聯(lián)想邊緣大腦小樣本學(xué)習(xí)技術(shù)亮相MWC上海
可快速應(yīng)用于產(chǎn)線產(chǎn)品質(zhì)檢
6月28日-30日,上海世界移動(dòng)通信大會(huì)(2023 MWC上海)上,全面亮相的5G、AI等技術(shù)再次吸引世界的目光。聯(lián)想作為受邀參會(huì)企業(yè),首次在大會(huì)上展示了業(yè)內(nèi)領(lǐng)先的聯(lián)想邊緣大腦(Edge AI)小樣本學(xué)習(xí)技術(shù)。只需要幾十個(gè)樣本,普通工人在幾分鐘內(nèi)就可以訓(xùn)練出高精度異常檢測模型,快速應(yīng)用于產(chǎn)線產(chǎn)品質(zhì)檢。

據(jù)介紹,在當(dāng)下比較熱的大模型技術(shù)中一項(xiàng)非常重要的技術(shù),就是小樣本學(xué)習(xí)技術(shù)(few-shot learning)。在小樣本技術(shù)領(lǐng)域,聯(lián)想研究院人工智能實(shí)驗(yàn)室已經(jīng)深耕多年,形成了完整的小樣本終身學(xué)習(xí)框架。該框架以計(jì)算機(jī)視覺為主,主要聚焦解決智能制造領(lǐng)域中的樣本數(shù)據(jù)少、模型訓(xùn)練難、場景適配慢的問題。
以工廠產(chǎn)品檢測為例,很多情況下非常依賴人眼進(jìn)行檢測,很容易因疲勞發(fā)生漏檢等情況,與此同時(shí),人眼的感光范圍在人眼的感光范圍在400nm-700nm范圍內(nèi),對于范圍之外的質(zhì)量問題很難檢測。AI技術(shù)對于所有可見光范圍都可檢測,因此越來越多的工廠開始使用人工智能算法來進(jìn)行產(chǎn)品質(zhì)檢。
不過,最大的瓶頸還是算法模型的構(gòu)建。利用傳統(tǒng)的AI技術(shù),一個(gè)產(chǎn)品表面檢測模型的構(gòu)建需要大量樣本支撐,每種可能存在的缺陷都要分別采集并標(biāo)注,通常需要3000或上萬張產(chǎn)品圖片。
然而,現(xiàn)實(shí)工廠中大多數(shù)產(chǎn)品都是正常樣本,積累并采集帶有各種缺陷的樣本通常需要數(shù)月甚至一年的時(shí)間。同時(shí),在這種條件下訓(xùn)練出來的模型還要進(jìn)行長達(dá)幾個(gè)月的驗(yàn)證。更復(fù)雜的是,這種模型難以適應(yīng)新場景的變化,當(dāng)切換新產(chǎn)線時(shí),還要進(jìn)行數(shù)據(jù)的重新采集和訓(xùn)練??傮w來說,傳統(tǒng)AI技術(shù)存在樣本獲取難、訓(xùn)練周期長、場景泛化弱的問題。
聯(lián)想自主研發(fā)的Edge AI小樣本終身學(xué)習(xí)技術(shù)可以非常好地解決這一難題。一方面,聯(lián)想邊緣大腦小樣本終身學(xué)習(xí)技術(shù)不依賴大量的缺陷樣本,只需要幾十個(gè)好的產(chǎn)品即可訓(xùn)練模型;另一方面,模型訓(xùn)練周期非常短,通常一個(gè)場景任務(wù)的訓(xùn)練時(shí)間只有幾個(gè)小時(shí)。
聯(lián)想研究院人工智能實(shí)驗(yàn)室聯(lián)想大腦研發(fā)總監(jiān)虞文明在MWC上海聯(lián)想展區(qū)現(xiàn)場介紹說,“我們能夠充分利用聯(lián)想算法團(tuán)隊(duì)賦予的工業(yè)質(zhì)檢知識(shí)發(fā)現(xiàn)新的缺陷,并借助與質(zhì)檢專家的交互實(shí)現(xiàn)本地自學(xué)習(xí)、簽樣管理。模型通過不斷學(xué)習(xí)可以自我迭代,越用越好。”
據(jù)他介紹,聯(lián)想邊緣大腦中的小樣本訓(xùn)練系統(tǒng)已經(jīng)將小樣本技術(shù)產(chǎn)品化,可搭載在聯(lián)想工控機(jī)、工作站、服務(wù)器等硬件產(chǎn)品,并廣泛落地應(yīng)用在了包括新能源電池、軸承檢測、無紡布檢測、3C電子、藥品、家電等產(chǎn)品的缺陷檢測場景中。
“聯(lián)想邊緣大腦Edge AI的使命是讓AI在中國工業(yè)中得到進(jìn)一步的普及,讓普通質(zhì)檢工人就可以訓(xùn)練工業(yè)質(zhì)檢模型,降低AI在制造業(yè)的應(yīng)用門檻?!彼f。