可快速应用于产线产品质检

6月28日-30日,上海世界移动通信大会(2023 MWC上海)上,全面亮相的5G、AI等技术再次吸引世界的目光。联想作为受邀参会企业,首次在大会上展示了业内领先的联想边缘大脑(Edge AI)小样本学习技术。只需要几十个样本,普通工人在几分钟内就可以训练出高精度异常检测模型,快速应用于产线产品质检。

联想边缘大脑小样本学习技术亮相MWC上海

据介绍,在当下比较热的大模型技术中一项非常重要的技术,就是小样本学习技术(few-shot learning)。在小样本技术领域,联想研究院人工智能实验室已经深耕多年,形成了完整的小样本终身学习框架。该框架以计算机视觉为主,主要聚焦解决智能制造领域中的样本数据少、模型训练难、场景适配慢的问题。

以工厂产品检测为例,很多情况下非常依赖人眼进行检测,很容易因疲劳发生漏检等情况,与此同时,人眼的感光范围在人眼的感光范围在400nm-700nm范围内,对于范围之外的质量问题很难检测。AI技术对于所有可见光范围都可检测,因此越来越多的工厂开始使用人工智能算法来进行产品质检。

不过,最大的瓶颈还是算法模型的构建。利用传统的AI技术,一个产品表面检测模型的构建需要大量样本支撑,每种可能存在的缺陷都要分别采集并标注,通常需要3000或上万张产品图片。

然而,现实工厂中大多数产品都是正常样本,积累并采集带有各种缺陷的样本通常需要数月甚至一年的时间。同时,在这种条件下训练出来的模型还要进行长达几个月的验证。更复杂的是,这种模型难以适应新场景的变化,当切换新产线时,还要进行数据的重新采集和训练。总体来说,传统AI技术存在样本获取难、训练周期长、场景泛化弱的问题。

联想自主研发的Edge AI小样本终身学习技术可以非常好地解决这一难题。一方面,联想边缘大脑小样本终身学习技术不依赖大量的缺陷样本,只需要几十个好的产品即可训练模型;另一方面,模型训练周期非常短,通常一个场景任务的训练时间只有几个小时。

联想研究院人工智能实验室联想大脑研发总监虞文明在MWC上海联想展区现场介绍说,“我们能够充分利用联想算法团队赋予的工业质检知识发现新的缺陷,并借助与质检专家的交互实现本地自学习、签样管理。模型通过不断学习可以自我迭代,越用越好。”

据他介绍,联想边缘大脑中的小样本训练系统已经将小样本技术产品化,可搭载在联想工控机、工作站、服务器等硬件产品,并广泛落地应用在了包括新能源电池、轴承检测、无纺布检测、3C电子、药品、家电等产品的缺陷检测场景中。
“联想边缘大脑Edge AI的使命是让AI在中国工业中得到进一步的普及,让普通质检工人就可以训练工业质检模型,降低AI在制造业的应用门槛。”他说。