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,依托AI技术,在工业视觉领域持续创新,为多个实体行业量身打造了先进的视觉检测解决方案,并获得应用企业的认可,近期连续获得多笔订单。
银河水滴CEO黄永祯介绍银河水滴工业视觉平台“IndustryAI”
赋能“中国智造”
据了解,银河水滴技术创始团队主要来自中科院自动化所,在计算机视觉领域有着近20年的技术积累,掌握全球最领先的步态识别技术和先进的视觉检测技术。通过研究跨行业、跨领域小样本的深度学习问题,银河水滴可实现不需负样本或只需极少负样本的视觉检测建模;对于肉眼无法检测到的微小瑕疵仍能实现毫秒级的实时检测;并且在目标检测速度、目标分割精度方面大幅领先。银河水滴智能工业检测技术可实现工业检测的四类功能——定位引导、尺寸测量、异常检测和识别分类,实现跨行业智能工业检测。
银河水滴致力于为传统制造行业提供先进的灵活多样的工业视觉产品及解决方案,为中国智造赋能,近期,银河水滴连续开发出“线激光3D相机”、“眼镜框雕铣加工视觉对位系统”、“ 密封圈光学筛选机”以及“包装盒视觉跟踪粘合系统”等智能视觉解决方案,大大提高了相关行业的生产效率和产品质量。
银河水滴“线激光3D相机”通过相机获取投射到物体表面的激光线图片,准确提取激光线并利用精确标定的相机与线激光器之间的位姿关系来恢复激光线的3D位置。
银河水滴“眼镜框雕铣加工视觉对位系统”是配合雕铣机对眼镜框进行雕铣加工的智能视觉系统,搭载了银河水滴先进的计算机视觉技术,配备远心镜头和光源智能相机,提供人机交互界面,可自主获取眼镜框图像,结合先进的图像处理算法,自动规划雕铣路径,引导铣刀分别对眼镜框内外轮廓进行雕铣工作。
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。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。
银河水滴“包装盒天地盖视觉跟踪粘合系统”,配合传送带测速模块及跟踪系统,引导天地盖进行粘合,大大提高了生产效率,天地盖包装盒的生产流程包括面纸上胶—纸板贴四角—定位—刷裱折入等四个主要环节,这其中定位环节对精度有着很高要求,长期以来,因为缺少合适的相关设备,包装盒生产厂家大多选择手动定位。
加速人工智能落地普及
目前在智能工业检测领域,银河水滴公司已推出银河水滴工业视觉平台“IndustryAI”,其涵盖了工业视觉应用的四大类别问题——定位引导、尺寸测量、异常检测和识别分类,将工业数据采集与标注、模型训练、部署应用等算法环节标准化。同时,银河水滴还推出IndustryAI配套的线下检测生产线,集成成像设备和自动化执行机构,可为制造业提供先进的软硬一体化视觉检测方案。
2018年10月26日,银河水滴创始人兼CEO黄永祯宣布,银河水滴工业视觉平台“IndustryAI”的工业视觉检测算法将面向工业用户三年免费开放。据介绍,当前很多中小制造企业,在AI检测方面有强烈需求,但由于技术、资金等因素限制,使用门槛相对较高,银河水滴免费开放政策将大大帮助众多中小企业快速进入智能检测时代,提高生产效率。
目前银河水滴智能工业检测技术与方案,已广泛应用于汽车、手机、纺织、包装、眼镜制造等行业,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
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。