初创企业通过AI实现检测自动化

初创公司 CEO 将 “以数据为中心的 AI” 理念融入到 Landing AI 产品中，并通过 NVIDIA GPU 加速，得到了客户的青睐。

专业计算机视觉公司 Landing AI 有一张独特的名片——其联合创始人兼首席执行官是一位科技界的 “摇滚明星” 。

吴恩达 (Andrew Ng) 在 Google Brain 曾因展示深度学习如何以惊人的速度和准确度识别海量图像中的猫而一举成名。后来他创办了 Coursera，其机器学习课程吸引了近 500 万名学生。

如今，吴恩达最为人所知的是他所提出的 “以数据为中心的 AI” 的观点。吴恩达认为，为了提高 AI 性能，现在应该将重心从完善神经网络模型转移到数据集。他将这一理念融入到 Landing AI 的旗舰产品—— LandingLens 中。

Landing AI 成立于 2017 年，其用户包括富士康、Stanley Black & Decker 和汽车供应商日本电装。这些公司以及其他许多公司都已经在使用深度学习提高效率和降低成本。

解决分类难题

最早尝试使用 LandingLens 的公司之一是一家工厂遍布全球的芯片制造商。该公司想通过深度学习提高其晶圆厂的晶圆级芯片吞吐量和产量。

Landing 负责该客户的联络人 Quinn Killough 表示：“与所有其他芯片制造商一样，他们的工厂车间也有很多视觉检测机器负责在各个步骤扫描晶圆。虽然他们在异常检测方面做得很好，但却无法很好地对所检测到的异常进行缺陷分类。”

有计算机视觉和制造知识背景的 Killough 表示，和许多芯片制造商一样，该公司也使用过许多软件程序进行分类，“但这些解决方案需要针对每种产品进行微调，而这家公司有 100 多种产品，因此这笔投资并不值得。”

通过 AI 实现检测自动化

后来客户使用了 LandingLens 所提供的 AI 能力。这款产品可处理从数据采集到模型训练和部署的整个端到端机器学习运维 (MLOps) 流程，然后管理模型，尤其是数据的持续完善，最终改善结果。

尽管这一部署还处于早期阶段，但该产品及这个以数据为中心的方法已经帮助这家芯片制造商降低了成本。

Killough 表示：“推动该项目的主要工程师告诉我们，他认为深度学习是一场变革并且希望在他的工厂中推广这种方法，同时让其他工厂也采用这种方法。”

位于云端的 “检测员”

这家芯片制造商使用 NVIDIA V100 Tensor Core GPU 运行 LandingLens。这项云服务每天可对数十万张图像进行推理。

Killough 表示：“我们一开始并不确定它的吞吐量，但现在看来，它显然足够对付这些图像，而且就算出现更多的图像也不在话下。”

这项服务可以在不到一分钟的时间内使用约 50 张缺陷图像训练一个新的分类模型，使用户可以快速迭代。

“我们的工具必须能够让客户感受到训练的快捷，这样才能帮助我们的客户解决问题和尝试各种解决方案。”

将 AI 带到边缘

现在，该公司正在使用新产品 LandingEdge 将 AI 带到工厂车间。目前，Landing AI 正在与几家客户测试这款产品。

LandingEdge 可以通过摄像头捕捉图像，然后在配备 NVIDIAJetson AGX Xavier 模块的工业 PC 上运行推理。这项工作产生的洞察被直接反馈给操作机械臂、传送带和其他生产系统的控制器。

LandingEdge 产品经理 Jason Chan 表示：“我们的目标是提高质控水平，为快速、不断迭代的 AI 流程创造飞轮效应。”

加速初创企业的成长

为了尽早获得最新的技术和专业知识，Landing AI 加入了 NVIDIAMetropolis 计划。这项计划面向通过 AI 视觉将空间和操作变得更安全、更高效的公司。

与 Landing AI 一样，“以数据为中心的 AI” 理念现在仍处于早期发展阶段，而吴恩达认为它可能成为这十年中最大的技术变革之一。

原文标题：计算机视觉在制造业大显神通：初创企业实现工厂检测自动化

文章出处：【微信公众号：NVIDIA英伟达企业解决方案】欢迎添加关注!文章转载请注明出处。

审核编辑：汤梓红