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
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。