AI驱动的机器视觉技术

工业视觉算法,AI视觉模型这些都是老生常谈了,本期要讲的是升级版. ‌自进化检测系统.

   序,目前大多数据视觉检测算法,都是在某些固定场景,通过流水线或者多轴机械臂,来自动化检测目标状态,常见缺陷检测,或者目标计数等, 大多都能满足使用场景.

   随着越来越多的场景使用视觉自动化之后,有些场景对于固定的视觉算法,或者模型不能满足同场景下,目标环境多变的情况. 下发分享我们的一个实战案例.

   显微镜(3轴)自动识别玻片上的活体细胞,通过不通项目的玻片识别出活体细胞用于病变分析.  起初始项目给人类使用.  项目采用python+yolo算法+3轴PLC对玻片进行切片分析.

   随着客户的业务发展,客户将该产品应用到宠物上. 但是由于不同生物的情况不一样.导致识别率下降. 客户希望这个识别算法能自动升级.

   最终我们在这个基础上做出升级, 把一台算力好的电脑做为增量训练的服务器(云端的成本贵), 让所有显微镜,通过MQTT服务(云端)把数据传到本地服务器上.  由于在识别的时候,增加了把图像和识别目标信息打包成可用于增量训练的格式.   

   服务器每天把采集到的数据保存在本地,等训练结束之后. 立马开始新一轮增量训练.

   当训练出来的新模型文件,通过验证之后,识别率增加2%,就提示所有客户端,有新的更新.  用户 可以点击更新,或者稍后更新.  客户端(显微镜)通过下载新的模型文件,然后算法重新初始化,可以做在线热更新算法.  

‌   自进化检测系统，支持数据清洗与模型自训练，适应产线实时变化。这是一套低成本的实现方式.