工业AI项目-持续学习更新中

欢迎补充。。。抱拳!

1.AI工业项目介绍

1.0 比赛平台

  1. 和鲸社区
  2. 天池
  3. kaggle

1.1 天池7号馆

1.1.1 布匹缺陷检测

佛山南海纺织布匹图像缺陷检测
1.比赛链接

天池七号馆-比赛链接地址

2.方案链接

1.1.2 铝型材表面瑕疵识别

数据集里有1万份来自实际生产中有瑕疵的铝型材监测影像数据,每个影像包含一个或多种瑕疵。供机器学习的样图会明确标识影像中所包含的瑕疵类型。
图片所含瑕疵类型总计10种,分别为:不导电、擦花、角位漏底、桔皮、漏底、喷流、漆泡、起坑、杂色、脏点。
1.比赛链接

天池七号馆-比赛地址

2.方案链接

各方案地址链接

1.1.3 包裹X光限制品监测-语义分割

利用X光图像及标注数据,研究开发高效的计算机视觉算法,监测图像是否包含危险品及其大致位置。通过自动化监测包裹携带品算法,降低漏检风险及误报率,提升危险品管理效率。本次比赛是一次未来物流及安防行业的有益尝试,对行业未来发展有着不可估量的价值。
1.比赛链接

天池七号馆链接

2.方案链接

方案链接

1.2 天池学习赛

1.2.1 街景字符编码识别

赛题来源自Google街景图像中的门牌号数据集(The Street View House Numbers Dataset, SVHN),并根据一定方式采样得到比赛数据集。
数据集报名后可见并可下载,该数据来自真实场景的门牌号。训练集数据包括3W张照片,验证集数据包括1W张照片,每张照片包括颜色图像和对应的编码类别和具体位置
1.比赛链接

比赛链接

2.方案链接

1.2.2 工业蒸汽量预测

火力发电的基本原理是:燃料在燃烧时加热水生成蒸汽,蒸汽压力推动汽轮机旋转,然后汽轮机带动发电机旋转,产生电能。在这一系列的能量转化中,影响发电效率的核心是锅炉的燃烧效率,即燃料燃烧加热水产生高温高压蒸汽。锅炉的燃烧效率的影响因素很多,包括锅炉的可调参数,如燃烧给量,一二次风,引风,返料风,给水水量;以及锅炉的工况,比如锅炉床温、床压,炉膛温度、压力,过热器的温度等。
经脱敏后的锅炉传感器采集的数据(采集频率是分钟级别),根据锅炉的工况,预测产生的蒸汽量。
1.比赛链接

比赛链接

2.方案链接

1.2.3 异烟酸收率预测

以异烟酸生产过程中的各参数,包括各主要步骤的时间、温度、压强等参数为基础,设计精确智能的优秀算法,提升异烟酸的收率。
1.比赛链接

比赛链接

2.方案链接

1.2.4 [制造无锡]雪浪制造AI挑战赛—视觉计算辅助良品检验

比赛链接

1.2.5 乘用车预测

销量预测
上牌量预测

1.2.6 天池工业AI大赛-智能制造质量预测

比赛提供了半导体TFT-LCD(薄膜晶体管液晶显示器)生产线上的数据,反应机台的温度,气体,液体流量,功率,制成时间等因子。通过这些因子,需要选手设计出模型,准确的预测与之相对应的特性数值。
1.比赛链接

天池链接

2.方案链接

论坛链接
天池工业AI大赛-智能制造质量预测 比赛历程和技术方案总结复赛48名

1.2.7 电量预测

基于给定的扬中市高新区的1000多家企业的历史用电量数据精准预测下一个月的每日总用电量。

比赛链接

1.3 科大讯飞

1.3.1 工程机械核心部件寿命预测

由中科云谷科技有限公司提供某类工程机械设备的核心耗损性部件的工作数据,包括部件工作时长、转速、温度、电压、电流等多类工况数据。希望参赛者利用大数据分析、机器学习、深度学习等方法,提取合适的特征、建立合适的寿命预测模型,预测核心耗损性部件的剩余寿命。
1.比赛链接

比赛链接

2.方案链接

科大讯飞2019机械核心部件寿命预测,亚军方案
亚军方案-Demo
B站方案讲解视频

1.4 DCIC

1.4.1 CIC-混凝土泵车砼活塞故障预警

1.方案

DCIC-混凝土泵车砼活塞故障预警-冠军方案

2.比赛

混凝土泵车砼活塞故障预警

1.5 2020中国华录杯·数据湖算法大赛—定向算法赛(吸烟打电话检测)

1.网址

.官网赛事地址

2.说明


 1. 初赛数据集

(1)训练数据集:共6150张样本

(2)测试数据集A榜:共1500张预测样本

 2. 赛题分数计算方式: mAP

result.json

[{"image_name": "0.png", "category": "smoking", "score": 0.94135},

{"image_name": "1.png", "category": "calling", "score": 0.99156},

{"image_name": "2.png", "category": "smoking_calling", "score": 0.89167},

{"image_name": "3.png", "category": "normal", "score": 0.99134}]

3.refer

  1. 【华录杯】深度学习吸烟打电话识别-torch
  2. 吸烟打电话检测Baseline-paddlex
  3. TensorFlow2利用猫狗数据集完成分类任务-参考代码结构
  4. tf2-图像分类
  5. 2020中国华录杯·数据湖算法大赛—定向算法赛(吸烟打电话检测)baseline-tensorflow2.3-python3.6
  6. 2020中国华录杯·数据湖算法大赛—定向算法赛(吸烟打电话检测)-tensorflow2.3-python3.6-迁移学习

1.6 水下光学目标检测产业应用赛

水下光学目标检测产业应用赛项-和鲸社区
2020年全国水下机器人(湛江)大赛——水下光学图像目标检测 Rank3 方案分享

1.7 迁移学习「借贷风险评估」解决方案

迁移学习提供「借贷风险评估」解决方案

baseline

1.8 DataFunction-安全帽佩戴检测

DataFunction-安全帽检测

1.9 和鲸社区-数据集

和鲸-光伏电池异常检测数据集
磁砖表面缺陷图像数据集
和鲸社区-数据集

2.工业应用

2.1 吴恩达-LandingAI

LandingAI官网

2.2 讯飞工业设备声音检测平台

科大讯飞工业解决方案

2.3 xx科技工业AI方案

CV行业解决方案和产品

智能交通解决方案-智能卡口系统
变电站智能巡检机器人
交通事件智能检测系统
智能客流统计系统
铁路供电安全—异常缺陷识别
人脸识别

2.4 XX智能

产品官网
业务和方案

车牌识别系统
人脸识别通道一体机系列

3.工业AI相关文章

1.【工业智能】人工智能之于工业,应当是融入者而非颠覆者;记一场工业场景下的AI技术实践
2.人工智能在工业领域的应用有哪些?
3.制造业的机器学习:优势,挑战和机会
4.AI落地工业:既要互联又要智能

能效管理、生产改善、预测性维护、视觉识别是目前工业AI落地的主要应用场景

 1. A类应用:能效管理与生产改善
 2. B类应用:预测性维护:
  岩气开发专用车辆的能源存储设备,
  高速铁路列车的齿轮箱,
  风力发电机的轴承,
  这些昂贵且不容易更换的的设备才是预测性维护的真正发力市场。
 3. C类市场:工业视觉与图像识别
    通用AI在视觉领域与安防领域的确获得较快发展,目前工业视觉中能归类到AI的基本上都是抓取类应用

5.浅析AI技术的现状以及人工智能在工业应用
6.人工智能在行业应用现状分析
7.机器学习、深度学习等人工智能技术在工业界的应用状况是怎样的?
8.人工智能在制造业中的应用

4.项目视频或资料

1.目标检测视频
2.洗衣机面板缺陷检测视频
3.烟雾检测
4.工业物体测量
5.仪表识别

5 Kaggle

5.1 Severstal: Steel Defect Detection

金属缺陷检测

5.2 VSB Power Line Fault Detection

电线故障检测

5.3 Machinery Tube Pricing

机械管报价比赛

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
天池智能制造质量预测数据集 背景描述 半导体产业是一个信息化程度高的产业。高度的信息化给数据分析创造了可能性。基于数据的分析可以帮助半导体产业更好的利用生产信息,提高产品质量。 现有的解决方案是,生产机器生产完成后,对产品质量做非全面的抽测,进行产品质量检核。这往往会出现以下状况,一是不能即时的知道质量的好坏,当发现质量不佳的产品时,要修正通常都为时以晚,二是在没有办法全面抽测的状况下,存在很大漏检的风险。 在机器学习人工智能快速发展的今天,我们希望着由机器生产参数去预测产品的质量,来达到生产结果即时性以及全面性。更进一步的,可基于预先知道的结果,去做对应的决策及应变,对客户负责,也对制造生产更加敏感。 痛点与挑战: 1)TFT-LCD(薄膜晶体管液晶显示器)的生产过程较为复杂,包含几百道以上的工序。每道工序都有可能会对产品的品质产生影响,故算法模型需要考虑的过程变量较多。 2)另外,这些变量的取值可能会存在异常(如测点仪表的波动导致、设备工况漂移等现象),模型需要足够稳定性和鲁棒性。 3)产线每天加工的玻璃基板数以万计,模型需要在满足较高的精准度前提下尽可能实时得到预测结果,这样才能给在实际生产进行使用。 价值: 1)如果能够建立算法模型准确预测出特性值,便可以实现生产过程的实时监控和预警,提前发现当前工序的问题、避免问题流入到后道工序,减少生产资源浪费的同时也优化了产品良率。 2)基于预测模型得到的关键参数,工艺人员能够快速地针对那些电性表现不佳的产品进行问题溯源分析,重点分析和调整那些关键的影响因子,加快不良问题的处理、提高整体工艺水平。 3)该预测模型在部署后也可以用于减少特性检测相关的工序,能够节约检测资源并且对提升产线整体的产能有正面作用。 数据说明 每条数据包含8029列字段。 第一个字段为ID号码,最后一列为要预测的值Y。其余的数据为用于预测Y的变量X。这些变量一共由多道工序组成,字段的名字可以区分不同的工序,例如 210X1, 210X2。300X1,300X2。字段的TOOL_ID或者Tool为每道工序使用的机台,如果是string类型,需要选手自行进行数字化转换。注意: 数据存在缺失值。 测试集分为A/B两份,相比训练集,最后一列的value值是缺失的,研究人员可以根据训练数据做模型训练,并对测试集做预测。为了方便研究人员评测算法效果,我们提供了测试集A的答案。 问题描述 本数据集提供了生产线上的抽样数据,反应机台的温度,气体,液体流量,功率,制成时间等因子。 通过这些因子,需要研究人员设计出模型,准确的预测与之相对应的特性数值。这是一个典型的回归预测问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值