《004 5G工业人工智能机器视觉解决方案》由会员分享，可在线阅读，更多相关《004 5G工业人工智能机器视觉解决方案（11页珍藏版）》请在金锄头文库上搜索。
1、XXXX5G+人工智能机器视觉解决方案（V1.0）XXXX2019年1月5G+人工智能机器视觉产品解决方案目录1.政策背景12.建设意义22.1.推动经济社会向数字化、网络化、智能化跃升22.2.全面提升智能制造水平22.3.5G与人工智能的融合带来新机遇23.解决方案33.1.整体架构33.2.前端采集设备及边缘网关43.2.1.前端采集设备43.2.2.边缘网关43.3.人工智能识别平台及应用53.3.1.平台介绍53.3.2.平台特点63.4.配套设施83.4.1.基础运行环境84.商务模式与资费参考104.1.商务模式及操作流程104.1.1.ICT项目104.1.2.云服务租用模式1
2、04.2.资费参考105.成功案例1171. 政策背景伴随着第四次工业革命的兴起和发展，人类社会即将进入以数据和计算为驱动力的智能经济时代。人工智能产业热度逐步提升，市场规模持续增长。根据新一代人工智能发展白皮书（2017）显示，2017年全球人工智能核心产业规模已超过370亿美元。其中，我国人工智能核心产业规模已达到56亿美元左右。下一阶段，全球人工智能市场需求将进一步快速释放，带动2020年全球人工智能核心产业规模超过1300亿美元，年增速率达到60%，其中我国人工智能核心产业规模将超过220亿美元，年增速率接近65%。人工智能是引领未来的战略性技术，已上升为国家战略。近年来，国家密集出台
3、人工智能政策，未来人工智能的产业化将是大势所趋。2015年，中国制造2025将人工智能纳为智能制造的重点任务和主攻方向；国务院关于积极推进“互联网+”行动的指导意见将“互联网+”人工智能列为11项重点行动之一。2016年，“十三五”规划纲要中将“人工智能”一词写入其中，在“科技创新2030项目”中，智能制造和机器人列入其中，“人工智能创新工程”列入21项重大工程；国家提出“互联网+”人工智能三年行动实施方案。2017年，“人工智能”首次写入政府工作报告，同时人工智能被列于信息类战略新兴产业第一位；“人工智能” 写入十九大报告，为贯彻执行发布了促进新一代人工智能产业发展三年行动计划（2018-2
4、020）。2018年，在2018政府工作报告中再次提及“人工智能”，指出加强新一代人工智能研发应用；在医疗、养老、教育、文体等多领域推进“互联网+”；发展智能产业，拓展智能生活。在万物互联的大趋势下，物联网产业技术和标准体系已逐渐完善。在新技术的不断涌现与多样的业务需求驱动下，技术融合正逐步成为物联网的发展趋势，遥感、人工智能、大数据、机器视觉、微服务架构等新技术正在不断融入到物联网之中，迅速带动包括智慧农业、智慧河长、智能制造等领域的应用。物联网正在以“IoT+”的模式进入到一个融合性的智能联接新生态发展阶段。在物联网产业链中，运营商传统优势所在的连接层价值链占比最低，在发展物联网业务的过程
5、中，运营商要持续保持对新技术的敏锐性，对创新技术产品及应用提早进行研究及布局，探索更多连接以外的价值。2. 建设意义2.1. 推动经济社会向数字化、网络化、智能化跃升当前，新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济、社会各领域从数字化、网络化、智能化加速跃升。人工智能应用将在电子化程度高、数据较集中、数据质量高的行业率先启动，爆发大量行业应用场景。人工智能应用将深刻改变人类生活方式和思维模式，形成无时不有、无处不在的智能化环境，同时全社会的智能化水平大幅提升。2.2. 全面提升智能制造水平图像识别等关键技术法的突破大大推动了以数据密集、知识
6、密集、脑力劳动密集为特征的智能制造产业与人工智能的深度融合。通过人工智能和实体经济深度融合，推动智能制造往深度发展，从而推动制造业实现智能升级。人工智能/机器学习技术提高了效率，2025年前能达到+ 51-154个基点的生产率增长。人工智能/机器学习驱动改善97个基点就意味着2025年技术对生产力增长的贡献为1.61%，或者比 1995-2004年高11个基点。2.3. 5G与人工智能的融合带来新机遇5G将为用户提供光纤般的接入速率，“零”时延的使用体验，千亿设备的连接能力，超高流量密度，超高连接数密度和超高移动性等多场景的一致服务，业务及用户感知的智能优化，同时将为网络带来超百倍的能效提升和
7、超百倍的比特成本降低。移动互联网和物联网是5G发展的两大主要驱动力，具体包括增强移动宽带（eMBB）、低功耗超大连接的物联网业务（mMTC）及低时延高可靠的工业控制和车联网(uRLLC)等应用场景。展望5G，随着对大带宽、低时延、高可靠、大连接等业务的不断上线，业务需求也是不断增长的态势。总体来看，未来产业互联网业务的发展和5G的发展趋势是相吻合的。5G是新型的无线通信技术，最大的特点，和传统2G/3G/4G相比，引入了包括边缘计算和网络切片新型的网络架构，边缘计算，企业部署边缘云、边缘计算的目的是为了降低业务端到核心网侧的时延，提供本地的闭环的控制，能够满足低时延应用的要求。网络切片能够实现
8、一网多能，一张网络同时承载多种业务的需求，真正实现网络跟随业务的需求而发生变化，实现了网随云动或者网随业务需求而动这样一种新型的网络架构，这是未来5G在产业互联网中应用的最大优势。3. 解决方案目前机器视觉系统在产品质量检测，器件分拣、OCR等领域已经落地应用，人工智能、物联网、5G、边缘计算等技术的发展成熟为机器视觉技术的发展带来了新机遇，随着上述技术与机器视觉的融合，将进一步拓展机器视觉应用的领域，提升工业企业的生产效率，推进机器视觉成为工业互联网的重要组成部分。XXXX综合运用自身在5G、物联网、人工智能方面的技术优势，整合自身在产业互联网长期积累的专业经验，结合各行业特点，提供一体化的
9、基于5G+人工智能的机器视觉解决方案：通过对机器视觉技术与5G、边缘计算、物联网及人工智能技术的融合研究，探索新一代机器视觉技术与运营商网络紧密结合的可行性，将机器视觉技术逐渐应用到智慧城市、智慧物流、智慧工厂的生产流程管理、质量检测、环境监测、人员管理中，构建基于机器视觉的人工智能分析技术服务：识别产业互联网中图像检测的故障或缺陷发生点，对判明的故障/缺陷点进行明确的标记与类别提示，便于检查人员快速判别。通过人工智能的识别，大幅降低人工检视分析的工作量，并提升故障/缺陷点的检出率，减少因为人员因素导致的漏检发生。3.1. 整体架构基于5G+人工智能的机器视觉系统的整体架构由如下四部分组成，如
10、下图所示：图1 系统架构图一、前端采集设备前端采集设备主要负责采集需要机器视觉系统识别的内容，包括但不限于视频、图像等内容，采集的设备包括且不限于工业相机、无人机携带的采集设备等二、边缘网关边缘网关是部署在客户侧的设备，在采集侧主要用于采集内容的汇聚与处理，在识别侧主要用于训练好模型的下载及对采集内容的识别三、人工智能识别平台识别平台是本系统的重要组成部分，用于实现模型的训练、优化及识别四、应用发布针对客户的不同需求，结合成熟的BI框架，发布满足客户需求的应用3.2. 前端采集设备及边缘网关3.2.1. 前端采集设备主要包括智能摄像机，视觉处理器等组件：3.2.2. 边缘网关边缘网关设备能够同
11、不同厂家产品、协议之间具有高兼容性，方便地与其他设备对接与集成；通过从云端下载训练好的模型，能够搭载斑点检测、角点检测、SIFT定位检测、图形分拣工具等功能；通过Ethernet/IP，与产线的传感器、远程I/O实现通信。通过与各种传感器连接，可以扩展使用范围，有助于存储生产现场的信息、可视化、提高生产效率与平台兼容，调度应用程序的工作负载通过在各个层次之间动态分配。3.3. 人工智能识别平台及应用3.3.1. 平台介绍针对人工智能及深度学习需要从计算平台、数据平台、计算框架、算法平台及应用五个层次部署。计算平台层提供面向人工智能最大定制化的架构设计，采用GPU、FPGA等提供快速训练与推理计
12、算资源；数据平台层提供对数据的各种处理，包括数据源管理，各种标记工具及标记算法；计算框架层针对不同的需求以及使用习惯，部署不同的深度学习框架，如Caffe，TensorFlow，PyTorch，Keras等，实现对图像、视频、语音、自然语言的处理；系统层包含算法平台及引擎平台，算法平台中包含用于业务建模的多种算法，例如传统机器学习算法、深度学习算法、目标识别算法等，同时引擎平台能够做好第三方算法的管理与部署；应用层结合实际应用需求，设计深度学习模型与算法，并将实际的应用通过直观地方式展现。图二 人工智能平台框架结构如上图所示，考虑到人工智能应用平台通用架构的兼容性，技术架构主要由以下几方面组成
13、：一、计算平台： GPU服务器集群及其他存储设备GPU（Graphic Processing Unit）中文名为：图形处理器，它拥有超高的运算速度。GPU擅长于图像处理，主要应用于图像、视频游戏等领域。在人工智能领域，GPU服务器用于提供强大的计算能力。其他存储设备用于存储从其他平台同步过来的各种数据二、数据平台为了实现整个系统，对数据、数据标注的xml文档进行了处理，形成了特定的TFrecord格式的数据，从而可以更好的与Tensorflow框架进行数据的传入传出。三、计算框架： 初期以Google的开源框架Tensorflow为主TensorFlow是谷歌进行研发的第二代人工智能学习系统，
14、其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。随着业务的不断发展，引入Caffe、Keras等其他框架四、算法平台面向产业互联网需求，利用现有的成熟算法模型，设计专有的故障/缺陷识别的算法，从而来实现故障/缺陷识别的模块。3.3.2. 平台特点本系统通过5G+人工智能的机器视觉图像识别及自动化检测系统，能够智能判别故障缺陷。以上结果的实现均基于系统实施过程中的发明与创新：1、系统架构创新为满足
15、图像自动识别，本系统创新性底引入了目标识别框架来进行故障的判断，通过不断地输入样本数据，系统根据所输入的数据进行自主调参，人工干预性大大减少大大提高了模型的稳健性；2、算法创新为解决样本不足的问题，本系统创新性地将迁移学习引入算法构建。通过使用百万级大型图像数据集COCO对模型进行训练，将得到的模型作为缺失数据模型训练的初始模型，通过对图像的旋转、平移、放大、缩小及增加噪声的方法，增加训练数据，以提高模型准确率。3、应用创新为更好地满足客户需求，在应用层面，本系统创新性地提出“一键检测”功能，将文件上传、识别、标注及展示功能集成为一体化功能，客户只需选择图片点击上传即可，完成检测后，系统还能够自动生成检测报告，大大提高了客户体验并提升了检测效率。3.4. 配套设施3.4.1. 基础运行环境系统运行环境可选择利旧、新建或租用集成GPU的云平台的方式实现。根据不同用户及项目规模，提供参考配置清单如下（本表内容为建议配置，仅供公司内部技术交流使用，最终配套基础设施需根据客户现有环境进行确定）：表 1 配套基础设施参考配置表序号类型配置数量备注一服务器1GPU服
