至顶网软件频道消息:7月24日,阿里云ET工业大脑发布AI视觉产品“见远“,可以利用深度学习和图像处理算法,自动识别图像中的瑕疵、故障及其他目标物,大幅节省人力,提高产品生产效率及精度稳定性效果。
“见远”来自阿里巴巴机器智能技术实验室视觉计算团队,这一团队还曾在城市大脑中研发出一系列视觉智能创新技术,如天曜、天擎、天鹰、天机。
阿里巴巴机器智能实验室副主任、视觉计算团队负责人华先胜介绍,目前“见远”已经应用在电池片瑕疵检测、蚕丝瑕疵、道路裂缝检测、垃圾分类、智能养殖等多个领域。
举例来说,在电池片瑕疵检测领域,“见远”的识别准确度已达95%,节省人力率比为每33个人节省1人。通过深度学习和图像识别算法,阿里云ET工业大脑集中学习了40000多张样片,将图像转换为机器能读懂的二进制语言,从而能让质检机器实时、自动判断电池片的缺陷。
(阿里云ET工业大脑帮助正泰新能源实现了业内首个电池片实时、在线、自动检测)
位于杭州的浙江正泰新能源已经通过“见远”实现了单、多晶电池片EL缺陷的毫秒级自动判定,能成功识别隐裂、黑斑等20余种瑕疵,相比人工检测速度提升2倍以上。这也是光伏行业首次实现对电池片的实时、在线、自动检测。
该项目算法工程师魏溪含介绍,工业质检主要是三类:无摄像头,全人工;有摄像头,但人工观察;摄像头带简单的分析功能。这导致的问题就是人力成本高、人的情绪对质控影响大、效率低下等问题。“见远”能够做到真正的自动化,全面的解放一线工作人员。“以前他们需要大海捞针,现在只要在桌面找针就行”。
除此之外,“见远”还能被应用到更多其他领域。例如,可通过列车底部/侧面照片,自动检测列车是否有故障。常见故障超过100种,小概率重要故障几十种。180万张图片的测试数据显示,人工智能系统检出上报数为985张,其中141个是人工漏检而被机器检出的。
除车辆外,在桥梁、路面检测中“见远”显得更为重要。它能够通过无人机搭载的高清摄像头,实时发现桥梁存在的外观病害,如构件变形、裂缝、渗水等。即使是一个头发丝粗细的裂缝,都可以发现。而在之前,大多都是通过肉眼完成,漏检率高、速度慢。
阿里云一直致力推动产业AI的落地,并且拥有从底层硬件基础设施到行业解决方案的丰富人工智能产品家族,是国内最全的人工智能解决方案商。ET工业大脑已经帮助工业制造企业创造利润数十亿元。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。