2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

AI赋能晨光文具,破解轻工业大规模生产品控难题

发布日期:2024-04-12 21:30:16 浏览次数: 3751
作者:飞桨PaddlePaddle

微信搜一搜,关注“飞桨PaddlePaddle”

在制造业的浪潮中,晨光圆珠笔以其年产量约50亿支的庞大规模,稳坐行业前列。然而,每一支笔的完美出品,背后都离不开严格的品质把控。在装盒包装之前,每一支笔都要接受细致的外观检查,以确保产品质量的无懈可击。但当前,这一品质检验环节还主要依赖人工完成,每条生产线都需要两名全检员轮班工作,这无疑增加了人力成本和管理复杂度。特别是在国内制造业面临用工紧张的背景下,生产成本的逐年上升已成为企业不得不面对的现实。


以国内第一支按动式中性笔晨光“K-35”为例,这款笔的年产量高达约数亿支,因此,品质检验的每一个环节都至关重要。面对如此大规模的生产需求和严苛的质量控制要求,如何有效降低人工成本、提升检验效率,同时保证产品质量,成为了晨光当前亟待解决的问题。

滑动查看更多图片

场景难点

目标复杂


  • 目标小、频次低:要求检出的负样本目标占整图比例小、出现频次低,易造成误判和漏检;


  • 相机成像不统一:现场生产环境复杂,多个相机成像效果无法做到完全一致,存在光学干扰因素;


样本不均衡


  • 类别不均衡类别数据分布不均衡,有些类别出现频次很高,另一些可能只有个位数;


  • 类内差异大即使是同一类别的目标也会有各式各样的形态;

推理速度要求高

NVIDIA Tesla T4机器上推理时间小于20ms,且在端测设备上可达到实时状态。

方案设计
该任务需要将晨光明星产品“K-35”揿动式中性笔的8类瑕疵位置定位并正确分类,非常适合选用目标检测模型作为解决方案。汇聚PaddleX优选的多个目标检测SOTA模型,星河零代码产线全新上线。本案例使用目标检测场景下的两条产线:通用目标检测大模型半监督学习-目标检测,利用云端多卡V100算力,低成本零门槛解决了这一工业质检难题。
模型选型PaddleX提供了3档6种SOTA检测模型,分别是高精度模型:RT-DETR-H;精度-效率均衡模型:RT-DETR-L、PP-YOLOE_plus-L;高效率模型:PP-YOLOE_plus-S、PicoDet-L、PicoDet-S,考虑到在该场景的模型部署在NVIDIA Tesla T4机器上,单模型推理时间要求是小于20ms,且在端侧部署可以达到实时状态,我们选择了PicoDet-L作为最终的模型方案。


零代码开发

数据校验

晨光提供的数据采用VOC标注格式,在零代码产线中支持将VOC格式数据集转换为COCO格式并做数据校验。经过数据校验我们可以得到如下结果,包含了数据集在训练集、验证集抽样的10个样本带标签可视化图,以及数据集的样本类别分布图。



模型训练

众所周知,超参数对模型精度的影响非常大,星河零代码产线将影响最大的一些超参数在前端展示了出来,方便用户调试。在目标检测任务上,当选择了合适的模型后,对精度影响最大的超参数是学习率训练轮数,我们将这两个超参数作为了我们的调试选项。为了让我们的实验尽可能可靠准确,我们使用控制变量法进行了7组对比实验,并选定了合适的学习率(0.04)和训练轮数(100):


这样我们就得到了一个mAP@0.5为56.1%的中性笔的瑕疵检测模型



性能调优

当前模型(mAP@0.5为56.1%)一定程度解决了业务的问题,但是一些较难的case(如目标较小或特征不明显)仍旧无法正确检出。为了让模型的精度进一步提升,我们采用大模型半监督学习-目标检测的方案。该方案可以利用大量无标注的数据,通过大小模型联合训练的方式学习更强的特征。为此,我们准备了3000张没有标注过的数据,将这些数据和之前有标注的数据按照数据格式要求重新组织后进行了调优训练。
我们选择高精度的大模型RT-DETR-H和先前迭代的小模型PicoDet-L,复用先前训练单模型的超参。经过8卡15个小时的训练,我们完成了大模型半监督学习-目标检测的训练,最终,大模型(RT-DETR-H)的mAP@0.5为81.2%,小模型(PicoDet-L)的精度为74.5%小模型较之前提升18.4个百分点



模型部署
星河零代码产线打通了模型部署流程,可以选择标记过的模型权重,一键部署为在线服务API,不仅可以在其他联网设备中调用API,也支持通过在线体验应用单图测试模型效果。



如需将模型部署到离线设备上,也可获取离线部署包。离线部署包中除了包括标记权重外,还包含了指定环境的示例代码,根据其中的示例文档即可在自己的设备上实现快速部署。
经实测中性笔瑕疵检测模型(PicoDet-L mAP@0.5为74.5%)的单模型推理时间可控制在10ms左右,在模型精度和速度方面都超出了场景要求。


如果想了解更详细方案细节,欢迎通过下方海报二维码预约4月18日场景范例直播课,手把手全流程教学等着你哦。



用户声音
不写一行代码就可以完成模型的全流程迭代和部署,而且这个过程竟然如此丝滑,完全超出了我们预期,更惊喜的是,竟然有大模型半监督学习这种神器,企业只需少量无标注的数据,精度竟然会有十几个点的提升,这相当于是直接省掉了我们很多提升模型精度的过程中各种繁杂的工作。未来将进一步在内部其他场景中使用和验证。












53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅