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
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。