现在,M1 Mac 可以顺利运行原生 Linux 了。专为苹果自研芯片打造的 Asahi Linux 项目,Alpha 版本已经释出。在 Mac 采用英特尔 CPU 的时期,用户已经摸索出通过硬盘分区或者使用 Parallels 等虚拟机在 Mac 上安装 Linux 的方法。但到了苹果自研的 M1 处理器,一切又得重头开始。而 Asahi Linux 的目标,就是让苹果 M1 系列 Mac 用户能真正拥抱 Linux。所以在苹果电脑上装一个原生 Linux 系统,究竟是一种怎样的体验?一位有 30 万 + 粉丝的 YouTuber 在他的 M1 Mac 上亲测了一下。经过一系列测评,小哥表示...... Last article READ

阿里AI上岗南京钢铁 精准识别发丝级钢板裂纹

细如头发丝的裂纹会严重影响钢板质量,其检测一直是行业老大难,需要工人踩在高温钢板上,打着电筒仔细寻找,一天走上万步,既辛苦还容易看走眼。记者昨日获悉,全国特大型钢企南京钢铁上线了AI质检系统,借助阿里达摩院先进算法,钢板表面缺陷检出率从原来人工的90%提升至98%,钢板出厂质量明显提升,质量异议金额从0.06元/吨降至0.02元/吨。

记者在南京钢铁中厚板卷厂看到,生产线上新架设了一个蓝色的“小房子”,热气腾腾的钢板从下面经过,特别布置的相机两面实时抓拍,数据立马回传到小房子里的AI系统进行分析,3秒钟即可得出结论,不论是头发丝般的裂纹还是压入的微小异物,都被AI精准识别出来。一些肉眼难以分辨的相似印痕,比如裂纹和氧化铁皮脱落,AI识别起来毫不费力。这套AI系统全称为热轧钢板表面质量检测与识别系统,由南钢中厚板卷厂、金恒科技、阿里云、阿里达摩院、冶自欧博等联合研发,近期正式通过验收。

中厚板AI表检系统

据介绍,裂纹等表面缺陷会严重影响钢板的强度和质量,尤其是中厚板(4-25毫米厚度),其广泛应用于桥梁、造船以及各种工程中,钢板质量直接影响工程质量。钢板出厂前会有严格质检,工程方收货后还会进行验收复检,发现缺陷会发起质量异议,一旦判定不合格,钢厂需要赔偿。因此,质量异议金额是衡量钢板出厂质量的重要指标。

传统人工质检主要依靠肉眼,经验丰富的老师傅打着手电筒,踩在钢板上弯腰细看,发现缺陷后用笔做标注。这非常依赖眼力,也很考验体力,因为这些热轧钢板送到冷床后,表面依然还有五六十度高温。“夏天可能有一百度,劳保鞋有时候都会冒烟。”南钢中厚板卷厂的张雨兵师傅介绍说,一个班下来,要走上1万多步,经常全身都湿透了。

传统人工检查钢板缺陷

即便如此辛苦,人工难免漏检,尤其是客观条件所限,人工只能检查上表面,无法检查下表面,导致最终检出率只有90%左右。而采用AI系统后,缺陷检出率达98%,准确率达90%。据南钢中厚板卷厂统计,其钢板质量异议金额从2019年的0.06元/吨降至2021年的0.02元/吨,客户投诉减少,质量明显提升。同时,工作条件也大为改善,工人只需要远程操作电脑,不必再高温作业。

工人使用AI系统

据介绍,中厚板AI表检尚属于行业难题,全国尚无成熟案例,南钢项目历时近2年,各种挑战层出不穷。金恒科技优化了产线运输方案,重点攻克了板号对齐等难题,为AI应用生产奠定基础。不过,由于环境背景干扰严重,钢板缺陷微小且多样,加之缺陷数据偏少,普通AI识别效果不佳。达摩院算法工程师赵嘉星介绍说,南钢项目进行了大量算法创新和优化,专门设计了针对小样本的深度神经网络,对不同类别的微小缺陷进行定制化处理,还开发出了专门模型来消除环境干扰,在算法中融入了大量基于业务逻辑的先验信息,使得AI可以从容应对复杂环境,精准识别各种缺陷。AI检测结果结合金恒开发的智能报表生成系统,自动化评估生产质量,促进产线持续改良。

简介本文不是关于模型的质量。它甚至不涉及扩展、负载平衡和其他DevOp。它是关于一个更普遍但有时会遗漏的事情:处理不可预测的用户输入。在训练模型时,数据科学家几乎总是有一个受控的数据环境。这意味着使用已经准备好的数据集,或者有时间和资源手动收集、合并、清理和检查数据。通过准确地执行此操作,可以提高基于这些数据训练的模型的质量。假设模型足够好,可以部署到生产中。在最好的情况下,仍然可以控制环境(经典的服务器端部署)。但即便如此,用户也会从各种设备和来源上传图像。在边缘部署的情况下,还有一层复杂性:无法控制环境。在这两种情况下,模型都应该立即响应,开发人员没有时间手动检查数据。因此,至关重要的是:......Next article READ