Гонки на вычислительную мощность — гонки за пределами ускоряющей трассы визуального контроля

Если большая модель — это автомобиль, то вычислительная мощность — это двигатель.

Проверка дефектов бутылок всегда был «барьером» в области визуального контроля, и «уровнем», который долгое время не был преодолен в отрасли. В сценариях обнаружения в реальном времени модели должны быстро принимать решения и реагировать, а также предъявлять более высокие требования к обработке крупномасштабных данных и сложным вычислениям.

Взяв за пример высадку «Проекта Маотай», dВ процессе реализации данного проекта требуется большой объем данных, которые необходимо обработать и проанализировать за короткий период времени. Без достаточных вычислительных мощностей невозможно быстро обработать эти данные, что влияет на эффективность обучения и скорость реакции модели. Традиционные методы не могут удовлетворить потребности быстрой обработки в ситуациях с большими объемами данных. Поэтому для ускорения процесса обработки данных необходимы более эффективные алгоритмы искусственного интеллекта и более мощные вычислительные мощности.

Поэтому Кей разработал решение для визуального контроля для бутылок ликера Маотай, используя около 50 камер, соединенных вместе и снимающих более 400 изображений в секунду для обнаружения дефектов в горлышке, корпусе, дне и внутренней боковой стенке бутылки.

Кроме того, важную роль в этом проекте сыграл блок периферийных вычислений AI, разработанный KEYE. Устройство с почти 50 соединенными вместе камерами обеспечивает 256Т вычислительной мощности, обеспечивая обработку более 400 изображений в секунду, а также имеет избыточную вычислительную мощность даже в часы пик.

Реализация встроенного ускорения для моделей ИИ

Помимо визуального контроля в традиционных отраслях промышленности, Проекты визуального контроля ИИ в промышленной сфере также постепенно движутся к тренду «больших моделей с высокой вычислительной мощностью». В процессе сбора данных о продукте необходимо за короткий период времени обработать и проанализировать их, чтобы извлечь особенности и закономерности, необходимые модели. Это приводит к большому объему данных, и традиционные системы не могут удовлетворить потребности в быстрой обработке. Столкнувшись с огромными объемами данных, KeyeTech внедряет распределенную систему, которая использует блок периферийных вычислений искусственного интеллекта, разработанный ею под системой Linux, в качестве узла для обеспечения узловых вычислений для распределенной системы. Распределенные системы обладают высокой масштабируемостью при работе с большими моделями, обеспечивая поддержку неограниченной вычислительной мощности для ускорения создания моделей.

В дополнение к ускорению рассуждений и обучения глубокому обучению искусственного интеллекта, блок периферийных вычислений KEYETECH-AI разработан самостоятельно в системе Linux, что позволяет разработчикам свободно переносить код между различными аппаратными архитектурами и может более легко использовать встроенные возможности ускорения искусственного интеллекта. чип. Спрос на вычислительную мощность оборудования для визуального контроля с использованием искусственного интеллекта со стороны будущих предприятий будет становиться все более высоким. Благодаря вычислительной мощности ускоряется эра восприятия, взаимосвязи и интеллекта всех вещей. Перед лицом такой тенденции компания KEYETECH-AI Technology взяла на себя роль «лидера» в отрасли, активно разработала периферийные вычислительные устройства KEYETECH-AI и внедрила распределенные системы, продвигая дефекты внешнего вида бутылки, визуальный осмотр, промышленность развиваться в сторону высокой скорости, эффективности и стабильности.