友思特应用 | 行业首创:基于深度学习视觉平台的AI驱动轮胎检测自动化

导读

全球领先的轮胎制造商 NEXEN TIRE 在其轮胎生产检测过程中使用了基于友思特伙伴Neurocle开发的AI深度学习视觉平台,实现缺陷检测率高达99.96%,是该行业首个使用AI平台技术推动缺陷检测自动化流程的企业。


将AI应用从轮胎开发扩展到制造过程

2024年10月,在韩国首尔,全球领先的轮胎制造商 NEXEN TIRE(耐克森轮胎) 宣布开发和实施其基于AI的自动化轮胎产品检测系统。作为轮胎行业的首例,该系统以平台形式开发,可轻松应用于新工厂或设备。随着该自动化产品检测系统的推出,一直在轮胎开发过程中扩展AI应用的 NEXEN TIRE 现在已将AI的使用范围扩展到制造过程。

由于轮胎的特性,要求在极端驾驶条件下也必须确保驾驶员的安全,因此只有在生产后的检测过程中通过数百项测试的产品才会出售。基于这一原因,制造商在检测过程中投入了最大的努力,以确保检测出肉眼难以辨别的微小缺陷,从而防止有缺陷的产品进入市场。

NEXEN TIRE 的基于AI的自动化产品检测系统应用于使用机器视觉技术的无损检测设备。这包括用于检测结构缺陷的“X 射线检测设备”和用于检测气泡的“激光干涉检测设备(Shearography)”。AI协助解释以前依赖于人工视觉评估的检测图像。

该系统的突出特征在于:缺陷检测准确率高达 99.96%。它可以检测到人类可能忽略的微小缺陷,从而有助于提高成品的质量。

图1. NEXEN TIRE 进行轮胎检测
图1. NEXEN TIRE 进行轮胎检测

轮胎检测AI系统的实用性提升

在提升缺陷检测准确率的基础上,NEXEN TIRE 通过自动化整个AI训练和应用过程,提高了系统的实用性。为了确保系统的实用性,NEXEN TIRE 从设计阶段开始就与以其 AutoML(机器学习自动化)解决方案而闻名的 Neurocle 公司(友思特合作伙伴),和专门从事轮胎设计、分析和数据处理的 PDS Solution 公司合作。除了简单的机器学习自动化之外,NEXEN TIRE 还应用了机器学习运营 (MLOps) 技术,该技术可优化和自动化AI模型的整个生命周期(包括AI训练的选择性数据收集、AI模型训练、模型验证、实际应用和部署后监控),并成功实施了基于平台的系统,这是轮胎行业首次采用此类应用。

这种方法将创建深度学习模型所需的时间从6-12个月缩短到仅需短短两天。基于平台的AI深度学习视觉系统还可以立即应用于新工厂或新设备。事实上,使用实施自动检测系统的工厂的数据训练的AI有助于其他工厂引入的系统的早期稳定。

“通过引入AI技术,我们显著提高了轮胎检测过程的精度和效率,”NEXEN TIRE 的一位代表表示,“我们将继续将AI技术的应用扩展到包括无损检测的整个开发和制造过程。”

图2. 利用 AI 增强轮胎检测效果图
图2. 利用 AI 增强轮胎检测效果图

友思特 AI深度学习视觉平台

Neuro-R

图片

快速部署实时推理API,将Neuro-T创建的模型部署进视觉检测自动化设备的运行库,集成了各种API,能够快速融合和预处理图像,使对目标的推理速度满足实际生产需求。三个步骤即可快速部署:替换例程模型路径、接入相机图像流、可视化检测结果和二次处理。

Neuro-T

图片

用于深度学习视觉检测项目的自动深度学习训练平台,提供了便捷的工具和友好的图形化界面。平台集成自动深度学习算法,结合智能标注功能,一键生成高性能视觉检测模型,无需AI领域专业知识即可创建深度学习视觉检测模型,可用于进行:项目规划—>图像预处理—>图像标注—>模型训练—>模型评估等一系列任务。


了解更多?欢迎访问官网,探索丰富案例:https://viewsitec.com/neurocle/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/73206.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

前后端+数据库的项目实战:hbu迎新网-较复杂(下)javaweb

目录 十一、实现对内容的富文本编辑(换行、图片颜色等等样式) (1)下载富文本编辑器,引入资源 (2)将原项目的内容部分替换为富文本编辑器 1、替换添加页面 2、替换修改页面(和添…

脚本语言 Lua

概念 Lua由标准C编写而成,几乎在所有操作系统和平台上都可以编译、运行。Lua脚本可以很容易地被C/C 代码调用,也可以反过来调用C/C的函数,这使得Lua在应用程序中可以被广泛应用。Lua并没有提供强大的库,它是不适合作为开发独立应…

【数据分享】2000—2024年我国乡镇的逐月归一化植被指数(NDVI)数据(Shp/Excel格式)

之前我们分享过2000—2024年我国省市县三级逐月归一化植被指数(NDVI)数据,该数据是基于NASA定期发布的MOD13A3数据集中的月度NDVI栅格数据(可查看之前的文章获悉详情)计算得出。很多小伙伴拿到数据后反馈是否可以处理出…

【负载均衡系列】HAProxy

HAProxy(High Availability Proxy)是一款高性能的 ​TCP/HTTP 负载均衡器,专注于提供高可用性、灵活性和可靠性。以下是关于HAProxy的详细解析,涵盖其工作原理、工作机制、工作模式等核心方面: 一、HAProxy 工作原理 HAProxy的核心职责是将客户端请求高效、可靠地分发到后…

轻松迁移 Elasticsearch 数据:如何将自建索引导出并导入到另一个实例

概述 在日常的 Elasticsearch 运维和数据管理中,数据迁移是一个常见的需求。无论是为了备份、升级,还是将数据从一个集群迁移到另一个集群,导出和导入索引数据都是至关重要的操作。本文将详细介绍如何将自建 Elasticsearch 实例中的索引数据…

JVM 类加载器之间的层次关系,以及类加载的委托机制

JVM 类加载器之间存在一种层次关系,通常被称为双亲委派模型 (Parent Delegation Model)。这种层次关系和委托机制是 Java 类加载机制的核心,对于保证 Java 程序的安全性和避免类冲突至关重要。 1. 类加载器的层次关系: JVM 中的类加载器(Cl…

基于 Vue 3 的PDF和Excel导出

以下是基于 Vue 3 Composition API 的完整实现&#xff0c;包括 PDF 和 Excel 导出。 一、PDF 导出 (Vue 3) 安装依赖 在项目中安装相关库&#xff1a; npm install html2canvas jspdf Vue 3 代码实现 <template><div><div ref"pdfContent" cla…

【Jupyter】notebook无法显示tqdm进度条

错误描述 from tqdm.notebook import tqdm 用的时候报错&#xff1a; Error displaying widget解决方式 # 先装nodejs conda install -c conda-forge nodejs20# 重装ipywidgets pip uninstall ipywidgets pip install ipywidgets jupyter labextension install jupyter-wid…

ubuntu20如何升级nginx到最新版本(其它版本大概率也可以)

前言&#xff1a; Nginx非常常用&#xff0c;所以在网络安全方面备受“关注”。其漏洞非常多&#xff0c;要经常保持软件更新版本才能更好的保证安全。但是Ubuntu官网适配nginx非常慢&#xff0c;所以nginx官方也会推出针对主流Linux操作系统的包管理工具安装方式。 步骤&…

word插入Mathtype公式居中和自动更新

word插入公式自动更新 前提&#xff1a;安装Mathtype 1.word中查看页的宽度 出现如下 2.设置样式 出现这个窗口 给样式随便起个名字 3.修改样式 3.1 设置两个制表位 第二个 3.2 修改公式字体 如下所示 4. 修改公式格式 4.1在word中打开 Mathtype 4.2 修改公式的格式 变成…

如何从后端实现页面跳转?

例&#xff1a;请求转发 例&#xff1a;重定向 例&#xff1a;区别&#xff1a;携带参数的后端跳转 例&#xff1a;是否可以访问外部资源 请求转发&#xff1a;客户端发起一个请求到服务端&#xff0c;服务端把这个请求转发至其他地方 重定向&#xff1a;客户端发起一个请求…

APIJSON快速入门

作者 版本 时间 内容 备注 Allen V1.0.0 2021/08/19 初稿完成 AllenV1.0.1 2021/08/22 添加常见问题 1.流程说明 一个接口的开发,比如Java用SpringBoot,Mybatis来开发一般来说就像下面这个流程 部署上这个项目后,流程变成了这样 如果使用 apijson-framework,还可进一步简化…

STM32八股【3】------RAM和片上FLASH

1、RAM和FLASH构成 1.RAM ┌──────────────────────────┐ │ 栈区 (Stack) │ ← 从RAM顶端向下扩展&#xff08;存储局部变量、函数调用信息&#xff09; │--------------------------│ │ 堆区 (Heap) │ ← …

基于springboot的星之语明星周边产品销售网站(050)

摘要 随着信息互联网信息的飞速发展&#xff0c;无纸化作业变成了一种趋势&#xff0c;针对这个问题开发一个专门适应洗衣店业务新的交流形式的网站。本文介绍了星之语明星周边产品销售网站的开发全过程。通过分析企业对于星之语明星周边产品销售网站的需求&#xff0c;创建了一…

Android Launcher3 HotSeat文件夹创建禁止方案全解析

一、技术背景与实现原理 在Android 13 Launcher3定制开发中&#xff0c;需屏蔽HotSeat区域的文件夹创建功能。该功能涉及的核心事件处理流程如下&#xff1a; 复制 [拖拽事件] -> [Workspace.onDrop()] -> [CellLayout.performReorder()]└─> [createUserFolderIf…

从零到一开发一款 DeepSeek 聊天机器人

AI聊天机器人 目标设计方案系统架构技术选型功能模块 实现代码环境配置安装依赖 核心代码API 请求函数主循环函数 功能扩展1. 情感分析2. 多语言支持3. 上下文记忆4. 用户身份识别 总结附录 目标 开发一个智能聊天机器人&#xff0c;旨在为用户提供自然、流畅的对话体验。通过…

OpenCV-Contrib常用扩展模块

‌一、高频使用模块‌ ‌aruco 模块‌ ‌功能‌&#xff1a;用于生成与检测二维码&#xff08;如 ArUco Marker、AprilTag&#xff09;&#xff0c;支持增强现实&#xff08;AR&#xff09;中的物体定位与姿态估计‌。‌典型应用‌&#xff1a;AR 应用中的场景锚定、机器人导航…

pfsense部署三(snort各版块使用)

在上篇文章上我们已经进行了snort的基础配置了&#xff0c;接下来需要进行snort的具体配置&#xff0c;其中包括各板块的设置&#xff0c;例&#xff1a;白名单&#xff0c;警报&#xff0c;规则设置等 规则库配置 点击 service > snort > Global Settings ,在code值…

汽车制造MES

一、整体生产工序 整车的车间主要分为4个部分&#xff1a;冲压、焊装、涂装、总装、整车入库 系统架构 二、车间概括 1.冲压车间 2.焊装车间 3.涂装车间 4.总装车间 1.整车装配的部件都要可追溯、数据实时性要求高、涉及分装与总装的协调、物流配送的协调、质量批处理的协调、…

python接口自动化pytest+request+allure

自己自学接口自动化过程遇到的问题及解决方法记录 首先是一个简单的请求 import requests#这是一个简单是get请求 def test_get():geturl https://so.csdn.net/api/v1/relevant-search?querypycharm%E5%AE%89%E8%A3%85requests%E5%BA%93&platformpcgetr requests.get(…