富士康无监督学习AI算法上线 能够降低50%以上产线检测人力
据台媒经济日报报道，鸿海集团今日宣布推出无监督学习（Unsupervised Learning）人工智能（AI）算法FOXCONN NxVAE，运用正面表列的模型训练方式，只以产品容易取得的正样本进行光学检测演算，解决产线中瑕疵样本取得的问题，适用良率高的成熟产品线，能够增加AI模型的整体容错能力。
鸿海指出，相关技术已导入大陆园区内部分产品外观检测生产线，能够降低50%以上产线检测人力，可全检产品外观常见的13类瑕疵，并达到零漏检的客户要求。这代表着，鸿海向智能工厂目标迈进了一大步。
鸿海在大陆的子公司富士康总部位于郑州航空港区，主要生产计算机、通讯、手机、消费性电子等零组件、机构件及系统软件等，是苹果iPhone的主要组装厂。
鸿海指出，半导体事业部AI团队历时8个多月研发，从架设AOI光学检测设备，到产线采集产品外观影像，期间因COVID-19疫情影响，团队无法亲临产线，改由远程工作模式，进行影像数据处理与AI算法的开发与调适，最终研发出无监督学习AI算法。
责任编辑：xj
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
富士康
+关注
关注
7文章
1092浏览量
59039 -
AI
+关注
关注
87文章
26409浏览量
264011 -
机器学习
+关注
关注
66文章
8112浏览量
130545
发布评论请先 登录
相关推荐
富士康成立新公司！最新官方回应
据国内相关媒体报道称，富士康对于在河南成立新公司回应称：“根据集团3+3战略产业规划，2023年富士康科技集团在郑州设立富士康新事业总部并成立富士康新事业发展集团有限公司，统筹规划包括
基于transformer和自监督学习的路面异常检测方法分享
铺设异常检测可以帮助减少数据存储、传输、标记和处理的压力。本论文描述了一种基于Transformer和自监督学习的新方法，有助于定位异常区域。
需补税1800亿？富士康紧急辟谣
富士康的母公司鸿海通过公告就富士康旗下多家企业正在接受调查的媒体报道表示：“合法规定是鸿海在全世界必须遵守的基本原则。集团将积极协助相关部门的工作。”
鸿海集团回应富士康遭调查积极配合 然工业富联跌停
鸿海集团回应富士康遭调查积极配合 但是市场依然用脚投票，工业富联跌停。 税务部门近期依法对富士康集团在广东、江苏等地的重点企业进行税务稽查，自然资源部门对富士康在河南、湖北等地的重点企业用地情况进行
AI智能呼叫中心
、数据驱动决策以及人力成本节约，旨在深入剖析其核心优势和对企业的重要意义。一、自动化处理AI智能呼叫中心通过引入自然语言处理(NLP)、机器学习和自动化技术，使得呼叫中心的处理过程更加高效和准确，
发表于 09-20 17:53
适用于任意数据模态的自监督学习数据增强技术
模态的。这意味着需要为不同的数据模态开发不同的自监督学习算法。为此，本文提出了一种通用的数据增强技术，可以应用于任意数据模态。相较于已有的通用的自监督学习，该方法能够取得明显的性能提升
机器学习有哪些算法？机器学习分类算法有哪些？机器学习预判有哪些算法？
有许多不同的类型和应用。根据机器学习的任务类型，可以将其分为几种不同的算法类型。本文将介绍机器学习的算法类型以及分类算法和预测
人工智能有哪些算法
无监督学习算法主要用于聚类和关联规则挖掘。聚类问题是指将数据集合划分成相似的组，而关联规则挖掘问题是指发现数据集合中经常一起出现的数据项。常见的无监督学习算法包括K-means、谱聚类
富士康造车不成转车用芯片和代工？
但在2023年以来，富士康在电动汽车领域的布局明显加快。1月富士康与拜腾汽车、吉利签署战略合作协议。富士康又斥资10亿元在郑州成立富士康新事业发展集团有限公司，聚焦电动汽车、电池、机器
富士康印度半导体厂夭折，会连累苹果代工吗？
尽管富士康的半导体工厂计划已经失败，但在印度提供的100亿美元的芯片激励计划前，为了不错过最高可达项目成本50%的奖励，富士康并未放弃在印度的芯片制造之路。公司在公开回应中表示，正在努力提交新的申请，以重新启动在印度的半导体工厂
富士康进军半导体领域时间线梳理
汽车制造商Stellantis和富士康成立一家50：50合资企业，从2026年起为汽车行业设计和销售半导体。这家名为SiliconAuto的合资企业将为Stellantis、富士康和其
利用 Superb AI Suite 和 NVIDIA TAO Toolkit 创建高质量的计算机视觉应用
数据标记和模型训练一直被认为是团队在构建 AI 或机器学习基础设施时所面临的最大挑战。两者都是机器学习应用开发过程中的重要步骤，如果执行不当就会导致结果不准确和性能下降。 数据标记对于所有形式的
AI视觉检测在工业领域的应用
，极大地降低了人工操作的误判率。
2.精准度：工业AI视觉检测系统对产品的检测精度可以达到极高的水平，细微缺陷、异物等都能够精准识别。
3.
发表于 06-15 16:21
工商网监
评论