初創(chuàng)公司 CEO 將 “以數據為中心的 AI” 理念融入到 Landing AI 產品中，并通過 NVIDIA GPU 加速，得到了客戶的青睞。

專業(yè)計算機視覺公司 Landing AI 有一張獨特的名片——其聯合創(chuàng)始人兼首席執(zhí)行官是一位科技界的 “搖滾明星” 。

吳恩達 (Andrew Ng) 在 Google Brain 曾因展示深度學習如何以驚人的速度和準確度識別海量圖像中的貓而一舉成名。后來他創(chuàng)辦了 Coursera，其機器學習課程吸引了近 500 萬名學生。

如今，吳恩達最為人所知的是他所提出的 “以數據為中心的 AI” 的觀點。吳恩達認為，為了提高 AI 性能，現在應該將重心從完善神經網絡模型轉移到數據集。他將這一理念融入到 Landing AI 的旗艦產品—— LandingLens 中。

Landing AI 成立于 2017 年，其用戶包括富士康、Stanley Black & Decker 和汽車供應商日本電裝。這些公司以及其他許多公司都已經在使用深度學習提高效率和降低成本。

解決分類難題

最早嘗試使用 LandingLens 的公司之一是一家工廠遍布全球的芯片制造商。該公司想通過深度學習提高其晶圓廠的晶圓級芯片吞吐量和產量。

Landing 負責該客戶的聯絡人 Quinn Killough 表示：“與所有其他芯片制造商一樣，他們的工廠車間也有很多視覺檢測機器負責在各個步驟掃描晶圓。雖然他們在異常檢測方面做得很好，但卻無法很好地對所檢測到的異常進行缺陷分類?！?/p>

有計算機視覺和制造知識背景的 Killough 表示，和許多芯片制造商一樣，該公司也使用過許多軟件程序進行分類，“但這些解決方案需要針對每種產品進行微調，而這家公司有 100 多種產品，因此這筆投資并不值得?！?/p>

通過 AI 實現檢測自動化

后來客戶使用了 LandingLens 所提供的 AI 能力。這款產品可處理從數據采集到模型訓練和部署的整個端到端機器學習運維 (MLOps) 流程，然后管理模型，尤其是數據的持續(xù)完善，最終改善結果。

盡管這一部署還處于早期階段，但該產品及這個以數據為中心的方法已經幫助這家芯片制造商降低了成本。

Killough 表示：“推動該項目的主要工程師告訴我們，他認為深度學習是一場變革并且希望在他的工廠中推廣這種方法，同時讓其他工廠也采用這種方法。”

位于云端的 “檢測員”

這家芯片制造商使用 NVIDIA V100 Tensor Core GPU 運行 LandingLens。這項云服務每天可對數十萬張圖像進行推理。

Killough 表示：“我們一開始并不確定它的吞吐量，但現在看來，它顯然足夠對付這些圖像，而且就算出現更多的圖像也不在話下。”

這項服務可以在不到一分鐘的時間內使用約 50 張缺陷圖像訓練一個新的分類模型，使用戶可以快速迭代。

“我們的工具必須能夠讓客戶感受到訓練的快捷，這樣才能幫助我們的客戶解決問題和嘗試各種解決方案?！?/p>

將 AI 帶到邊緣

現在，該公司正在使用新產品 LandingEdge 將 AI 帶到工廠車間。目前，Landing AI 正在與幾家客戶測試這款產品。

LandingEdge 可以通過攝像頭捕捉圖像，然后在配備 NVIDIAJetson AGX Xavier 模塊的工業(yè) PC 上運行推理。這項工作產生的洞察被直接反饋給操作機械臂、傳送帶和其他生產系統(tǒng)的控制器。

LandingEdge 產品經理 Jason Chan 表示：“我們的目標是提高質控水平，為快速、不斷迭代的 AI 流程創(chuàng)造飛輪效應?！?/p>

加速初創(chuàng)企業(yè)的成長

為了盡早獲得最新的技術和專業(yè)知識，Landing AI 加入了 NVIDIAMetropolis 計劃。這項計劃面向通過 AI 視覺將空間和操作變得更安全、更高效的公司。

與 Landing AI 一樣，“以數據為中心的 AI” 理念現在仍處于早期發(fā)展階段，而吳恩達認為它可能成為這十年中最大的技術變革之一。

原文標題：計算機視覺在制造業(yè)大顯神通：初創(chuàng)企業(yè)實現工廠檢測自動化

文章出處：【微信公眾號：NVIDIA英偉達企業(yè)解決方案】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅