源調(diào)度、能源管控等需求電表、水表、流量計(jì)等都有位置分散、數(shù)量眾多的特點(diǎn)。人工抄表無法滿足實(shí)時(shí)性和準(zhǔn)確性需求。天樞智能網(wǎng)關(guān)P32能夠?qū)鹘y(tǒng)儀表的模擬量、開關(guān)量、RS485信號(hào)直接轉(zhuǎn)換為數(shù)字化信號(hào)，并通過產(chǎn)線數(shù)字化改造；生產(chǎn)數(shù)據(jù)跨設(shè)備、跨網(wǎng)絡(luò)實(shí)時(shí)流轉(zhuǎn)由于工業(yè)通訊協(xié)議的差異性和封閉性，傳統(tǒng)產(chǎn)線的數(shù)據(jù)僅用于服務(wù)生產(chǎn)過程，無法進(jìn)行集中采集和實(shí)時(shí)交換。天樞智能網(wǎng)關(guān)P65能夠換為統(tǒng)一格式，通過標(biāo)準(zhǔn)協(xié)議為各系統(tǒng)提供實(shí)時(shí)可信的生產(chǎn)數(shù)據(jù)?；谶吘売?jì)算的實(shí)時(shí)告警、實(shí)時(shí)控制、數(shù)據(jù)處理天樞智能網(wǎng)關(guān)P65支持基于數(shù)學(xué)計(jì)算、邏輯運(yùn)算的邊緣計(jì)算能力，可以對(duì)采集到的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理，并基于規(guī)則引擎對(duì)外輸出報(bào)警消息、控制信號(hào)等。實(shí)現(xiàn)對(duì)生產(chǎn)過程的實(shí)時(shí)監(jiān)控和控制。工業(yè)智能化應(yīng)用核心硬件-天璇算力終端系列AI工業(yè)質(zhì)檢、生產(chǎn)狀態(tài)、智慧園區(qū)、安防監(jiān)控等領(lǐng)域②提供強(qiáng)大邊緣算力，為現(xiàn)場(chǎng)AI推理加速③硬件編解碼器，支持視頻硬編硬解④豐富IO接口，滿足邊緣側(cè)實(shí)時(shí)控制需求可對(duì)高頻傳感器信號(hào)進(jìn)行實(shí)時(shí)處理，適用于基于AI算法的設(shè)備故障診斷等應(yīng)用，作為邊緣側(cè)實(shí)時(shí)推理計(jì)算單元。天璇算力終端N21內(nèi)置推理加速GPU，可搭載基于神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷模型，通過多點(diǎn)位溫度/振動(dòng)信號(hào)的實(shí)時(shí)分析，對(duì)設(shè)備健康狀態(tài)進(jìn)行在線監(jiān)測(cè)。能夠極大減輕傳統(tǒng)設(shè)備故障診斷方案中對(duì)網(wǎng)絡(luò)傳輸帶寬需求及服務(wù)器的計(jì)算壓力。適用于AGV、機(jī)器人、智能巡檢等復(fù)雜場(chǎng)景下的AI智能應(yīng)用，可作為端側(cè)實(shí)時(shí)推理計(jì)算單元。無人天車；無人物流車；自動(dòng)巡檢機(jī)器人等天璇算力終端N40具備40TOPS強(qiáng)大算力，足以支撐復(fù)雜場(chǎng)景下多傳感器數(shù)據(jù)融合推理計(jì)算。能夠應(yīng)用于港口AGV、庫房無人天車、車間自動(dòng)巡檢機(jī)器人、自動(dòng)協(xié)作機(jī)器人等需要較大本地AI推理加速能力的產(chǎn)品或解決方案。適用于在線AI工業(yè)質(zhì)檢、智