公司名称: 上海洪朴信息科技有限公司
公司介绍:
上海洪朴信息科技有限公司，将人工智能技术带进制造业生产线，帮助制造企业提升生产效率。
洪朴拥有中国领先的科学家团队，将实验室中的***科技：机器学习、深度学习、机器视觉等技术带到生产线。洪朴产品围绕“人机料法环”诸多场景，结合团队积淀多年的生产管理经验，将人工智能“植入”生产线的各个环节，以提升生产工艺，减少人工操作，提高良品率，降低生产成本。
解决方案介绍:
基于深度学习的工业外观缺陷检测
工业产品在生产出来后，需要通过外观缺陷检测工序来确定产品外观是否达到质量标准。
传统外观检测使用人工目视检测方式来识别工业产品是否符合外观质量标准，这种方式存在以下问题：
1、检测不稳定：工人需要培训，新工人经验、技能不如熟练工人，同时检测过程易受工人主观情绪影响。
2、容易漏检：人眼能分辨出的颜色与灰度等级不会超过20级，但图像的灰度等级达到256级，远高于人眼分辨能力。
3、宏观因素，我国人口年龄中位数上升，导致工人人力成本呈上升趋势。
部分工业企业已经开始使用机器视觉来对图像进行分类，其中最有效的方式就是利用AI手段（深度学习或机器学习）作为产品外观质量判断的算法，历史产品图像样本足够的情况下，其识别精度远超常规的图像识别技术。
解决方案带来的好处
1、 基于AI的工业外观缺陷检测解决方案
（1）获取客户的产品外观缺陷定义，获取每一种需要检测的缺陷的一定数量的样本图像；
（2）在IBM OpenPOWER异构计算服务器上，利用样本图像进行深度学习或机器学习训练，建立外观缺陷分类识别模型；
（3）将模型、调用模型的软件及OpenPOWER服务器部署到工厂生产线上，实施自动检测、分拣，提高识别精度和效率；
（4）对检测速度不同的需求，使用OpenPOWER异构计算平台提供算力支持，在高密计算场景下，IBM OpenPOWER DDL技术可线性提升计算能力。
2、解决方案收益
（1）稳定识别，同样的缺陷总是能被检出；稳定提高，新的缺陷类型一经发现，即可“教”计算机去认知这种新缺陷；经验不会被遗忘；
（2）节约人力成本，降低在制品库存；
（3）在IBM OpenPOWER服务器的强有力加速下，每件产品的识别时间可以有效降低。
解决方案使用场景和案例:
1、使用场景：
2、案例：
光伏组件EL自动检测：
光伏组件厂对组件进行EL（电致发光）测试，EL设备取得图像后，由人工识别其是否为缺陷产品，人力消耗大、效率低；
使用工业外观缺陷检测解决方案，可以代替工人对EL检测图像进行判定，漏检率低于1%，AI算法检测速度高于人工检测。
