故事作者:西门子工业边缘计算

最近创作

看看TA的故事

应用案例 | 电子行业的垃圾分拣,原来是这样做的!

已锁定

西门子工业边缘计算

总坛主

  • 帖子

    9
  • 精华

    0
  • 被关注

    1

论坛等级:游民

注册时间:2022-04-24

普通 普通 如何晋级?

应用案例 | 电子行业的垃圾分拣,原来是这样做的!

1795

4

2022-04-28 10:10:41

背景与挑战


我们都知道:电子组装企业,每天会产生大量工业垃圾。传统垃圾分类方式下,企业依靠人工进行分拣和处理。一方面浪费大量人力,增加用工成本;另一方面,工人长期工作也会出现倦怠、疲劳等问题。另外,工人们的专业课知识差异等人为因素也会导致垃圾分类不准,从而引发严重的环境污染问题,对企业和社会造成无法挽回的损失。


目前,电子制造行业工业垃圾种类繁多,现有算法主要基于简单机器视觉模型构建,操作复杂且准确率低。对于新出现的垃圾种类,无法自动化识别,不具备可扩展性。

企业通过垃圾分拣系统能实现哪些目标呢?


  • 实时识别和处理4大类,16小类的工业垃圾

  • 支持垃圾种类的动态扩展,识别率可达到95%以上

  • 其中危废垃圾识别率达到100%

  • 系统在工厂内24小时运行,所采用和提供的硬件、软件提供工业级的稳定保障



西门子工业边缘和人工智能解决方案


借助边缘计算,人工智能,云计算赋能垃圾分类:


  • 从总体架构上,系统共分为三层:云计算在最上层,系统借助云计算的存储和运算资源进行人工智能算法训练。

  • 边缘层位于工厂内,在靠近数据产生的设备和控制的现场端,集中解决数据存储和处理面临的瓶颈和压力,采用高效实时的运行现场应用,包括:人工智能模型推理、性能分析、图片展示、图片标注、云边协同以及自动控制等。

  • 现场层主要包括自动控制设备,如可编程逻辑控制器、器械手臂和摄像系统等。在这一层,自动控制设备会直接和工业垃圾直接打交道,是整个系统的手、脚和眼睛。


基于人工智能的自动垃圾分类系统

3rapp-ne4q1.avi


方案亮点

工业垃圾识别技术

  • 通过融合多个摄像头的拍摄照片,提高工业垃圾识别精度

  • 通过基于深度学习的最新算法进行图像分类,解决数据不均衡和新分类检测问题

  • 基于用户自定义的分类错误可接受度,生成定制化的优化目标函数,实现垃圾分拣的可定制性

工业应用的云边协同

  • 将系统内需要大量存储和计算资源,同时实时性要求不高的应用放在云计算平台上处理,比如本系统内的人工智能模型训练部分

  • 将系统内计算资源相对较小,实时性要求较高的应用,放在西门子工业边缘平台处理,比如本系统内的人工智能模型推理、标注等应用


客户收益


  • 针对电子组装工厂,提供标准化的行业解决方案,可以快速复制落地。同时,也借助云计算平台、边缘平台实现快速推广和成本控制

  • 在一定程度上,节约了人力成本,减少了企业的用工成本

  • 提高了工厂垃圾分拣效能,有效规避了企业的环保风险,为环境保护做出巨大贡献


应用案例 | 电子行业的垃圾分拣,原来是这样做的! 已锁定
编辑推荐: 关闭

请填写推广理由:

本版热门话题

网友专栏

共有3232条技术帖

相关推荐

热门标签

相关帖子推荐

guzhang

恭喜,你发布的帖子

评为精华帖!

快扫描右侧二维码晒一晒吧!

再发帖或跟帖交流2条,就能晋升VIP啦!开启更多专属权限!

top
您收到0封站内信:
×
×
信息提示
很抱歉!您所访问的页面不存在,或网址发生了变化,请稍后再试。