1、基于AI的工業/制造業解決方案 百度智能云百度智能云開啟中國制造2025最具影響力的互聯網公司最具影響力的互聯網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300億次定位請求6.67億手機百度APP月活躍用戶6.67億92.1%覆蓋92.1%的網民60億每日60億次的搜索請求 百度簡介百度是一家天生的云計算公司,自身業務就需要計算，存儲，網絡，異構計算，機器學習平臺能力。2012年，百度云將內部功能整合打包，開始對外提供服務。2016年，李彥宏用人工智能（AI），大數據（Big Data),云（Cloud）三位一體來重新
2、定義云計算戰略。AIBig DataCloud Computing世界最大 深度神經網絡（DNN）（萬億級別參數，千億樣本）全球第10 超級計算機 MINWA（600TFlops）世界最大 深度機器學習開放平臺世界第一 通用推薦引擎 中國第一 數據預測開放平臺1,000+PB 數據存儲,100+PB 日數據處理量10,000+單集群服務器規模,100+億文件IDC資源管理平臺,100,000+服務器管理量PUE 1.22,10,000+日交付服務器數量百度智能云計算的歷史與戰略百度智能云戰略年度視圖2019AAIBBig dataCcloudABCABC能源/制造云交通/游戲云安防/金融云AB
3、CABCABC三位一體發展戰略重點行業線引領市場策略云服務器存儲和CDN數據庫人工智能網站服務物理服務器*負載均衡云磁盤內容分發網絡對象存儲只讀關系型數據庫MemCache服務MySQL 服務人臉閘機人機對話圖像審核語音合成語音喚醒移動APP測試服務通用文字識別*數據標注*云虛擬主機文字識別通用解決方案行業解決方案網站及部署視頻云智能圖像云存儲分發大數據分析移動App數字營銷云媒體云物聯網政企混合云專屬服務器數據分析百度Kafka百度機器學習*百度深度學習百度Elasticsearch百度OLAP引擎百度日志服務物聯網服務物接入 IoT Hub物解析IoT Parser金融云虛擬私有網絡GPU
4、 服務器彈性IP專線和VPN*數據導入服務*Redis 服務SQL Server 服務多媒體服務音視頻轉碼音視頻直播人臉識別*文字識別音視頻點播文檔轉碼安全和管理云安全云監控SSL證書服務DDos防護服務涉黃涉政涉恐檢測人臉識別智能大數據平臺智能多媒體平臺智能物聯網平臺領先的云基礎設施人工智能平臺游戲云時序數據庫規則引擎物管理物可視*百度智能云全家福計算與網絡高防服務*應用防火墻*存儲網關*應用引擎BAE共享帶寬NAT網關*FPGA云服務器*智能客服（夜鶯）*生命科學*百度MapReduce百度批量計算*數據傳輸服務*數據倉儲自然語言處理云市場百度語音黃反識別長語音識別*CloudDSP 框架
5、*CloudADX框架*IDmapping*搜索Referer/推廣API內容抽取*客群洞察點擊率預估*商品優選/大數據輿情*其他設備托管*APIStore智能推薦*關于百度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國家戰略及產業轉型帶來的業務機會第一次工第一次工業革命革命蒸汽動力機械 設備應用于生產第二次工第二次工業革命革命電機發明和電能使用，大規模流水線生產第三次工第三次工業革命革命應用IT技術實現自動化生產第四次工第四次工業革命革命實現智能制造中國智造2025需要質檢系統的全面升級傳統質檢模式ABC Inspire先進的A開放的B全面的C人工檢測數據難
6、以有效利用延遲響應低效記錄固化部署場景單一部署難以擴展升級方法難以適應變化智能質檢模式智能檢測行業數據有效利用快速響應迭代訓練多樣部署靈活遷移服務部署靈活多樣模型訓練迭代更新百度ABC一體化解決方案質檢環節制造業表檢目前的兩種方式：人工/傳統視覺u90%制造業采用人工質檢u不少企業投入數百名上千名質檢員質檢u質量檢測標準貫徹難/招工難人工質檢機器視覺1.0u10%企業采用機器視覺進行表檢u設備進口/國內集成的方式，受傳統特征工程技術限制，模型升級及本地化服務難度較大人工質檢/分揀存在的問題人工質檢的主觀因素對判定結果的影響較大基于視覺疲勞，會存在漏檢的問題自身KPI考核帶來的壓力質量成本特殊場
7、景人員流動較高，由此帶來的培訓和用工成本高人員成本持續高漲，用工難招工難機器視覺24小時持續工作人工操作下會帶來新的接觸損傷部分場景下需要顯微鏡拍攝才能進行識別部分場景下存在高危環境，影響人身安全沒有對生產數據進行有效積累和利用，無法后續推進流程再造和質量分析對自動化生產流程適配較弱信息集成傳統視覺質檢/分揀存在的問題規則物體識別準確率較高不規則物體識別準確率有限識別類別模型共享模型優化橫向：無法直接實現模型共享，不同產線或工廠需分別調參縱向：產線升級雖然缺陷有共通性，但無法復制移植，需重新調參調參復雜，需持續調參，否則準確率持續下降無簡單有效的模型優化升級方式無法自動發現新缺陷，并優化模型數
8、據封閉在檢測設備內，取回數據相對困難部分設備不支持數據取回離線數據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器學習的開始第二次波峰第二次波谷是人工神經網絡的一個分支機器學習的增長爆發期驅動人工智能到達新的高度人工智能目標深度學習新方法機器學習手段人類通過手工編碼規則的方式人類給機器設定好的不可成長的機器本能只是比人類算的快沒有比人類算的準機器學習算法和G
9、PU算力的變遷1960s1970s人工智能的技術定義解決方案技術架構：前端采集+中間模型+應用系統智能質檢應用層Cloud(ABC一體機)算法層平臺層采集光源相機控制器處理結果IOT產品質量數據工業大數據預測IOT數據設備故障預測產品質量預測PaddlePaddle、TensorFlow等CNN RNN SGD GRU LSTM Adam/Lenet ZFNet RESNET AlexNet VGGNet 鏡頭生產工藝優化設備智能調度AI算法IAAS預處理數據標注訓練引擎預測引擎缺陷分類物體分類缺陷檢測產品分揀缺陷定位智能工業質檢 業務流程圖1數據采集待檢測數據生產數據庫預測引引擎擎檢測智能智
10、能檢測模型模型檢測請求檢測結果控制模控制模塊預警處理原始數據存儲實時檢測日志存儲訓練引引擎擎數據更新數據請求訓練數據數據庫訓練數據迭代訓練流程觸發模型更新觸發機制缺陷位置缺陷位置缺陷缺陷類別類別類別信息信息產品：百度云智能工業質檢端云一體解決方案質檢一體機質檢盒子（嵌入式終端）智能數據標注智能缺陷數據合成智能發現新缺陷數據上傳數據標注模型訓練模型測試模型下載自動提取待優化數據集終端注冊及配置模型終端適配與優化模型同步服務模型訓練閉環端云協同控制百度質檢云平臺多類型硬件算力BIE運行包設備接入數據交互模型下行同步數據上行同步開放式終端應用場景應用場景智能質檢智能巡檢百度云智能制造質檢軟件產品質檢
11、-鋼鐵：熱軋帶鋼缺陷檢測案例交付客戶深度學習平臺，自行優化提升準確率百度方案基于人工智能進行模型訓練，明顯缺陷準確率高達99%+巡檢-鋼鐵：鋼包內襯熔損識別案例人工人工對鋼包內包內襯通通過隔隔熱板板觀察孔察孔進行行觀測判斷判斷高危高危環境境/人人員主主觀意意識，對熔熔損程度程度識別標準不一準不一業務現狀巡檢-鋼鐵：鋼包內襯熔損識別案例-前端采集設備專業高溫高溫鏡頭+防防護罩罩2組鏡頭（鋼包蓋包蓋場景）景）每每組包括包括側拍拍+底拍底拍錄像機網像機網絡/4G單張/多多張圖片采集片采集巡檢-鋼鐵：鋼包內襯熔損識別案例基于人工智能鋼包內襯識別模型識別標準客觀、準確率持續提升百度方案基于全景鋼包內襯圖
12、片進行內襯無死角熔損評估行業：3C檢測情況大 面 正 光大 面 右 光大 面 上 光頂 面底面側 面 斜 光側 面 正 光側 面 拐 角內腔粘料大 面 背 光質檢-3C：蘋果供應鏈企業lighting缺陷檢測解決方案：蘋果手機lighting接口零件多角度缺陷檢測3 C 電 子 產 品 表 面 缺 陷 視 覺 檢 測 設 備質檢-3C：蘋果供應鏈企業lighting缺陷檢測6面外觀全檢480ms多模型并發處理 18光源面缺陷檢測模型0.9秒最高生產節拍90%人員節省10名質檢員0.4AQL指標優于質檢員80%占地面積減少80%實際數據的差異傳統視覺設備傳統視覺設備灰度算法智能機器人智能機器人百
13、度-微億AI深度視覺VSVS檢測缺陷種類4 4檢測缺陷種類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%落地時間6M6M落地時間2M2M當下階段市場上沒有成熟的基于深度視覺的檢測機器人，基本使用傳統的灰度算法解決量測和部分外觀檢測的問題，絕大多數的外觀檢測還是使用人工來檢測的，以下為針對蘋果金屬件產品，我們的設備與市場基于灰度算法的設備的比較分析：質檢-3C：AOI缺陷檢測設備單臺設備替換10人起特點：首臺可量產通過AI實現的6面外觀全檢的AOI設備，AQL0.4,良品過殺10%左右，0.9秒/片單臺設備替換4人起特點：適配柔性生產，快速切換抓手，模型實現
14、云端分發，降低整體費用質檢-3C：液晶屏幕劃傷檢測能力缺陷召回率99.37%，缺陷準確率99.90%異物檢測檢出原圖異物+陰影mura檢測小點檢測小點+陰影mura檢測質檢-紡織物：紡織物缺陷檢測質檢-汽車：零件檢測能力V桿檢測準確率100%，螺絲檢測準確率99%+質檢：煙葉分揀能力實現對煙葉的智能分類巡檢-環保：渣土檢測能力巡檢-管道：管道X光片缺陷檢測巡檢-皮帶：皮帶裂紋檢測巡檢-計數：車輛計數/原木計數能力巡檢-安全監測：多環境下的安全監測設備狀態監控帶鋼穿帶過程中設備運行狀態跟蹤，及時發現有卡鋼現象，進行告警或預警。安全帽佩戴檢測識別人體上半身最高點位置區域，依據顏色特征判斷該圖像區域
15、的顏色，從而判斷被檢測人員是否佩戴安全帽，發現未帶安全帽的人員及時告警。危險區域人員檢測實時監控危險區域，捕捉人臉，出現人員或非指定人員時及時告警。對各種儀表盤指針讀數進行實時監控，可用于廠區內罐體儀表盤指標合格監控、異常指標報警、廠區內粉塵濃度監控等。儀表盤讀數識別后續思路：質量控制到數據驅動產品良品率提升優化設備故障監控與告警設備檢修期預測過程偏離告警能耗分析與優化流程1流程2流程3流程415個工藝參數，6個設備參數10個工藝參數,3個設備參數24個工藝參數，29個設備參數1個8工藝參數，8個設備參數23個工藝參數，25個設備參數原材料能耗數據人員數據AI質量檢測產品質量分析缺陷原因分析單
16、類缺陷異常整體缺陷異常質量趨勢多維度分析缺陷B參數1 關聯度52%參數2 關聯度13%參數3 關聯度10%參數1 關聯度15%參數2 關聯度10%缺陷A百度工業大數據平臺軟件架構建議調度中心離線數據計算與處理平臺監控管理數據可視化與挖掘分析資源調度Yarn/K8S數據存儲NoSQL存儲系統文件系統（HDFS）鍵值對(HBase）時序數據庫TSDB全文檢索分析Elasticsearch數據采集傳輸結構化/非結構化數據傳輸 Minos消息隊列Kafka工作流調度Compass分析型數據倉庫Palo數據科學與機器學習Jarvis數據報表可視化Sugar數據治理與安全平臺管理HMS數據管理和服務 Da
17、yu邊緣計算 BIE物接入IOT Hub數據集成與開發Pingo離線數據計算引擎Baidu Hadoop MR/Spark邊緣計算與云計算協同，更符合工業行業場景需求采用Spark 技術路線，更具性能優勢和發展潛力充分考慮到平臺的開放性與可移植性提供開源產品服務、接口完全兼容自研產品電力行力行業大數據解決方案大數據解決方案-方案架構方案架構數據源數據源百度大數據解決方案百度大數據解決方案設備數據運營數據環境數據分析分析結論大數據基大數據基礎套件套件(魯班班)研發人員可可視化引擎化引擎Habo計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據流式數據傳輸Mions批量數據批量數據傳輸Sqoop數據數據倉庫引擎引擎Pingo機器學機器學習引擎引擎Jarvis報表工具表工具智能搜索引擎智能搜索引擎BaiduES數據分析引擎數據分析引擎Palo流式流式計算引擎算引擎Dstream報表表大屏大屏監控控智能決策智能決策產能能預測制造業延伸機會人臉閘機OCR公有云/私有云企業大數據。THANK YOU
全部分類
標準檢索
招標公告
免費下載資料庫
10000份+資源包
千萬vip文檔暢享下載
下載文檔文件編輯即用
網站精選百萬好案
百萬工程地產工作者都在用
微信掃一掃登錄
