12月24日,中国领先的专注于计算机视觉和视频大数据分析的人工智能企业——银河水滴宣布,近日,银河水滴依托于先进的工业视觉技术成功研发出密封圈光学筛选机,该机可以自动对次品密封圈进行智能检测挑选,已获得首笔订单。
据介绍,密封圈广泛应用于各种行业,特别是在电子仪器仪表、新能源、化工以及高空飞行等高精尖行业中。但由于其原料复杂、生产工艺特殊,密封圈在生产过程中很容易产生毛刺、毛边以及两边缺料等缺陷,此前,在检测环节主要由工人通过眼睛进行识别,不仅检测效率低、容易漏检,而且需要大量人力资源。
银河水滴密封圈光学筛选机通过自动上料振动盘完成震动上料,利用相机获取密封圈不同角度的图片,结合先进的人工智能检测算法完成对密封圈的缺陷检测,可以大幅提高了密封圈的出货良品率。匀速玻璃盘上由光电开关检测来料,并利用气针吹料来分开分开合格和不合格产品。
此外,该筛选机提供了简单易用的人机交互界面,能够提供生产数据报表,包括不良品种类数量、不良品比例等数据。
据了解,银河水滴拥有行业领先的工业视觉技术,在业界率先对一类问题算法取得重大突破,首创反馈神经网络设计理念,不需副样本或只需极少副样本,即可完成一类问题深度学习;并且在目标检测速度、目标分割精度方面大幅领先,可实现跨行业智能工业检测,对于肉眼无法检测到的微小瑕疵或微米级差距,仍能实现毫秒级的实时检测。
目前银河水滴已形成针对表面检测、装配件检测、精准测量、工件定位等工业质量检测环节的完整解决方案,并广泛应用于汽车制造、建材生产、3C制造、纺织等行业,为企业打造智能化、自动化、低成本工业检测解决方案,有效降低了生产成本,提高生产效率和效益,增强企业竞争力,推动中国制造业智能化产业升级,为中国“智造”赋能。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。