DGX 工作站助力卓绝智能 打造智能无人工厂
2020-10-10 17:16
分享到微信
分享到微博
案例简介
• 卓绝智能是一家提供智能机器人方案、印包领域的智能化生产型设备，以及人工智能方案在产业端导入的科技企业。卓绝智能基于NVIDIA DGX工作站，使用YOLO算法开发针对印刷场景的目标检测模型。
• 本案例中通过NVIDIA DGX工作站，可以在桌面进行高效深度学习训练。让机器人以深度学习方式感知周围环境并与之交互，让机器人胜任难以想象的任务。
• 本案例主要应用到NVIDIA DGX工作站。
Case Introduction
• TrojanJet is an intelligent technology and solution provider for manufactures and industrial applications. It applies the NVIDIA DGX Station and YOLO algorithm develop the objective detection model for printing manufactory scenarios.
• In this case, the NVIDIA DGX Station acceleration platform can be used for efficient in-depth learning training on the desktop. Let robots perceive and interact with their surroundings in a deep learning way, and make robots competent for unimaginable tasks.
• The major products utilized in the case is NVIDIA DGX Station.
背景
广州卓绝智能科技有限公司是一家以创新和跨界融合为引擎的科技企业，主营业务涵盖智能机器人方案、印包领域的智能化生产型设备，以及人工智能方案在产业端的导入。其旨在为市场提供高精尖的数码印包设备及配套，并深入推进智能科技、机器人智能化在印包行业及精密机械制造行业的应用。针对传统传统机器人开发过程中所要面对的编程复杂的问题，卓绝智能基于NVIDIA DGX工作站训练优化的YOLO算法模型，在大幅缩短了模型训练时间的同时，让机器人能够以深度学习的方式感知周围环境并与之交互，从而使其能够胜任此前难以想象的任务。
挑战
在目标检测任务当中，采用proposal训练方式的Fast-R-CNN常常会出现将背景区域误检为特定目标的情况。为了适应印刷场景下的目标检测需求，卓绝智能在研发过程中采用了更加适用于印刷行业场景下目标检测的YOLO算法。YOLO算法能够直接选用整图训练模型，相比于Fast-R-CNN，其优势在于可以更好地区分特定目标和背景区域，提升检测速度。但是，YOLO算法也存在着不足之处，该算法在提升检测速度的同时牺牲了一些精度：
首先，是位置精确性差。YOLO算法在执行针对小型目标物体及密集型目标物体的检测任务时，检测效果会较差。
此外，YOLO算法虽然可以降低将背景检测为目标物体的概率，但同时也导致了召回率较低。
方案
为了让机器人能够以深度学习的方式感知周围环境并与之交互，从而更好地完成任务，卓绝智能采用了NVIDIA DGX工作站，使用YOLO深度学习框架对目标检测算法做训练。
通过DGX工作站训练优化的算法模型后，加载该算法模型的机器人能够通过观察人类动作，学会对应的工作技能，无需再受传统的复杂型机器人编程的困扰。而且，通过视觉传感器采集的信息，机器人能对物体的运动姿态进行识别，实现精准的行为识别。其能够通过行为识别的结果获得物体行为目标、运动趋势、移动速度等重要数据，并利用这些数据快速完成数据分析，从而给出最有效的辅助结论。
此外，在实际的印刷应用场景中，配备了高清彩色摄像镜头的机器人能够借助于DGX工作站，针对产线上频繁变化的产品做出视觉识别判断，然后控制机器人做出相应动作，完成例如品检、包装、贴标、替换、安装和码垛等工作。
DGX工作站基于４个NVIDIA Tesla V100 加计算平台构建而成，同时采用了新一代NVLink和全新Tensor核心架构等创新技术。借助于DGX工作站强大的计算性能，卓绝智能将其模型训练时间由原来的２天，缩短至２小时，极大地缩短了算法模型训练时间，加快了企业产品化进度。
影响
作为NVIDIA专门设计的速度更快的桌面级AI超级计算机，NVIDIA DGX工作站不仅为企业提供了强大的计算性能，而且极为易于安装。这是一套集成了软硬件的解决方案，只需插入和接通电源就可以开始使用了，仅在安装设置方面就可以为企业节省一个月的时间。这不仅大大加速了卓绝智能在制造业中的大数据化进程，让其能够从海量数据中训练出特定场景下的泛化效果好的模型并更好地部署到边缘设备中；而且还减少了卓绝智能在IT工作上的时间和资金投入，帮助其加快产品研发和产品化进程。
卓绝智能总裁李卫铳表示：“NVIDIA 提供的DGX 工作站解决方案，为我们减少了 IT 工作上的时间和资金投入，显著增加了技术人员们专注于数据科学的时间。而且，DGX工作站可以减少算法模型训练时间，帮助我们加快了产品研发进度。”
• 卓绝智能是一家提供智能机器人方案、印包领域的智能化生产型设备，以及人工智能方案在产业端导入的科技企业。卓绝智能基于NVIDIA DGX工作站，使用YOLO算法开发针对印刷场景的目标检测模型。
• 本案例中通过NVIDIA DGX工作站，可以在桌面进行高效深度学习训练。让机器人以深度学习方式感知周围环境并与之交互，让机器人胜任难以想象的任务。
• 本案例主要应用到NVIDIA DGX工作站。
Case Introduction
• TrojanJet is an intelligent technology and solution provider for manufactures and industrial applications. It applies the NVIDIA DGX Station and YOLO algorithm develop the objective detection model for printing manufactory scenarios.
• In this case, the NVIDIA DGX Station acceleration platform can be used for efficient in-depth learning training on the desktop. Let robots perceive and interact with their surroundings in a deep learning way, and make robots competent for unimaginable tasks.
• The major products utilized in the case is NVIDIA DGX Station.
背景
广州卓绝智能科技有限公司是一家以创新和跨界融合为引擎的科技企业，主营业务涵盖智能机器人方案、印包领域的智能化生产型设备，以及人工智能方案在产业端的导入。其旨在为市场提供高精尖的数码印包设备及配套，并深入推进智能科技、机器人智能化在印包行业及精密机械制造行业的应用。针对传统传统机器人开发过程中所要面对的编程复杂的问题，卓绝智能基于NVIDIA DGX工作站训练优化的YOLO算法模型，在大幅缩短了模型训练时间的同时，让机器人能够以深度学习的方式感知周围环境并与之交互，从而使其能够胜任此前难以想象的任务。
挑战
在目标检测任务当中，采用proposal训练方式的Fast-R-CNN常常会出现将背景区域误检为特定目标的情况。为了适应印刷场景下的目标检测需求，卓绝智能在研发过程中采用了更加适用于印刷行业场景下目标检测的YOLO算法。YOLO算法能够直接选用整图训练模型，相比于Fast-R-CNN，其优势在于可以更好地区分特定目标和背景区域，提升检测速度。但是，YOLO算法也存在着不足之处，该算法在提升检测速度的同时牺牲了一些精度：
首先，是位置精确性差。YOLO算法在执行针对小型目标物体及密集型目标物体的检测任务时，检测效果会较差。
此外，YOLO算法虽然可以降低将背景检测为目标物体的概率，但同时也导致了召回率较低。
方案
为了让机器人能够以深度学习的方式感知周围环境并与之交互，从而更好地完成任务，卓绝智能采用了NVIDIA DGX工作站，使用YOLO深度学习框架对目标检测算法做训练。
通过DGX工作站训练优化的算法模型后，加载该算法模型的机器人能够通过观察人类动作，学会对应的工作技能，无需再受传统的复杂型机器人编程的困扰。而且，通过视觉传感器采集的信息，机器人能对物体的运动姿态进行识别，实现精准的行为识别。其能够通过行为识别的结果获得物体行为目标、运动趋势、移动速度等重要数据，并利用这些数据快速完成数据分析，从而给出最有效的辅助结论。
此外，在实际的印刷应用场景中，配备了高清彩色摄像镜头的机器人能够借助于DGX工作站，针对产线上频繁变化的产品做出视觉识别判断，然后控制机器人做出相应动作，完成例如品检、包装、贴标、替换、安装和码垛等工作。
DGX工作站基于４个NVIDIA Tesla V100 加计算平台构建而成，同时采用了新一代NVLink和全新Tensor核心架构等创新技术。借助于DGX工作站强大的计算性能，卓绝智能将其模型训练时间由原来的２天，缩短至２小时，极大地缩短了算法模型训练时间，加快了企业产品化进度。
影响
作为NVIDIA专门设计的速度更快的桌面级AI超级计算机，NVIDIA DGX工作站不仅为企业提供了强大的计算性能，而且极为易于安装。这是一套集成了软硬件的解决方案，只需插入和接通电源就可以开始使用了，仅在安装设置方面就可以为企业节省一个月的时间。这不仅大大加速了卓绝智能在制造业中的大数据化进程，让其能够从海量数据中训练出特定场景下的泛化效果好的模型并更好地部署到边缘设备中；而且还减少了卓绝智能在IT工作上的时间和资金投入，帮助其加快产品研发和产品化进程。
卓绝智能总裁李卫铳表示：“NVIDIA 提供的DGX 工作站解决方案，为我们减少了 IT 工作上的时间和资金投入，显著增加了技术人员们专注于数据科学的时间。而且，DGX工作站可以减少算法模型训练时间，帮助我们加快了产品研发进度。”
