Cmeet2023·第十三期 | 当AI大模型,遇上制造业,人工智能在长沙制造业中的应用和趋势

墨泪 2023-06-06 10:03:43

当前,以 ChatGPT 为代表的 AI 大模型技术席卷全球。行业正在经历从“大练模型到炼大模型”的生长周期,攻关大模型成为产业智能化发展的必然选择,为政策制定者和企业管理者所重点关注。人工智能作为核心技术,与制造业的结合是中国从制造大国走向制造强国的重要一步,也是走向高端化、智能化、绿色化的必由之路。

 

而在长沙本地制造产业中,越来越多的开发者都在关注 AI 与制造业的应用,探索如何将人工智能技术应用到生产制造过程中。2023年5月14日,CSDN Cmeet开展长沙站线下制造专场技术生态沙龙活动。来自用友网络、湘江鲲鹏、腾讯云、中伟新材料的多位技术专家围绕“AI大模型+制造业”的专场主题,探讨人工智能在长沙制造业中的应用和趋势,为线上线下的观众奉献了一场精彩的技术盛会。

会议首先由用友网络智能工厂方案咨询专家马纪桥开场,为观众带来《融合互联,数智制造——U9cloud智能工厂让生产管理更智能》的主题演讲。随着新技术驱动、国家政策引领、企业家对更高效率的追求,制造企业数智化转型势在必行。但在大宗原材料价格通胀以及国家间持续贸易战的新常态下,成长型企业面临着协作复杂化、成本不断上升、需求个性化等巨大挑战。马纪桥认为,应当从政策导向、必要性、规划思路、价值收益四个方面思考数智化智能工厂的建造路径,推动数智化转型推动制造业高质量发展。此外,他还为智能工厂的应用架构、使用场景、解决方案进行了产品蓝图设计。

用友网络智能工厂方案咨询专家 马纪桥

来自湘江鲲鹏的昇腾AI技术专家朱美程做了《昇腾AI+智能制造的实践与应用——把AI带入每一条产线》的分享。面向未来,非结构化数据处理需求呈指数级增长,并逐渐从通用计算转向异构计算,朱美程预计,到2030年,人工智能算力将增长500倍,从边缘到智能边缘,边缘计算成为AI的主力场景,而场景化应用将加速人工智能在工业场景发挥价值。

目前,工业制造领域正围绕“三边缘,一中心”展开生产制造AI全场景,而AI机器视觉质量检测方式能够应对制造业复杂多样的场景。华为制造部联合昇腾打造智能制造SDK,通过打造一站式方案,降低Al应用门槛,打造端到端综合性价比,从人工质检到智能质检,从“中国制造”走向“中国智造”。

湘江鲲鹏昇腾AI技术专家 朱美程

第三位出场分享的是腾讯云工业行业首席架构师叶春生,演讲主题为《腾讯云助力工业智造创新——腾讯工业AI质检解决方案介绍》。叶春生首先对腾讯云TI平台的三大能力平台TI-ONE 训练平台、TI-Matrix 应用平台、TI-DataTruth数据标注平台进行了详细讲解。腾讯云TI平台是应用和解决方案开发者,基于腾讯云TI平台的开放能力,结合行业特点构建应用解决方,充分发掘AI价值,助力各行各业数字化转型。叶春生表示,针对工业AI质检落地过程中行业面临的算法开发复杂、项目指标严苛、交付运维困难三大挑战,腾讯云提出两大解决方案:一方面产品化平台训练和运营一体两翼,另一方面携手生态合作伙伴打造多个细分领域标准硬件。

腾讯云工业行业首席架构师 叶春生

最后,中伟集团系统架构师向焕斌结合制造业与AI技术结合的应用实际,进行了《AI+制造,秒变黑灯工厂》的演讲分享。向焕斌表示,AI在生产中的应用对制造商而言优势巨大,例如提高生产效率、提升产品质量、提高可持续性、推动智能制造、创新产品设计以及提高生产安全性等。制造业的研发需要大量的数据,如果依赖人工找数据、做分析将会耗费大量的时间与人工成本。以研发小伙与中控员的故事为例,AI能够助力制造业从“人找数据”向“数据找人”的模式转变,从而创建企业管理新手段。

中伟集团系统架构师 向焕斌

“人工智能+制造业”综合来讲是将人工智能技术应用到制造业当中,在数字化、网络化的基础上实现自主判断与业务操作。此次CSDN Cmeet提供了一个宝贵的交流平台,不仅能够深入了解人工智能在长沙制造业中的发展趋势,并且促进了不同领域的专家之间的合作与交流。未来,CSDN将持续关注人工智能与制造业结合发展的现实案例,欢迎各位程序员和技术爱好者与技术大佬们一起论道,交流学术共识挑战与机遇!

...全文
746 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!

101

社区成员

发帖
与我相关
我的任务
社区描述
相聚于此,畅谈云原生技术,共话云计算未来!
云原生 企业社区
社区管理员
  • Tarmy-
  • Cmeet活动官方
  • 好棒瞎聊
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧