“AI+视觉”的应用,为当下诸多企业的生产智能化打开了新的想象空间。其中,深度学习作为AI视觉的核心技术,在实际应用中往往需要经历一个耗时较长的阶段——深度学习神经网络模型训练。其目的是通过使用已标注的数据集来训练模型,使其能够自动识别和分类对象。整个训练过程包含数据收集、数据标注、模型训练、模型验证、模型部署等步骤,模型的训练结果对最终的视觉检测效果有着直接影响。
在应用了深度学习的复杂检测任务中,往往需要训练多个模型来达成最终的视觉检测标准,但多模型训练经常面临以下两大问题:
1. 训练耗时长
在深度学习的训练过程中,需要处理大量的数据,并且需要进行复杂的数学计算。对于每个模型来说,训练过程可能需要数小时。
2.多模型训练成本高
在工业应用场景中,如果需要训练多个模型以形成完整的视觉方案,随着模型参数数量的增加,就需要更多的算力和时间来存储处理参数,造成算力资源的浪费。
一、VisionBank AI深度学习多模型同步训练功能 模型训练加速 标注训练两不误
针对以上难点,维视智造技术研发团队于近期成功迭代深度学习模型训练模块,上线多模型同步训练功能。该功能在VisionBank AI的高效架构之上,延续了操作简单的图形化开发方式,基于深度学习算法的技术加持,重点围绕复杂检测任务、模型构建效率和易用性进行优化,将为用户带来更智能、更便捷的使用体验:
1.模型训练前,可使用覆盖全图分类、目标定位、像素分割等算法模块的各类标准标注工具及智能化标注工具,快速完成数据标注。
2.启用“多模型同步训练功能”,将多个已标注的模型发送引擎同步训练。同时可以一边进行数据标注,一边进行模型训练。该功能可在不增加任何算力成本的情况下极大缩短模型训练耗时。高效解决光伏、锂电、半导体、汽车、医药、食品等众多领域中的复杂视觉检测方案的落地工期问题。满足产线高速生产的需求,助力客户提升生产效率、产品良率,降低人工成本。
二、AI+视觉应用案例
接线盒激光焊接机视觉检测系统:AI目标定位应用
接线盒自动安装机视觉检测系统:AI目标定位应用
自动贴铭牌机视觉检测系统:AI字符识别应用
极片分切一体机视觉检测系统:AI缺陷检测应用
圆柱电池汇流盘焊接机视觉检测系统:AI目标计数应用
晶圆表面缺陷检测解决方案:AI缺陷检测应用
晶圆定位解决方案:AI目标定位应用
木刀表面缺陷视觉检测解决方案:AI缺陷检测应用
镜片自动脱模视觉检测系统:AI目标定位应用
医药医美产品灌装贴标加塞一体机视觉检测系统:AI字符识别应用
桃子挖核机定位视觉检测系统:AI目标定位应用
关注公众号【维视智造股份】,获取案例详情。