场景一：深度学习技术辅助零部件和材料缺陷检测

• 工业智能质检

• 0
• 0

• 挑战
  • 零部件及材料中的各种缺陷直接影响成品质量，造成大量次品、废品，影响企业效益及声誉。
  • 传统的影像分析方法对于各种复杂的缺陷特征需要人工建模，适应性较差，造成大量误检、漏检
• IBM 方案价值
  • 利用人工智能解决方案，通过深度神经网络，可以从历史样本中自动提取各种缺陷特征，从图片中自动识别可能的缺陷并标识出位置，便于工作人员及时发现和纠正，提升产品质量和工作效率。

场景二：利用机器学习解决工业检测/智能制造的应用场景

• 工业智能质检

• 0
• 0

• 业务需求：
  • 自动检测并输出工件位置坐标，辅助机械臂自主定位，能够适应各种旋转、缩放、光照情况
  • 可以自动测量高精度的工件尺寸，并对良品和不良品进行分拣
  • 对装配不良件零容忍，能够自动检测装配件是否有效安装，是否少装、漏装
• IBM 方案价值：
  • 机器学习解决方案通过对检测对象建立精确的视觉模型，结合人工智能芯片超强的计算能力，对于肉眼无法检测到的微小瑕疵，实现毫秒级的实时检测。

场景三：人工智能实现电力系统自动巡检与预测分析的应用场景

• 业务需求
  • 外国某电力公司通过将技术工人置于高风险的环境手动检查其庞大的传输网络，这种方法既昂贵且伴随危险，同时很难扩展。
• 挑战
  • 为了解决这个问题，增加工人的生产力,客户正寻求部署无人机进行输电塔的可视化检查。
  • 为了图像处理自动化，客户使用 PowerAI 训练了一个深入学习网络来标识无人机捕获的潜在维护问题。
• IBM 方案价值
  • 在人工智能应用实践的场景中， IBM 是唯一能够提供使用 with NVIDIA NVLink 连接 NVIDIA Tesla P100 到 POWER8 CPUs 的供应商，这为深度学习提供了独特的便利性。
  • IBM 的 Power 系统，IBM ESS 存储 及 Spectrum Scale 集成解决方案组合，不仅能够使客户使用深度学习类型应用，而且能够提供 in-memory DBMS 和高速存储以储存和分析多种类型的数据。