- 综合排序
- 最热优先
- 最新优先
- 来自专栏联远智维
大模型工业场景使用
使用AI大模型进行图像的识别，优缺点分别为：1.具有很好的泛化能力，很多场景都能够使用；2.速度慢：整体感觉速度太慢，比较吃硬件； 以焊缝识别为例，工业电脑将图片传递给大模型，能够对黑色缺陷点进行识别， buffered, format="JPEG") base64_image = base64.b64encode(buffered.getvalue()).decode('utf-8' 从环境变量获取API密钥 api_key = os.getenv("OPENROUTER_API_KEY", "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
43700编辑于 2025-03-29 - 来自专栏PaddlePaddle
工业AI落地场景案例实战，飞桨EasyDL让工业更智能
随着工业4.0时代的到来，如何借助人工智能这把利剑，实现传统生产方式的转型升级，站在新一轮工业革命浪潮的潮头，成为每个工业制造企业不得不思考的问题。 本期飞桨EasyDL工业行业AI落地场景&案例课程，将重点分析工业质检、安全巡检、可预测维护等行业场景，助力工业企业AI技术的引入，让工业生产变得越来越智能。 3月8日，飞桨EasyDL工业行业AI落地场景&案例课程《工业能源消耗预测和优化》将给您带来一种AI驱动的节能方式——“预测性节能”，即多设备组合、负荷可变、利用人工智能算法对原有的控制系统进行优化的一种新的节能方法 3月15日，飞桨EasyDL工业行业AI落地场景&案例课程《工业轴承质检》将结合轴承企业客户一线应用场景，分析飞桨EasyDL机器学习检测算法如何赋能轴承质检。 3月22日，飞桨EasyDL工业行业AI落地场景&案例课程《厂区24H安全管理、异常监测》将分析AI助力厂区安全的全要素管理，并以某生产环境现场为案例，讲解AI如何辅助人工进行安全隐患的判断并及时预警，
1K30编辑于 2022-03-31 - 来自专栏PPV课数据科学社区
工业大数据应用场景分析
随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用 本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。 这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。 8 工业污染与环保检测 《穹顶之下》令人印象深刻的一点是通过可视化报表，柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。这给我们带来的一个启示，即大数据对环保具有巨大价值。 知识无极限 6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布 7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载 8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募 9、
1.3K90发布于 2018-04-20 - 来自专栏工业科技1
工业场景+互联网能力——5G技术赋能工业制造
5G技术作为新一代移动通信技术，形成了许多围绕着物联网和垂直行业的热门使用场景，尤其是工业互联网。 5G在工业互联网中的应用取决于其高速率、低时延、大容量和移动性，以及支持可扩展性、可编程性、多用户性的核心网，能基于同一基础架构以明确的服务水平协议支持不同使用场景。 5G技术的以上优势，能够满足高可靠、低时延、抗干扰和高安全性的工业场景要求，通过网络化、智能化实现降本增效，推动经济产业结构升级，增强工业制造领域的竞争力。 “工业场景+互联网能力”从传统工业要素“人员、机器、原料、方法、环境”各个环节切入，寻求全面互联网化升级。 5G适用于70%以上的传统工业场景，可以有效地解决传统工业场景中受限于有线连接方式的问题，衍生出一系列新型的工业应用与场景。
47530编辑于 2022-02-22 - 来自专栏物联网卡和普通流量卡的区别
5G工业路由器在工业物联网场景的通信应用
接下来善睐物联的小编跟大家聊聊：5G工业路由器在工业物联网场景的通信应用 一、5G工业路由器在工业物联网场景的通信应用 工业物联网在计算机互联网的基础上，利用传感技术、数据通信等技术，构建一个覆盖世界万物的 5G工业路由器作为场景中的核心通信设备，连接现场传感设备等实施数据采集，并通过无线网络连接云端实现远程在线控制管理，最终达到工业自动化、智能化、科技化管理。 二、5G工业路由器在智能化工业中的作用 1、全网通5G/4G网络无线连接，为设备提供高速稳定的无线接入功能，高增益天线抗阻设计，信号更强。 6、无缝对接各类PLC工业组网应用，适用于各类远程监控、远程管理、数据采集等应用，具有低延时、高速率的特点。 油位、油温、油压等数据采集； 5、智能化畜牧业养殖温湿度数据采集以及监控； 6、智能电网数据传输； 7、工业自动化数据传输； 8、气象台信息的数据采集以及监控； 9、智慧农业、智慧消防、智慧城市、智慧楼宇控制等场所
70120编辑于 2022-12-02 工业质检场景下的机器学习工程实践
引言 在智能制造时代背景下，传统质量检测方法正面临三大技术挑战：人工检测的精度天花板（平均误检率18.7%-32.4%）、多维度工艺参数与质量结果的非线性关联、实时检测的响应延迟（典型场景>500ms） ，比如焊接质量直接影响工业产品的安全性和可靠性。 NoArgsConstructor @AllArgsConstructor publicclass WeldingRecord { @NotBlank @Pattern(regexp = "WLD-\\d{8} -name:data mountPath:/data resources: limits: memory:8Gi
38920编辑于 2025-05-30Spring事务失效的8种场景
8. python 代码解读复制代码@Transactional(rollbackFor = Exception.class)在今天的文章中总结了使用 @Transactional注解导致事务失效的几个常见场景 ，如果 @Transactional事务不生效，则可以根据这几种情形排查一下，其实次数最多的也就是发生自身调用、异常被捕获、异常抛出类型不匹配这几种场景。
39810编辑于 2024-11-27- 来自专栏FREE SOLO
Redis的8大应用场景
Redis提供的incr命令来实现计数器功能，内存操作，性能非常好，非常适用于这些计数场景。 5、分布式锁 在很多互联网公司中都使用了分布式技术，分布式技术带来的技术挑战是对同一个资源的并发访问，如全局ID、减库存、秒杀等场景，并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现，但在并发量高的场合中 8、消息系统 消息队列是大型网站必用中间件，如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件，主要用于业务解耦、流量削峰及异步处理实时性低的业务。 Redis的8个应用场景 一：缓存—热数据 热点数据（经常会被查询，但是不经常被修改或者删除的数据），首选是使用redis缓存，毕竟强大到冒泡的QPS和极强的稳定性不是所有类似工具都有的，而且相比于memcached 命令：ZADD（有续集，sorted set） 八: 适用场景： 数据高并发的读写； 海量数据的读写； 对扩展性要求高的数据。
17K53发布于 2019-04-19 - 来自专栏Java技术栈
Redis 的 8 大应用场景！
之前讲过Redis的介绍，及使用Redis带来的优势，这章整理了一下Redis的应用场景，也是非常重要的，学不学得好，能正常落地是关键。 下面一一来分析下Redis的应用场景都有哪些。 Redis提供的incr命令来实现计数器功能，内存操作，性能非常好，非常适用于这些计数场景。 5、分布式锁 在很多互联网公司中都使用了分布式技术，分布式技术带来的技术挑战是对同一个资源的并发访问，如全局ID、减库存、秒杀等场景，并发量不大的场景可以使用数据库的悲观锁、乐观锁来实现，但在并发量高的场合中 8、消息系统 消息队列是大型网站必用中间件，如ActiveMQ、RabbitMQ、Kafka等流行的消息队列中间件，主要用于业务解耦、流量削峰及异步处理实时性低的业务。
1.3K30发布于 2018-09-29 - 来自专栏CVer
工业界大场景SLAM的一点探索
作者：Yusheng | 已授权转载（源：知乎） https://zhuanlan.zhihu.com/p/402344909 5年前开始接手大场景的SLAM重建，到现在适配过各种常见型号雷达，不同的 INS，RTK，另外还有诸如轮速，chassis info，4G/5G通讯定位等信号的输入，处理过许多复杂场景，例如隧道，严重堵车等环境。 www.bilibili.com/video/BV17q4y1D787 数据采集&数据准备 采集车是一辆红旗H9轿车，用到的雷达是顶部的一台128线雷达，组合导航设备是一台平凡无奇的车用级组合导航设备，车辆搭载了8摄像头的周视系统
46430发布于 2021-11-02 - 来自专栏Vincent-yuan
Spring 事务失效的 8 大场景
用 Spring 的 @Transactional 注解控制事务有哪些不生效的场景？ 不知道小伙伴们有没有这样的经历，在自己开心的编写业务代码时候，突然某一个方法里的事务好像失效了。 那么这篇文章就来总结一下，大家给大家造成 “spring事务失效”错觉的 几个常见场景，然后对症下药。 Let's GO!!! 以本人的经历中遇到的问题，大概分有以下几个场景： 数据库引擎是否支持事务（Mysql 的 MyIsam引擎不支持事务）； 注解所在的类是否被加载为 Bean（是否被spring 管理）； 注解所在的方法是否为 异常被吃了 异常类型错误 下面展开分析每一个场景： 数据库引擎不支持事务 这里以 MySQL 为例，其 MyISAM 引擎是不支持事务操作的，InnoDB 才是支持事务的引擎，一般要支持事务都会使用 总结：本文总结了 8 种事务失效的场景，其实发生最多就是自身调用、异常被吃、异常抛出类型不对这 3 个了，像文章开头说的那样，本文不一定总结得全，只是总结常见的事务失效的场景 转自： https://blog.csdn.net
60140发布于 2021-08-10 - 来自专栏Andon安灯系统看板工厂
工业ANDON无线安灯系统拉绳盒应用场景
因而现代化的工业制造型企业需要通过使用最新技术，联合多个独立的生产线组成一个优化的生产链，并连接基础的自动化级、过程级与管理级。 ANDON无线安灯系统拉绳盒应用场景是企业实现生产智能化、及时化、可视化的重要手段，也是mes系统的重要组成部分。 因而现代化的工业制造型企业需要通过使用最新技术，联合多个独立的生产线组成一个优化的生产链，并连接基础的自动化级、过程级与管理级。 ANDON无线安灯系统拉绳盒应用场景系统借助信息系统，能根据订单要求快速定义新的看板环路，计算出看板数量，发布ANDON无线安灯系统拉绳盒应用场景，彻底改变了使用传统看板时因种类繁多、频繁变更而难以管理的现象 以上就是"ANDON无线安灯系统拉绳盒应用场景"的全部内容，如果需要了解更多ANDON无线安灯系统拉绳盒应用场景相关信息，请访问其它页面或直接与我们联系。
42500编辑于 2023-03-06 - 来自专栏GPUS开发者
NVIDIA Deepstream 4.0笔记（四）：工业检测场景应用
本次笔记整理自NVIDIA 8月20日在线研讨会，原讲座标题：DEEPSTREAM SDK – ACCELERATING REAL-TIME AI BASED VIDEO AND IMAGE ANALYTICS AI的视频和图像分析 接下来的几篇我们从几个实际的案例来讲解如何构建Deepstream 我们已经讲了第三点中的Smart Retail NVIDIA Deepstream 4.0笔记（二）：智能零售场景应用 和智能交通系统 NVIDIA Deepstream 4.0笔记（三）：智能交通场景应用 今天我们讲工业检测场景应用 可以从相机和人工智能中受益的下一个行业是制造业和工业。 非常有用的工业应用的检测技术是分割（segmentation）。与对象检测（ object detection）中的边界框相比，您可以突出显示对象的精确轮廓，像素到像素。 它在Deepstream4.0中的工业检测可以支持分割模型，单色模型和硬件加速的JPEG解码 ? NVIDIA扩展了nvinfer插件的功能，以便本地处理Segmentation。
1.9K22发布于 2019-08-29 - 来自专栏全栈程序员必看
工业通信网络的架构、应用场景及需求
目录 1、ISA-95标准参考模型 2、RAMI 4.0参考架构 3、工业互联网络体系架构 4、IT-OT融合体系架构 5、工业网络3类应用场景和8项需求 ---- 工业互联网、工业4.0、中国制造2025 图5 IT-OT融合体系架构 5、工业网络3类应用场景和8项需求 现有工业通信网络应用场景主要包括3类：广域应用场景、工厂级应用场景和现场级应用场景，具体描述如下。 数据采集及分析，生产过程数据、设备故障信息、资源监控的可操作和可视化 一般采用工业控制总线 布线成本比较高, 有些地方不好布线, 工业控制总线数据采集不够全面, 组网方式比较简单, 新的应用场景需要更多样的拓扑结构 工业通信网络的8项需求具体描述如下。 需要工业云平台对用户定制应用的良好支撑以及对制造、物料、物流的高效协同 8 企业和智能产品的连接需求 产品和工厂的泛在连接将是预测性维护、远程维护的网络基础, 也是企业实现服务化转型的基础 需要重点解决广域大连接的问题
1.5K20编辑于 2022-11-08 - 来自专栏智慧物联产品＆方案
Wifi6工业网关在煤矿场景的应用优势
这些特性对于工业生产场景有哪些好处呢？本篇就结合煤矿场景，为大家简单介绍一下支持Wifi6通信标准的工业网关的优势。 1、井下作业人员佩戴的胸卡、手环、安全帽标签等定位终端，以及井下开采设施、运料设备的监测终端，海量数据都可以通过wifi6工业网关实时传输至地面监控中心。 3、煤矿场景中子系统众多，包括掘进、运输的生产子系统，通风、排水的安全子系统，设备监测、人员监测的保障类子系统等等。针对多类子系统的数据通信需求，wifi6工业网关支持2.4G/5G Hz双频段通信。
69210编辑于 2022-06-08 AR眼镜在工业运维的场景应用和方案说明
从生产线的日常巡检到复杂设备的突发故障维修，从新员工的技能培训到跨地域专家的协同作业，AR 眼镜以其独特的虚实融合能力，重新定义了工业运维的模式与效率。工业运维中，设备巡检是预防故障的第一道防线。 新员工培训是工业运维中另一个痛点。传统培训多依赖理论讲解与师傅带教，周期长且效果参差不齐。AR 眼镜打造的沉浸式培训场景，让新手能在模拟环境中快速掌握技能。 要实现这些场景的落地，需构建一套完整的 AR 工业运维方案。 其次，开发适配工业场景的 AR 交互功能，包括语音控制、手势识别、眼球追踪等，确保在嘈杂、油污的车间环境中操作的准确性。 关于阿法龙XR云平台阿法龙XR云平台专注提供高质量的AR智能化工业软件产品，致力于帮助传统工业企业在数字化时代快速转型。
51110编辑于 2025-08-12AR眼镜+AI：重构工业运维场景的智能核心载体
在工业运维领域，设备巡检的精准度、时效性与合规性直接决定生产安全与运营效率。传统运维依赖人工记录、经验判断，存在漏检误判、流程不规范、数据滞后等痛点。 AR眼镜融合AI、语音交互、影像存储等技术，构建起“感知-决策-执行-追溯”全流程智能运维体系，尤其在仪器仪表识别、分时巡检提示、作业合规管控等场景中展现出独特价值，成为工业数字化转型的关键终端。 系统可根据工业生产的节律特点，预设上午、下午不同时段的巡检重点：上午生产启动阶段，自动提示运维人员重点检查动力设备启动参数、管路压力稳定性、安全防护装置状态等关键项；下午生产负荷稳定阶段，则聚焦设备运行温度 提示信息以AR全息弹窗形式叠加在现实场景中，运维人员按弹窗指引逐步推进，避免漏检、重复检查，同时确保巡检工作与生产节奏精准匹配，提升运维与生产的协同效率。 AR眼镜以其轻量化、智能化、场景化的优势，将AI识别、分时调度、合规管控等功能深度融入工业运维全流程，不仅将巡检效率提升60%以上，还通过数据闭环管理实现运维工作的标准化与可追溯。
32710编辑于 2026-01-05- 来自专栏用户9379088的专栏
工业场景全流程！机器学习开发并部署服务到云端
整个机器学习管道（pipeline）如下图所示： 场景案例&手把手本案例中用作示例的数据来自保险场景，保险公司希望通过使用人口统计学信息和基本患者健康风险特征，更准确地预测患者保单费用，以优化其使用的现金流预测的准确性 # 保存转换流水线和模型save_model(lr, model_name='/username/ins/deployment')复制代码这样我们就快速完成了第 1 步，注意，实际业务场景下，大家会做更精细化的数据清洗 DOCTYPE html><html><head> <meta charset="UTF-<em>8</em>"> <title>Predict Insurance Bill</title> <link href=
3.3K20编辑于 2022-09-21 - 来自专栏ShowMeAI研究中心
工业场景全流程！机器学习开发并部署服务到云端 ⛵
整个机器学习管道（pipeline）如下图所示：图片 场景案例&手把手本案例中用作示例的数据来自保险场景，保险公司希望通过使用人口统计学信息和基本患者健康风险特征，更准确地预测患者保单费用，以优化其使用的现金流预测的准确性 # 保存转换流水线和模型save_model(lr, model_name='/username/ins/deployment')图片这样我们就快速完成了第 1 步，注意，实际业务场景下，大家会做更精细化的数据清洗 DOCTYPE html><html><head> <meta charset="UTF-<em>8</em>"> <title>Predict Insurance Bill</title> <link href=
3.8K21编辑于 2022-11-19 - 来自专栏PaddlePaddle
根植于工业级大规模深度学习应用场景的PaddlePaddle
首先，在当时还没有什么工业界的深度学习框架，也就是百度在深度学习应用刚起步时就意识到了建设通用框架的重要性；另一个是并行分布式，深度学习的威力依赖大数据，工业级的深度学习必须有大规模训练的支持，百度在深度学习框架构建之初就定位了它的分布式训练能力 这些场景上，深度学习用来构建系统最核心的点击率预估模型，使用了比语义匹配更多的离散特征，包括一些ID特征和组合特征。 基于这些实际业务中大规模深度学习应用的介绍，于佃海指出，不同场景的深度学习的特点及规模化的难度存在极大差异。图像类任务，往往网络的深度和计算的密集型比较突出。 对于百度当前各产品线上的海量数据超大规模稀疏特征的深度学习任务，当今市面上的大部分开源框架是很难支撑起来的，当然其中一些在设计层面就没有特别考虑工业级的大规模训练问题。 例如在百度信息流推荐场景下，PaddlePaddle十小时内可轻松完成千亿规模参数模型在百亿日志数据上在线训练，完美支持信息流推荐排序任务。
78430发布于 2018-12-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号