数据智能标注、模型选型、场景范例、应用部署，工业质检全流程一网打尽！！！
作为生产制造过程中必不可少的一步，产品质量检测广泛应用于工业领域，如：3C、半导体及电子、汽车、化工、医药、轻工等行业。
在AI出现之前，往往是依赖人工检测或者使用传统图像处理算法。人工检测效率低，成本高，且容易受到人为主观因素影响。传统图像处理算法对于复杂场景鲁棒性差。而随着卷积神经网络为代表的AI算法出现，为工业质检带来了技术革新。它有效地解决在复杂场景检测的能力，在实际的项目过程中对目标识别具有更好的普适性。
图1 工业质检场景
虽然深度学习技术好，但是在实际落地中往往会遇到很多的问题：
模型依靠大量的数据，标注成本高；
场景复杂，如何有效的根据自己的场景选择对应的模型和部署硬件；
模型精度低，如何进行有效的优化；
预测性能不好，如何进一步提升预测性能。
图2 工业质检落地痛点
作为源于产业实践的深度学习平台，飞桨一直致力于为各行各业的开发者提供完备的产业应用开发方案。同样在工业质检领域，飞桨也提供了从自动化标注、模型选型、模型优化、模型部署的全流程方案，致力于更好的帮助开发者完成工业质检项目的应用开发。
图3 工业质检全流程
自动化标注工具EISeg
数据在深度学习中起着至关重要的作用。比如一个实际项目总金额仅20万，但标注的成本就耗费3-4万！为了帮助大家节约标注成本，飞桨PaddleSeg团队开源了交互式分割工具—EISeg。所谓交互式分割，其实就是先用预训练模型对图像预标注。对于标注不精准、有误差的地方，再通过较少的绿色点（正点）和红色点（负点）精准的调整目标对象的边缘，从而实现精细化标注。
为了更好的满足在质检场景的标注需求，近期EISeg发布了v0.5版本，推出了专用于质检领域的交互式分割模型。在各种质检场景下均取得了很不错的效果，标注效率直接起飞。
产品链接：
https://github.com/PaddlePaddle/PaddleSeg/tree/release/2.5/EISeg
欢迎大家star点击收藏吧~
图4 EISeg自动标注效果图
飞桨产业模型选型工具
在实际的项目落地中，由于场景复杂多样，该选择什么模型，选择什么硬件，往往非常困惑。为了更好的帮助用户解决这个问题，飞桨团队推出了产业模型选型工具，可以帮助用户根据场景，快速选择模型和硬件。
产品体验地址：
https://www.paddlepaddle.org.cn/smrt
图5 飞桨产业模型选型工具
同时模型选型工具，凝聚了飞桨在产业实践中的经验，根据用户上传的标注数据文件（不需要原图），进一步分析数据特点，提供模型的策略。
图6 数据分析功能
产业实践范例
为了刚好的帮助大家产业落地，飞桨团队推出了《产业实践范例库》。在质检方向，推出了基于3C、汽车等多个领域的真实范例，帮助用户直达落地。
图7 半导体缺陷检测范例
图8 钢板缺陷检测范例
上线部署
部署上线是整个深度学习项目上线的最后一环，常被人们称为深度学习应用落地的最后一公里。
飞桨团队在Windows系统环境下，对飞桨原生预测库Paddle Inference进行了进一步封装，可一键开启TensorRT预测加速，形成了面向工业场景的更高性能的部署方案，实现对最后一公里的极致优化。
图9 部署Demo 及模型加速前后效果展示
为了让小伙伴们更直观的感受到飞桨在工业质检领域的能力，飞桨为大家准备了相应直播课程，小伙伴们快来锁定5月25日的直播间吧！
扫码报名直播课，加入技术交流群
更多精彩抢先看
数据引用说明：
图1:源于合作伙伴数据
图2:由Humaaans插件制做
图4:交互式分割图片由合作伙伴提供
图7:由合作伙伴提供数据
来源：百度飞桨，先进制造业公众号推荐阅读，版权归原作者所有，转载请注明。但因转载众多，无法确认真正原始作者，故仅标明转载来源。本文所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容！本文编辑：微明
商务合作：13386409839（同微信）
投稿邮箱：lilyzhang@wintimechina.com
微信号：amdaily
长按识别二维码即可关注