1. 痛點問題

工業(yè)視覺場景下普遍存在缺陷樣本數(shù)量少、難采集，已有標注方案無法完全發(fā)揮樣本數(shù)據(jù)效用等問題。在工業(yè)視覺應用場景中，產(chǎn)線整體生產(chǎn)良率均已達到相當水平，人工可識別的缺陷樣本數(shù)量相對較少，且采集難度較大。制造生產(chǎn)環(huán)節(jié)對產(chǎn)線效率要求較高，模型訓練難以實現(xiàn)精度與效率上的平衡。

2. 解決方案

本項目將最新的少樣本學習、連續(xù)學習、模型壓縮與優(yōu)化技術(shù)，與工業(yè)場景中的缺陷檢測需求深入結(jié)合，致力于工業(yè)視覺自主知識產(chǎn)權(quán)軟硬件一體化裝備研發(fā)。針對玻璃深加工與半導體晶圓宏觀缺陷檢測，本項目已完成工業(yè)視覺全流程視覺感知算法、人工智能算法研發(fā)平臺、玻璃智能一體檢測設備、晶圓宏觀缺陷檢測設備等智能設備的原理驗證和裝備試制，同時有多項智能設備在研。

本項目在玻璃與半導體缺陷檢測中，基于圖像自動標注方法完成少樣本場景下的數(shù)據(jù)采集與標注，通過弱監(jiān)督學習和連續(xù)學習方法完成有效模型構(gòu)建，并針對長尾數(shù)據(jù)集設計模型訓練和優(yōu)化方法，實現(xiàn)高效工業(yè)視覺感知計算。針對工業(yè)視覺場景，本項目集成視覺感知算法能力，研發(fā)人工智能算法研發(fā)平臺，該平臺秉承低代碼化、可視化等原則，打造包含數(shù)據(jù)采集與標注、算法訓練與評估、模型壓縮與優(yōu)化、應用部署與管理的數(shù)據(jù)閉環(huán)。

合作需求

尋求浮法玻璃深加工、半導體加工與制造等行業(yè)企業(yè)合作。