PDF《为智能制造增添“眼”和“脑”的能力》

其次, 新方案具有良好的兼容性, 即便未来产线改造升 级, 也可继续使用, 大大延长了该方案的生命周期. 来自美的微波炉视觉检测项目的数据统计表明: 新的、 基于?AI?的工 业视觉检测云平台方案部署后, 使得项目部署周期缩短了?57%, 物 料成本减少?30%, 人工成本减少?70%2 , 这对传统制造业而言, 无 疑是一项意义深远的生产工艺革新. 现在, 美的已计划在两个月内将 新方案复制到?9?条产线, 并在不远的未来复制到所有微波炉产线. 为系统配上 大数据 + AI 端到端解决解决方案 作为英特尔在大数据与?AI?领域的最新技术结晶, 英特尔??Analytics Zoo 为美的工业视觉检测云平台提供了端到端的 AI 解决方案. 其 基于 Apache Spark、 TensoFlow、 BigDL 等构建, 可以直接运行 在由英特尔??架构服务器构成的大数据集群上, 并通过对英特尔? 至强?可扩展处理器进行深度优化, 充分释放其强大的性能潜力. 同时, Analytics Zoo 所集成的英特尔? 数学核心函数库(Intel? Math Kernel Library, 英特尔? MKL)与多线程技术, 也帮助美的 工业视觉检测云平台大幅提升了在特征训练、 图片预测以及数据 批处理等方面的工作效率. 通过英特尔??Analytics?Zoo?的引入, 美的工业视觉检测云平台 轻松实现了高效的端到端?AI?开发与部署能力. 如图三所示, 在 数据采集及预处理优化阶段, Analytics?Zoo?帮助云平台执行 高效的分布式数据预处理和代码优化, 使之能够在?50?毫秒内 就完成对图片的读取和处理3 ;

在海量数据管理阶段, 其帮助云 平台高效地执行数据存储、 分类以及更新;

在分布式模型训练阶 段, Analytics Zoo 一方面协助云平台构建检测模型, 另一方面, 其自带的TF优化器能够迅速启动分布式训练过程;

而在模型重定 义阶段, Analytics?Zoo?不仅可以执行参数调整, 并可加速模型 推理速度, 相关测试数据表明, 基于英特尔??架构平台, 云平台的 模型推理时间已从?2?秒缩短到?124?毫秒4 ;

最后, Awwnalytics Zoo 还对命令行模式与 Web Service 模式提供了良好支持, 这使 得云平台可与美的其他应用系统实现平滑的对接. 终端数据采集部署 图像采集 预处理 模式标记 筛选过滤 大数据管理 存储 分类 更新 测试 评估 迭代 AI 推理部署 云计算 边缘计算 AI 模型训练: Analytics Zoo;

Apache Spark 不断迭代训练 模型重定义 分布式 魔性训练 Web Service 模式 海量数据管理 数据采集及 预处理优化 图三 基于英特尔? Analytics Zoo 的端到端 AI 解决方案 而在?AI?的另一项关键要素――计算力上, 全新的英特尔??至强?

3 案例研究 | 为智能制造增添 眼 和 脑 的能力 可扩展处理器的表现也非常突出, 它也为工业视觉检测云平台提 供了强有力的支持. 通过美的和英特尔双方团队的通力协作, 部署 在该云平台中的英特尔??至强??可........