午啪啪夜福利无码亚洲,亚洲欧美suv精品,欧洲尺码日本尺码专线美国,老狼影院成年女人大片

1、基于AI的工業(yè)/制造業(yè)解決方案 百度智能云百度智能云開啟中國制造2025最具影響力的互聯(lián)網(wǎng)公司最具影響力的互聯(lián)網(wǎng)公司最常用的中文搜索引擎最常用的中文搜索引擎80%搜索市場(chǎng)份額90.3%覆蓋90.3%的無線用戶300 億百度地圖每日300億次定位請(qǐng)求6.67億手機(jī)百度APP月活躍用戶6.67億92.1%覆蓋92.1%的網(wǎng)民60億每日60億次的搜索請(qǐng)求 百度簡介百度是一家天生的云計(jì)算公司,自身業(yè)務(wù)就需要計(jì)算，存儲(chǔ)，網(wǎng)絡(luò)，異構(gòu)計(jì)算，機(jī)器學(xué)習(xí)平臺(tái)能力。2012年，百度云將內(nèi)部功能整合打包，開始對(duì)外提供服務(wù)。2016年，李彥宏用人工智能（AI），大數(shù)據(jù)（Big Data),云（Cloud）三位一體來重新2、定義云計(jì)算戰(zhàn)略。AIBig DataCloud Computing世界最大 深度神經(jīng)網(wǎng)絡(luò)（DNN）（萬億級(jí)別參數(shù)，千億樣本）全球第10 超級(jí)計(jì)算機(jī) MINWA（600TFlops）世界最大 深度機(jī)器學(xué)習(xí)開放平臺(tái)世界第一 通用推薦引擎 中國第一 數(shù)據(jù)預(yù)測(cè)開放平臺(tái)1,000+PB 數(shù)據(jù)存儲(chǔ),100+PB 日數(shù)據(jù)處理量10,000+單集群服務(wù)器規(guī)模,100+億文件IDC資源管理平臺(tái),100,000+服務(wù)器管理量PUE 1.22,10,000+日交付服務(wù)器數(shù)量百度智能云計(jì)算的歷史與戰(zhàn)略百度智能云戰(zhàn)略年度視圖2019AAIBBig dataCcloudABCABC能源/制造云交通/游戲云安防/金融云AB3、CABCABC三位一體發(fā)展戰(zhàn)略重點(diǎn)行業(yè)線引領(lǐng)市場(chǎng)策略云服務(wù)器存儲(chǔ)和CDN數(shù)據(jù)庫人工智能網(wǎng)站服務(wù)物理服務(wù)器*負(fù)載均衡云磁盤內(nèi)容分發(fā)網(wǎng)絡(luò)對(duì)象存儲(chǔ)只讀關(guān)系型數(shù)據(jù)庫MemCache服務(wù)MySQL 服務(wù)人臉閘機(jī)人機(jī)對(duì)話圖像審核語音合成語音喚醒移動(dòng)APP測(cè)試服務(wù)通用文字識(shí)別*數(shù)據(jù)標(biāo)注*云虛擬主機(jī)文字識(shí)別通用解決方案行業(yè)解決方案網(wǎng)站及部署視頻云智能圖像云存儲(chǔ)分發(fā)大數(shù)據(jù)分析移動(dòng)App數(shù)字營銷云媒體云物聯(lián)網(wǎng)政企混合云專屬服務(wù)器數(shù)據(jù)分析百度Kafka百度機(jī)器學(xué)習(xí)*百度深度學(xué)習(xí)百度Elasticsearch百度OLAP引擎百度日志服務(wù)物聯(lián)網(wǎng)服務(wù)物接入 IoT Hub物解析IoT Parser金融云虛擬私有網(wǎng)絡(luò)GPU4、 服務(wù)器彈性IP專線和VPN*數(shù)據(jù)導(dǎo)入服務(wù)*Redis 服務(wù)SQL Server 服務(wù)多媒體服務(wù)音視頻轉(zhuǎn)碼音視頻直播人臉識(shí)別*文字識(shí)別音視頻點(diǎn)播文檔轉(zhuǎn)碼安全和管理云安全云監(jiān)控SSL證書服務(wù)DDos防護(hù)服務(wù)涉黃涉政涉恐檢測(cè)人臉識(shí)別智能大數(shù)據(jù)平臺(tái)智能多媒體平臺(tái)智能物聯(lián)網(wǎng)平臺(tái)領(lǐng)先的云基礎(chǔ)設(shè)施人工智能平臺(tái)游戲云時(shí)序數(shù)據(jù)庫規(guī)則引擎物管理物可視*百度智能云全家福計(jì)算與網(wǎng)絡(luò)高防服務(wù)*應(yīng)用防火墻*存儲(chǔ)網(wǎng)關(guān)*應(yīng)用引擎BAE共享帶寬NAT網(wǎng)關(guān)*FPGA云服務(wù)器*智能客服（夜鶯）*生命科學(xué)*百度MapReduce百度批量計(jì)算*數(shù)據(jù)傳輸服務(wù)*數(shù)據(jù)倉儲(chǔ)自然語言處理云市場(chǎng)百度語音黃反識(shí)別長語音識(shí)別*CloudDSP 框架5、*CloudADX框架*IDmapping*搜索Referer/推廣API內(nèi)容抽取*客群洞察點(diǎn)擊率預(yù)估*商品優(yōu)選/大數(shù)據(jù)輿情*其他設(shè)備托管*APIStore智能推薦*關(guān)于百度AI2016年9月，百度首次向外界全面披露人工智能成果百度大腦中國制造2025國家戰(zhàn)略及產(chǎn)業(yè)轉(zhuǎn)型帶來的業(yè)務(wù)機(jī)會(huì)第一次工第一次工業(yè)革命革命蒸汽動(dòng)力機(jī)械 設(shè)備應(yīng)用于生產(chǎn)第二次工第二次工業(yè)革命革命電機(jī)發(fā)明和電能使用，大規(guī)模流水線生產(chǎn)第三次工第三次工業(yè)革命革命應(yīng)用IT技術(shù)實(shí)現(xiàn)自動(dòng)化生產(chǎn)第四次工第四次工業(yè)革命革命實(shí)現(xiàn)智能制造中國智造2025需要質(zhì)檢系統(tǒng)的全面升級(jí)傳統(tǒng)質(zhì)檢模式ABC Inspire先進(jìn)的A開放的B全面的C人工檢測(cè)數(shù)據(jù)難6、以有效利用延遲響應(yīng)低效記錄固化部署場(chǎng)景單一部署難以擴(kuò)展升級(jí)方法難以適應(yīng)變化智能質(zhì)檢模式智能檢測(cè)行業(yè)數(shù)據(jù)有效利用快速響應(yīng)迭代訓(xùn)練多樣部署靈活遷移服務(wù)部署靈活多樣模型訓(xùn)練迭代更新百度ABC一體化解決方案質(zhì)檢環(huán)節(jié)制造業(yè)表檢目前的兩種方式：人工/傳統(tǒng)視覺u90%制造業(yè)采用人工質(zhì)檢u不少企業(yè)投入數(shù)百名上千名質(zhì)檢員質(zhì)檢u質(zhì)量檢測(cè)標(biāo)準(zhǔn)貫徹難/招工難人工質(zhì)檢機(jī)器視覺1.0u10%企業(yè)采用機(jī)器視覺進(jìn)行表檢u設(shè)備進(jìn)口/國內(nèi)集成的方式，受傳統(tǒng)特征工程技術(shù)限制，模型升級(jí)及本地化服務(wù)難度較大人工質(zhì)檢/分揀存在的問題人工質(zhì)檢的主觀因素對(duì)判定結(jié)果的影響較大基于視覺疲勞，會(huì)存在漏檢的問題自身KPI考核帶來的壓力質(zhì)量成本特殊場(chǎng)7、景人員流動(dòng)較高，由此帶來的培訓(xùn)和用工成本高人員成本持續(xù)高漲，用工難招工難機(jī)器視覺24小時(shí)持續(xù)工作人工操作下會(huì)帶來新的接觸損傷部分場(chǎng)景下需要顯微鏡拍攝才能進(jìn)行識(shí)別部分場(chǎng)景下存在高危環(huán)境，影響人身安全沒有對(duì)生產(chǎn)數(shù)據(jù)進(jìn)行有效積累和利用，無法后續(xù)推進(jìn)流程再造和質(zhì)量分析對(duì)自動(dòng)化生產(chǎn)流程適配較弱信息集成傳統(tǒng)視覺質(zhì)檢/分揀存在的問題規(guī)則物體識(shí)別準(zhǔn)確率較高不規(guī)則物體識(shí)別準(zhǔn)確率有限識(shí)別類別模型共享模型優(yōu)化橫向：無法直接實(shí)現(xiàn)模型共享，不同產(chǎn)線或工廠需分別調(diào)參縱向：產(chǎn)線升級(jí)雖然缺陷有共通性，但無法復(fù)制移植，需重新調(diào)參調(diào)參復(fù)雜，需持續(xù)調(diào)參，否則準(zhǔn)確率持續(xù)下降無簡單有效的模型優(yōu)化升級(jí)方式無法自動(dòng)發(fā)現(xiàn)新缺陷，并優(yōu)化模型數(shù)8、據(jù)封閉在檢測(cè)設(shè)備內(nèi)，取回?cái)?shù)據(jù)相對(duì)困難部分設(shè)備不支持?jǐn)?shù)據(jù)取回離線數(shù)據(jù)Artificial Artificial IntelligenceIntelligenceMachine Machine LearningLearningDeep Deep LearningLearning1950s1980s2010s早期人工智能的開始有了第一次波峰以及第一次波谷機(jī)器學(xué)習(xí)的開始第二次波峰第二次波谷是人工神經(jīng)網(wǎng)絡(luò)的一個(gè)分支機(jī)器學(xué)習(xí)的增長爆發(fā)期驅(qū)動(dòng)人工智能到達(dá)新的高度人工智能目標(biāo)深度學(xué)習(xí)新方法機(jī)器學(xué)習(xí)手段人類通過手工編碼規(guī)則的方式人類給機(jī)器設(shè)定好的不可成長的機(jī)器本能只是比人類算的快沒有比人類算的準(zhǔn)機(jī)器學(xué)習(xí)算法和G9、PU算力的變遷1960s1970s人工智能的技術(shù)定義解決方案技術(shù)架構(gòu)：前端采集+中間模型+應(yīng)用系統(tǒng)智能質(zhì)檢應(yīng)用層Cloud(ABC一體機(jī))算法層平臺(tái)層采集光源相機(jī)控制器處理結(jié)果IOT產(chǎn)品質(zhì)量數(shù)據(jù)工業(yè)大數(shù)據(jù)預(yù)測(cè)IOT數(shù)據(jù)設(shè)備故障預(yù)測(cè)產(chǎn)品質(zhì)量預(yù)測(cè)PaddlePaddle、TensorFlow等CNN RNN SGD GRU LSTM Adam/Lenet ZFNet RESNET AlexNet VGGNet 鏡頭生產(chǎn)工藝優(yōu)化設(shè)備智能調(diào)度AI算法IAAS預(yù)處理數(shù)據(jù)標(biāo)注訓(xùn)練引擎預(yù)測(cè)引擎缺陷分類物體分類缺陷檢測(cè)產(chǎn)品分揀缺陷定位智能工業(yè)質(zhì)檢 業(yè)務(wù)流程圖1數(shù)據(jù)采集待檢測(cè)數(shù)據(jù)生產(chǎn)數(shù)據(jù)庫預(yù)測(cè)引引擎擎檢測(cè)智能智10、能檢測(cè)模型模型檢測(cè)請(qǐng)求檢測(cè)結(jié)果控制模控制模塊預(yù)警處理原始數(shù)據(jù)存儲(chǔ)實(shí)時(shí)檢測(cè)日志存儲(chǔ)訓(xùn)練引引擎擎數(shù)據(jù)更新數(shù)據(jù)請(qǐng)求訓(xùn)練數(shù)據(jù)數(shù)據(jù)庫訓(xùn)練數(shù)據(jù)迭代訓(xùn)練流程觸發(fā)模型更新觸發(fā)機(jī)制缺陷位置缺陷位置缺陷缺陷類別類別類別信息信息產(chǎn)品：百度云智能工業(yè)質(zhì)檢端云一體解決方案質(zhì)檢一體機(jī)質(zhì)檢盒子（嵌入式終端）智能數(shù)據(jù)標(biāo)注智能缺陷數(shù)據(jù)合成智能發(fā)現(xiàn)新缺陷數(shù)據(jù)上傳數(shù)據(jù)標(biāo)注模型訓(xùn)練模型測(cè)試模型下載自動(dòng)提取待優(yōu)化數(shù)據(jù)集終端注冊(cè)及配置模型終端適配與優(yōu)化模型同步服務(wù)模型訓(xùn)練閉環(huán)端云協(xié)同控制百度質(zhì)檢云平臺(tái)多類型硬件算力BIE運(yùn)行包設(shè)備接入數(shù)據(jù)交互模型下行同步數(shù)據(jù)上行同步開放式終端應(yīng)用場(chǎng)景應(yīng)用場(chǎng)景智能質(zhì)檢智能巡檢百度云智能制造質(zhì)檢軟件產(chǎn)品質(zhì)檢11、-鋼鐵：熱軋帶鋼缺陷檢測(cè)案例交付客戶深度學(xué)習(xí)平臺(tái)，自行優(yōu)化提升準(zhǔn)確率百度方案基于人工智能進(jìn)行模型訓(xùn)練，明顯缺陷準(zhǔn)確率高達(dá)99%+巡檢-鋼鐵：鋼包內(nèi)襯熔損識(shí)別案例人工人工對(duì)鋼包內(nèi)包內(nèi)襯通通過隔隔熱板板觀察孔察孔進(jìn)行行觀測(cè)判斷判斷高危高危環(huán)境境/人人員主主觀意意識(shí)，對(duì)熔熔損程度程度識(shí)別標(biāo)準(zhǔn)不一準(zhǔn)不一業(yè)務(wù)現(xiàn)狀巡檢-鋼鐵：鋼包內(nèi)襯熔損識(shí)別案例-前端采集設(shè)備專業(yè)高溫高溫鏡頭+防防護(hù)罩罩2組鏡頭（鋼包蓋包蓋場(chǎng)景）景）每每組包括包括側(cè)拍拍+底拍底拍錄像機(jī)網(wǎng)像機(jī)網(wǎng)絡(luò)/4G單張/多多張圖片采集片采集巡檢-鋼鐵：鋼包內(nèi)襯熔損識(shí)別案例基于人工智能鋼包內(nèi)襯識(shí)別模型識(shí)別標(biāo)準(zhǔn)客觀、準(zhǔn)確率持續(xù)提升百度方案基于全景鋼包內(nèi)襯圖12、片進(jìn)行內(nèi)襯無死角熔損評(píng)估行業(yè)：3C檢測(cè)情況大 面 正 光大 面 右 光大 面 上 光頂 面底面?zhèn)?面 斜 光側(cè) 面 正 光側(cè) 面 拐 角內(nèi)腔粘料大 面 背 光質(zhì)檢-3C：蘋果供應(yīng)鏈企業(yè)lighting缺陷檢測(cè)解決方案：蘋果手機(jī)lighting接口零件多角度缺陷檢測(cè)3 C 電 子 產(chǎn) 品 表 面 缺 陷 視 覺 檢 測(cè) 設(shè) 備質(zhì)檢-3C：蘋果供應(yīng)鏈企業(yè)lighting缺陷檢測(cè)6面外觀全檢480ms多模型并發(fā)處理 18光源面缺陷檢測(cè)模型0.9秒最高生產(chǎn)節(jié)拍90%人員節(jié)省10名質(zhì)檢員0.4AQL指標(biāo)優(yōu)于質(zhì)檢員80%占地面積減少80%實(shí)際數(shù)據(jù)的差異傳統(tǒng)視覺設(shè)備傳統(tǒng)視覺設(shè)備灰度算法智能機(jī)器人智能機(jī)器人百13、度-微億AI深度視覺VSVS檢測(cè)缺陷種類4 4檢測(cè)缺陷種類3333漏失率1.5%1.5%漏失率0.2%0.2%過殺率15%15%過殺率3%3%落地時(shí)間6M6M落地時(shí)間2M2M當(dāng)下階段市場(chǎng)上沒有成熟的基于深度視覺的檢測(cè)機(jī)器人，基本使用傳統(tǒng)的灰度算法解決量測(cè)和部分外觀檢測(cè)的問題，絕大多數(shù)的外觀檢測(cè)還是使用人工來檢測(cè)的，以下為針對(duì)蘋果金屬件產(chǎn)品，我們的設(shè)備與市場(chǎng)基于灰度算法的設(shè)備的比較分析：質(zhì)檢-3C：AOI缺陷檢測(cè)設(shè)備單臺(tái)設(shè)備替換10人起特點(diǎn)：首臺(tái)可量產(chǎn)通過AI實(shí)現(xiàn)的6面外觀全檢的AOI設(shè)備，AQL0.4,良品過殺10%左右，0.9秒/片單臺(tái)設(shè)備替換4人起特點(diǎn)：適配柔性生產(chǎn)，快速切換抓手，模型實(shí)現(xiàn)14、云端分發(fā)，降低整體費(fèi)用質(zhì)檢-3C：液晶屏幕劃傷檢測(cè)能力缺陷召回率99.37%，缺陷準(zhǔn)確率99.90%異物檢測(cè)檢出原圖異物+陰影mura檢測(cè)小點(diǎn)檢測(cè)小點(diǎn)+陰影mura檢測(cè)質(zhì)檢-紡織物：紡織物缺陷檢測(cè)質(zhì)檢-汽車：零件檢測(cè)能力V桿檢測(cè)準(zhǔn)確率100%，螺絲檢測(cè)準(zhǔn)確率99%+質(zhì)檢：煙葉分揀能力實(shí)現(xiàn)對(duì)煙葉的智能分類巡檢-環(huán)保：渣土檢測(cè)能力巡檢-管道：管道X光片缺陷檢測(cè)巡檢-皮帶：皮帶裂紋檢測(cè)巡檢-計(jì)數(shù)：車輛計(jì)數(shù)/原木計(jì)數(shù)能力巡檢-安全監(jiān)測(cè)：多環(huán)境下的安全監(jiān)測(cè)設(shè)備狀態(tài)監(jiān)控帶鋼穿帶過程中設(shè)備運(yùn)行狀態(tài)跟蹤，及時(shí)發(fā)現(xiàn)有卡鋼現(xiàn)象，進(jìn)行告警或預(yù)警。安全帽佩戴檢測(cè)識(shí)別人體上半身最高點(diǎn)位置區(qū)域，依據(jù)顏色特征判斷該圖像區(qū)域15、的顏色，從而判斷被檢測(cè)人員是否佩戴安全帽，發(fā)現(xiàn)未帶安全帽的人員及時(shí)告警。危險(xiǎn)區(qū)域人員檢測(cè)實(shí)時(shí)監(jiān)控危險(xiǎn)區(qū)域，捕捉人臉，出現(xiàn)人員或非指定人員時(shí)及時(shí)告警。對(duì)各種儀表盤指針讀數(shù)進(jìn)行實(shí)時(shí)監(jiān)控，可用于廠區(qū)內(nèi)罐體儀表盤指標(biāo)合格監(jiān)控、異常指標(biāo)報(bào)警、廠區(qū)內(nèi)粉塵濃度監(jiān)控等。儀表盤讀數(shù)識(shí)別后續(xù)思路：質(zhì)量控制到數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品良品率提升優(yōu)化設(shè)備故障監(jiān)控與告警設(shè)備檢修期預(yù)測(cè)過程偏離告警能耗分析與優(yōu)化流程1流程2流程3流程415個(gè)工藝參數(shù)，6個(gè)設(shè)備參數(shù)10個(gè)工藝參數(shù),3個(gè)設(shè)備參數(shù)24個(gè)工藝參數(shù)，29個(gè)設(shè)備參數(shù)1個(gè)8工藝參數(shù)，8個(gè)設(shè)備參數(shù)23個(gè)工藝參數(shù)，25個(gè)設(shè)備參數(shù)原材料能耗數(shù)據(jù)人員數(shù)據(jù)AI質(zhì)量檢測(cè)產(chǎn)品質(zhì)量分析缺陷原因分析單16、類缺陷異常整體缺陷異常質(zhì)量趨勢(shì)多維度分析缺陷B參數(shù)1 關(guān)聯(lián)度52%參數(shù)2 關(guān)聯(lián)度13%參數(shù)3 關(guān)聯(lián)度10%參數(shù)1 關(guān)聯(lián)度15%參數(shù)2 關(guān)聯(lián)度10%缺陷A百度工業(yè)大數(shù)據(jù)平臺(tái)軟件架構(gòu)建議調(diào)度中心離線數(shù)據(jù)計(jì)算與處理平臺(tái)監(jiān)控管理數(shù)據(jù)可視化與挖掘分析資源調(diào)度Yarn/K8S數(shù)據(jù)存儲(chǔ)NoSQL存儲(chǔ)系統(tǒng)文件系統(tǒng)（HDFS）鍵值對(duì)(HBase）時(shí)序數(shù)據(jù)庫TSDB全文檢索分析Elasticsearch數(shù)據(jù)采集傳輸結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)傳輸 Minos消息隊(duì)列Kafka工作流調(diào)度Compass分析型數(shù)據(jù)倉庫Palo數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)Jarvis數(shù)據(jù)報(bào)表可視化Sugar數(shù)據(jù)治理與安全平臺(tái)管理HMS數(shù)據(jù)管理和服務(wù) Da17、yu邊緣計(jì)算 BIE物接入IOT Hub數(shù)據(jù)集成與開發(fā)Pingo離線數(shù)據(jù)計(jì)算引擎Baidu Hadoop MR/Spark邊緣計(jì)算與云計(jì)算協(xié)同，更符合工業(yè)行業(yè)場(chǎng)景需求采用Spark 技術(shù)路線，更具性能優(yōu)勢(shì)和發(fā)展?jié)摿Τ浞挚紤]到平臺(tái)的開放性與可移植性提供開源產(chǎn)品服務(wù)、接口完全兼容自研產(chǎn)品電力行力行業(yè)大數(shù)據(jù)解決方案大數(shù)據(jù)解決方案-方案架構(gòu)方案架構(gòu)數(shù)據(jù)源數(shù)據(jù)源百度大數(shù)據(jù)解決方案百度大數(shù)據(jù)解決方案設(shè)備數(shù)據(jù)運(yùn)營數(shù)據(jù)環(huán)境數(shù)據(jù)分析分析結(jié)論大數(shù)據(jù)基大數(shù)據(jù)基礎(chǔ)套件套件(魯班班)研發(fā)人員可可視化引擎化引擎Habo計(jì)算算處理引擎理引擎OLAP工具工具儀表板表板交互式分析交互式分析傳輸引擎引擎流式數(shù)據(jù)流式數(shù)據(jù)傳輸Mions批量數(shù)據(jù)批量數(shù)據(jù)傳輸Sqoop數(shù)據(jù)數(shù)據(jù)倉庫引擎引擎Pingo機(jī)器學(xué)機(jī)器學(xué)習(xí)引擎引擎Jarvis報(bào)表工具表工具智能搜索引擎智能搜索引擎BaiduES數(shù)據(jù)分析引擎數(shù)據(jù)分析引擎Palo流式流式計(jì)算引擎算引擎Dstream報(bào)表表大屏大屏監(jiān)控控智能決策智能決策產(chǎn)能能預(yù)測(cè)制造業(yè)延伸機(jī)會(huì)人臉閘機(jī)OCR公有云/私有云企業(yè)大數(shù)據(jù)。THANK YOU