RM新时代官方网站-首页

創(chuàng )新奇智積極布局AIGC，助力智能制造產(chǎn)業(yè)升級

創(chuàng )新奇智 2023年03月23日

AIGC即AI Generated Content，是指利用人工智能技術(shù)來(lái)生成內容。自從以深度學(xué)習為代表的AI技術(shù)突破以來(lái)，學(xué)術(shù)界和產(chǎn)業(yè)界不斷嘗試使用AI算法產(chǎn)生高質(zhì)量的內容，但是一直到2021年，AI算法產(chǎn)生的內容仍顯稚嫩，常有違背常識、邏輯混亂現象出現。直到Stable Diffusion 和 ChatGPT被開(kāi)發(fā)出來(lái)，AIGC在圖像領(lǐng)域和自然語(yǔ)言領(lǐng)域產(chǎn)生的內容質(zhì)量之高給全世界帶來(lái)了巨大的震撼。


AIGC可以大幅降低“高質(zhì)量?jì)热荨鄙a(chǎn)的成本，不僅在C端產(chǎn)品快速發(fā)展，涌現了寫(xiě)作助手、AI繪畫(huà)、對話(huà)機器人等爆款級產(chǎn)品，在B端行業(yè)應用方面，也在快速擴張，例如AIGC可以快速生成高質(zhì)量生產(chǎn)數據，推動(dòng)AI技術(shù)在行業(yè)中落地。Gartner預計，到2025年，生成式AI將占所有生成數據的10%，還有分析預計AIGC有潛力產(chǎn)生數萬(wàn)億美元的經(jīng)濟價(jià)值。AIGC時(shí)代的大幕已經(jīng)拉開(kāi)，AIGC正推動(dòng)人工智能迎來(lái)下一個(gè)時(shí)代。


創(chuàng )新奇智作為一家AI技術(shù)公司，在A(yíng)IGC方向上一直有相當的研發(fā)投入，依托于MMOC人工智能技術(shù)平臺，初步形成了滿(mǎn)足自己需求的AIGC能力，顯著(zhù)增強了面向制造業(yè)的產(chǎn)品和解決方案的技術(shù)競爭力，助力制造業(yè)企業(yè)數字化、智能化升級。



創(chuàng )新奇智AIGC技術(shù)積累








































創(chuàng )新奇智在預訓練模型、數據生成等AIGC領(lǐng)域持續投入研發(fā)，依托于自研MMOC（ManuVision機器視覺(jué)智能平臺、MatrixVision邊緣視頻智能平臺、Orion分布式機器學(xué)習平臺和Cloud云平臺）人工智能技術(shù)平臺，在A(yíng)IGC算法模型上有很多積累。


1、創(chuàng )新奇智研發(fā)出面向制造業(yè)的工業(yè)大模型。工業(yè)大模型可以大幅度降低工業(yè)視覺(jué)、邊緣視覺(jué)模型生產(chǎn)成本，為工業(yè)制造領(lǐng)域的產(chǎn)品和解決方案提供關(guān)鍵AI能力。工業(yè)大模型實(shí)現了AI樣本數據生產(chǎn)的功能，僅需要少量場(chǎng)景數據輔助描述，便可以生成大量該場(chǎng)景樣本用于模型訓練，大大降低了工業(yè)領(lǐng)域AI模型的生產(chǎn)應用門(mén)檻。同時(shí)，工業(yè)大模型內核應用了創(chuàng )新奇智小樣本學(xué)習技術(shù)，小樣本學(xué)習技術(shù)結合AI數據生成，大幅度提升了樣本信息不足情況下模型的精度。


2、創(chuàng )新奇智研發(fā)出雙階段引導的擴散模型。為解決工業(yè)視覺(jué)領(lǐng)域樣本不足的問(wèn)題，創(chuàng )新奇智研發(fā)出雙階段引導的擴散模型，自動(dòng)生成缺陷樣本圖片，用于工業(yè)視覺(jué)模型的訓練，可以縮短模型上線(xiàn)周期，提升模型檢測性能。
第一階段，缺陷生成器基于文本引導生成缺陷圖像。該部分將生成內容限制為缺陷區域，從而可以更好地表達缺陷引起的局部紋理變化。模型訓練基于創(chuàng )新奇智自研的缺陷光影數據庫進(jìn)行訓練，數據庫包含了多種材料的缺陷圖片，并通過(guò)自研的光學(xué)相差模型進(jìn)行數據增強。通過(guò)加入描述詞引導，限制缺陷對應的材質(zhì)、顏色、形態(tài)、類(lèi)型等信息，可以使得生成缺陷更符合物理真實(shí)的要求。

第二階段，融合模型使用第一步產(chǎn)生的的缺陷圖像作為引導信息，在無(wú)缺陷樣本圖像的指定mask區域生成對應的缺陷。兩階段缺陷樣本生成模型逐步進(jìn)行局部缺陷樣例生成和全局圖像融合，分別聚焦工業(yè)視覺(jué)領(lǐng)域缺陷樣本生成的物理真實(shí)和視覺(jué)真實(shí)的要求，可以有效地用于工業(yè)質(zhì)檢深度學(xué)習模型的訓練。隨著(zhù)AIGC技術(shù)的不斷發(fā)展，合成數據的比重逐步增加，進(jìn)一步推動(dòng)了Orion訓練平臺的發(fā)展，平臺自學(xué)習能力有了穩步提升。



創(chuàng )新奇智AInnoGC首次亮相








































創(chuàng )新奇智依托于自研MMOC人工智能技術(shù)平臺，結合在A(yíng)IGC算法模型上的積累，尤其是面向制造業(yè)的工業(yè)大模型和雙階段引導的擴散模型，研發(fā)出面向制造領(lǐng)域的AIGC產(chǎn)品：AInnoGC。AInnoGC使用模塊化設計，可實(shí)現制造領(lǐng)域的多場(chǎng)景降本增效。



應用模塊場(chǎng)景
樣本生成

解決制造業(yè)缺少負樣本的難題,

應用在能源電力，半導體檢測等行業(yè)

產(chǎn)線(xiàn)布局生成工廠(chǎng)自動(dòng)規劃產(chǎn)線(xiàn)/倉儲區域布局
智能解答

AI實(shí)訓中心，基于知識圖譜,

對話(huà)式AI智能解答學(xué)員問(wèn)答



AInnoGC助力智能制造產(chǎn)業(yè)升級








































能源電力

創(chuàng )新奇智通過(guò)AInnoGC自動(dòng)生成大量風(fēng)電設備磨損、傾斜等圖像，基于Orion分布式機器學(xué)習平臺訓練出更高精度的檢測模型，成功實(shí)現基于狀態(tài)運維的風(fēng)電機組大部件智能預警和精確診斷，可提前識別潛在早期安全隱患，精準洞察機組性能異常原因，合理安排運檢資源。


半導體

硅片的生產(chǎn)過(guò)程中，研磨、拋光設備研磨時(shí)硅片不能有崩邊、缺角、裂紋和明顯的線(xiàn)痕，若存在以上缺陷，研磨過(guò)程中可能產(chǎn)生硅片碎片殘渣損傷DSP設備PAD和Carrier等部件。所以廠(chǎng)家需要在研磨、拋光前用人工對硅片缺陷進(jìn)行檢測，篩選出崩邊、缺角、裂紋、明顯線(xiàn)痕等缺陷。但是這個(gè)傳統的檢測方式存在缺陷樣本難存留、難追溯的弊端，而以往基于“對抗生成網(wǎng)絡(luò )GAN”生成的圖像是對現有作品的模仿，創(chuàng )新性不足，導致基于GAN生成圖片訓練出的檢測模型往往在一條產(chǎn)線(xiàn)效果達標后，在其他產(chǎn)線(xiàn)又需要重新訓練。因此，創(chuàng )新奇智運用AInnoGC模擬不同產(chǎn)線(xiàn)的工藝差異，生成大量高質(zhì)量樣本，可以更精準、更低成本、更高效地對不同產(chǎn)線(xiàn)硅片缺陷進(jìn)行檢測。


創(chuàng )新奇智CTO張發(fā)恩表示：“創(chuàng )新奇智以「人工智能賦能商業(yè)價(jià)值」為使命，是中國最大的「AI+制造」解決方案供應商。我們認為AIGC時(shí)代的大幕已經(jīng)拉開(kāi)，AIGC正推動(dòng)人工智能迎來(lái)下一個(gè)時(shí)代。創(chuàng )新奇智作為一家AI技術(shù)公司，在A(yíng)IGC方向上一直有相當的研發(fā)投入，依托于MMOC人工智能技術(shù)平臺，初步形成了滿(mǎn)足自己需求的AIGC能力，顯著(zhù)增強了面向制造業(yè)的產(chǎn)品和解決方案的技術(shù)競爭力，助力制造業(yè)企業(yè)數字化、智能化升級?！?/span>



返回動(dòng)態(tài)列表

創(chuàng )新奇智積極布局AIGC，助力智能制造產(chǎn)業(yè)升級

創(chuàng )新奇智 2023年03月23日

AIGC即AI Generated Content，是指利用人工智能技術(shù)來(lái)生成內容。自從以深度學(xué)習為代表的AI技術(shù)突破以來(lái)，學(xué)術(shù)界和產(chǎn)業(yè)界不斷嘗試使用AI算法產(chǎn)生高質(zhì)量的內容，但是一直到2021年，AI算法產(chǎn)生的內容仍顯稚嫩，常有違背常識、邏輯混亂現象出現。直到Stable Diffusion 和 ChatGPT被開(kāi)發(fā)出來(lái)，AIGC在圖像領(lǐng)域和自然語(yǔ)言領(lǐng)域產(chǎn)生的內容質(zhì)量之高給全世界帶來(lái)了巨大的震撼。


AIGC可以大幅降低“高質(zhì)量?jì)热荨鄙a(chǎn)的成本，不僅在C端產(chǎn)品快速發(fā)展，涌現了寫(xiě)作助手、AI繪畫(huà)、對話(huà)機器人等爆款級產(chǎn)品，在B端行業(yè)應用方面，也在快速擴張，例如AIGC可以快速生成高質(zhì)量生產(chǎn)數據，推動(dòng)AI技術(shù)在行業(yè)中落地。Gartner預計，到2025年，生成式AI將占所有生成數據的10%，還有分析預計AIGC有潛力產(chǎn)生數萬(wàn)億美元的經(jīng)濟價(jià)值。AIGC時(shí)代的大幕已經(jīng)拉開(kāi)，AIGC正推動(dòng)人工智能迎來(lái)下一個(gè)時(shí)代。


創(chuàng )新奇智作為一家AI技術(shù)公司，在A(yíng)IGC方向上一直有相當的研發(fā)投入，依托于MMOC人工智能技術(shù)平臺，初步形成了滿(mǎn)足自己需求的AIGC能力，顯著(zhù)增強了面向制造業(yè)的產(chǎn)品和解決方案的技術(shù)競爭力，助力制造業(yè)企業(yè)數字化、智能化升級。



創(chuàng )新奇智AIGC技術(shù)積累








































創(chuàng )新奇智在預訓練模型、數據生成等AIGC領(lǐng)域持續投入研發(fā)，依托于自研MMOC（ManuVision機器視覺(jué)智能平臺、MatrixVision邊緣視頻智能平臺、Orion分布式機器學(xué)習平臺和Cloud云平臺）人工智能技術(shù)平臺，在A(yíng)IGC算法模型上有很多積累。


1、創(chuàng )新奇智研發(fā)出面向制造業(yè)的工業(yè)大模型。工業(yè)大模型可以大幅度降低工業(yè)視覺(jué)、邊緣視覺(jué)模型生產(chǎn)成本，為工業(yè)制造領(lǐng)域的產(chǎn)品和解決方案提供關(guān)鍵AI能力。工業(yè)大模型實(shí)現了AI樣本數據生產(chǎn)的功能，僅需要少量場(chǎng)景數據輔助描述，便可以生成大量該場(chǎng)景樣本用于模型訓練，大大降低了工業(yè)領(lǐng)域AI模型的生產(chǎn)應用門(mén)檻。同時(shí)，工業(yè)大模型內核應用了創(chuàng )新奇智小樣本學(xué)習技術(shù)，小樣本學(xué)習技術(shù)結合AI數據生成，大幅度提升了樣本信息不足情況下模型的精度。


2、創(chuàng )新奇智研發(fā)出雙階段引導的擴散模型。為解決工業(yè)視覺(jué)領(lǐng)域樣本不足的問(wèn)題，創(chuàng )新奇智研發(fā)出雙階段引導的擴散模型，自動(dòng)生成缺陷樣本圖片，用于工業(yè)視覺(jué)模型的訓練，可以縮短模型上線(xiàn)周期，提升模型檢測性能。
第一階段，缺陷生成器基于文本引導生成缺陷圖像。該部分將生成內容限制為缺陷區域，從而可以更好地表達缺陷引起的局部紋理變化。模型訓練基于創(chuàng )新奇智自研的缺陷光影數據庫進(jìn)行訓練，數據庫包含了多種材料的缺陷圖片，并通過(guò)自研的光學(xué)相差模型進(jìn)行數據增強。通過(guò)加入描述詞引導，限制缺陷對應的材質(zhì)、顏色、形態(tài)、類(lèi)型等信息，可以使得生成缺陷更符合物理真實(shí)的要求。

第二階段，融合模型使用第一步產(chǎn)生的的缺陷圖像作為引導信息，在無(wú)缺陷樣本圖像的指定mask區域生成對應的缺陷。兩階段缺陷樣本生成模型逐步進(jìn)行局部缺陷樣例生成和全局圖像融合，分別聚焦工業(yè)視覺(jué)領(lǐng)域缺陷樣本生成的物理真實(shí)和視覺(jué)真實(shí)的要求，可以有效地用于工業(yè)質(zhì)檢深度學(xué)習模型的訓練。隨著(zhù)AIGC技術(shù)的不斷發(fā)展，合成數據的比重逐步增加，進(jìn)一步推動(dòng)了Orion訓練平臺的發(fā)展，平臺自學(xué)習能力有了穩步提升。



創(chuàng )新奇智AInnoGC首次亮相








































創(chuàng )新奇智依托于自研MMOC人工智能技術(shù)平臺，結合在A(yíng)IGC算法模型上的積累，尤其是面向制造業(yè)的工業(yè)大模型和雙階段引導的擴散模型，研發(fā)出面向制造領(lǐng)域的AIGC產(chǎn)品：AInnoGC。AInnoGC使用模塊化設計，可實(shí)現制造領(lǐng)域的多場(chǎng)景降本增效。



應用模塊場(chǎng)景
樣本生成

解決制造業(yè)缺少負樣本的難題,

應用在能源電力，半導體檢測等行業(yè)

產(chǎn)線(xiàn)布局生成工廠(chǎng)自動(dòng)規劃產(chǎn)線(xiàn)/倉儲區域布局
智能解答

AI實(shí)訓中心，基于知識圖譜,

對話(huà)式AI智能解答學(xué)員問(wèn)答



AInnoGC助力智能制造產(chǎn)業(yè)升級








































能源電力

創(chuàng )新奇智通過(guò)AInnoGC自動(dòng)生成大量風(fēng)電設備磨損、傾斜等圖像，基于Orion分布式機器學(xué)習平臺訓練出更高精度的檢測模型，成功實(shí)現基于狀態(tài)運維的風(fēng)電機組大部件智能預警和精確診斷，可提前識別潛在早期安全隱患，精準洞察機組性能異常原因，合理安排運檢資源。


半導體

硅片的生產(chǎn)過(guò)程中，研磨、拋光設備研磨時(shí)硅片不能有崩邊、缺角、裂紋和明顯的線(xiàn)痕，若存在以上缺陷，研磨過(guò)程中可能產(chǎn)生硅片碎片殘渣損傷DSP設備PAD和Carrier等部件。所以廠(chǎng)家需要在研磨、拋光前用人工對硅片缺陷進(jìn)行檢測，篩選出崩邊、缺角、裂紋、明顯線(xiàn)痕等缺陷。但是這個(gè)傳統的檢測方式存在缺陷樣本難存留、難追溯的弊端，而以往基于“對抗生成網(wǎng)絡(luò )GAN”生成的圖像是對現有作品的模仿，創(chuàng )新性不足，導致基于GAN生成圖片訓練出的檢測模型往往在一條產(chǎn)線(xiàn)效果達標后，在其他產(chǎn)線(xiàn)又需要重新訓練。因此，創(chuàng )新奇智運用AInnoGC模擬不同產(chǎn)線(xiàn)的工藝差異，生成大量高質(zhì)量樣本，可以更精準、更低成本、更高效地對不同產(chǎn)線(xiàn)硅片缺陷進(jìn)行檢測。


創(chuàng )新奇智CTO張發(fā)恩表示：“創(chuàng )新奇智以「人工智能賦能商業(yè)價(jià)值」為使命，是中國最大的「AI+制造」解決方案供應商。我們認為AIGC時(shí)代的大幕已經(jīng)拉開(kāi)，AIGC正推動(dòng)人工智能迎來(lái)下一個(gè)時(shí)代。創(chuàng )新奇智作為一家AI技術(shù)公司，在A(yíng)IGC方向上一直有相當的研發(fā)投入，依托于MMOC人工智能技術(shù)平臺，初步形成了滿(mǎn)足自己需求的AIGC能力，顯著(zhù)增強了面向制造業(yè)的產(chǎn)品和解決方案的技術(shù)競爭力，助力制造業(yè)企業(yè)數字化、智能化升級?！?/span>



返回動(dòng)態(tài)列表

RM新时代官方网站-首页