这里有一份腾讯云工业视觉平台的介绍，请查收

作者：三青时间：2023-06-11 阅读数：人阅读

新一轮科技革命和产业变革蓬勃兴起，工业数字化、网络化、智能化发展成为第四次工业革命的核心内容。作为助力本轮科技革命和产业变革的战略性技术，以深度学习、计算机视觉等为代表的新一轮人工智能技术呈现出爆发趋势，工业智能迎来了发展的新阶段。腾讯基于自身多年的技术积累，积极探索工业智能的应用场景、技术特点以及产业发展，经过长期打磨，推出了腾讯云工业视觉平台。

01

打造工业视觉平台的关键点

在工业视觉平台的落地过程中，研发团队发现除了算法精度和性能，还有以下几个关键点将影响项目的成败：

数据安全管理：

通用的API不能满足工业用户的需求，用户需要使用自身的数据进行训练模型。考虑到数据安全性，用户通常会要求在工厂的私有化环境里部署系统。

快速部署：

工业用户期望能快速验证模型的效果，并能够有定制化的API或离线SDK实现快速、灵活部署。

操作简便：

大部分工业用户对深度学习的理论和算法训练的方法不熟悉，也不愿意面对复杂、繁琐的模型训练、部署和系统运维等工作。因此平台需要简化操作流程，降低操作门槛。

持续迭代：

随着缺陷特征变化、分布变化，模型的准确率和覆盖率逐步下降，因此平台需要支持自动化模型在线优化、迭代，以保持模型的检测精度。

02

腾讯云工业视觉平台应运而生

基于以上分析，腾讯云联合腾讯优图实验室共同打造了腾讯云工业视觉平台，该平台是一个面向工业视觉场景的一站式平台。依托于腾讯优图在 GPU 优化、深度模型压缩等关键技术点的积累以及腾讯云平台的整体架构，以像素级的分割精度，准确地评估缺陷的成因、影响程度等决定生产流程的结构化信息，能够分析人眼易忽略的微小缺陷。采取缺陷和产品本身分别分析的方法，增强了评估的鲁棒性和适应能力。

为了更好地服务终端用户，腾讯云工业视觉平台已接入腾讯 WeMake工业互联网平台，为用户提供快捷、集中式的体验和使用环境。并提供模型评测和推理部署的全流程、菜单式操作界面。

腾讯云工业视觉平台接入WeMake工业互联网平台架构图

03

两大应用场景

腾讯云工业视觉平台聚焦外观质量检测和安全检测两⼤大场景。前者的价值在于“解放人力、提升良率”，重点关注3C、半导体、面板、PCB和家电等行业；后者的价值在于“保障生产或园区安全、规避损失、提升效率”，重点关注生产车间、园区、能源等场景。

场景一：外观缺陷检测

液晶面板制造是一个光+电+化学的综合过程，化学元素的相互作用形成了电路。这其中涉及的工序异常复杂，因此每做完一道工序，需要进行质量检查。若出现缺陷漏检，很可能会导致液晶面板的玻璃基板报废，造成巨大损失。因此，工厂会招聘大量OP（判图操作工）7*24小时进行面板缺陷判定和分类，平均每人/每天看10000+张图片，人在疲劳状态下极易出现误判，且高强度的工作导致人员离职率较高，重新招聘、培训OP人员导致企业用工成本上升。

外观缺陷检测场景示意图

腾讯云工业视觉平台可解决上述问题。平台通过深度学习可以识别和分析复杂无规律的缺陷。通过大量数据的训练后，模型可达到较高的准确率。面对缺陷形态变化的情况，判片人员可以将缺陷图片重新输入训练平台优化模型，提高模型精确度。

场景二：工厂运营管理与安全检测

系统通过摄像头获取厂区状态，利用工业视觉平台的算法能力可高效统计出各工种的参与装配人数、工时时长、有效工时占比；并在时间维度上，对不同工序、不同装配架次的数据进行横向对比，探寻工效的最优边界与优化方向。可将数据沉淀，并与产线、门禁等进行联动，打造安全告警平台，确保生产环境安全。

工厂运营管理流程示意图

04

四大优势不可不知

海量算子积累

通过多年研究，腾讯已经积累了海量分类、分割、聚类等相似场景的算子，可灵活组合算子，实现二次利用。

线上线下业务闭环

平台从数据采集、标注到业务统计分析形成了完整业务闭环。且业务上线后可进行智能化运营，每日生成数据统计报表，根据数据分析结果及时采取措施，实现线上线下迭代优化闭环。

快速扩展

用户可自主开发新模型，或在平台接入第三方模型，实现快速扩展。

高效交付能力

工业视觉AI平台已在多个场景落地实践，在面板、烟草等场景有经验沉淀，可实现快速交付。

05

成功案例

面板质检：华星光电

作为液晶面板制造行业的龙头型企业，华星光电已经率先在面板质检环节应用腾讯云工业视觉平台。该项目不仅是目前国内最大规模的工业AI质检项目，也是首个将深度视觉算法应用到核心生产环节的落地项目。项目的关键步骤是对缺陷区域的分割定位，经过多轮探索和试验，团队最后采用了周期对比+语义分割+深度学习的算法方案。将质检覆盖率提高至80%，检测速度比之前的人提升5-10倍，每年可为客户节省成本超千万元。