登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了如何在星图GPU平台自动化部署ChatGLM3-6B镜像，实现智能制造领域的设备说明书智能理解与预测性维护建议生成。该镜像能快速解析技术文档，并根据设备运行数据提供故障预测，有效提升维护效率并减少意外停机。
本文介绍了如何在星图GPU平台上自动化部署GME多模态向量-Qwen2-VL-2B镜像，实现智能制造领域的设备图纸到维护手册的智能检索。该方案通过多模态理解能力，将图纸转换为向量进行高效匹配，显著提升设备维护效率，减少停机时间。
本文介绍了如何在星图GPU平台上自动化部署ChatGLM-6B智能对话服务镜像，实现智能制造领域的设备智能管理。该服务能够自动分析设备日志数据，预测潜在故障并提供维保建议，帮助企业从被动维修转向预测性维护，大幅提升生产效率和设备可靠性。
本文介绍了如何在星图GPU平台上自动化部署Qwen/Qwen3-VL-2B-Instruct视觉理解机器人镜像，快速搭建设备图纸智能理解系统。该系统能自动分析机械图纸，提取关键部件、尺寸及技术要求，显著提升图纸检索与知识查询效率，助力智能制造领域降本增效。
本文为中小制造企业提供了利用IoT传感器与AI智能体低成本搭建碳监测系统的五个关键步骤。从高性价比硬件选型与数据采集网络搭建，到基于开源工具链的数据汇聚与轻量存储，再到定义计算逻辑、引入动态排放因子，并部署轻量级AI智能体实现智能分析与决策，最后完成系统迭代与文化融入。该方案强调实用性与投资回报，帮助企业以可控成本实现碳足迹监测与能效优化。
本文介绍了如何在星图GPU平台上自动化部署通义千问2.5-7B-Instruct大型语言模型 二次开发构建by113小贝镜像，快速构建工业级设备故障诊断系统。该镜像深度融合设备知识图谱与PLC日志解析能力，可实时分析数控机床、涂布机等产线设备运行数据，输出结构化根因判断与可执行处置建议，显著提升智能制造运维效率。
本文介绍了如何在星图GPU平台自动化部署Qwen3-VL-4B Pro镜像，构建智能制造设备图像故障诊断辅助系统。该系统能自动分析设备图像，精准识别机械故障（如部件磨损、漏油等），大幅提升工业检测效率与准确性，实现智能化运维。
本文介绍了如何在星图GPU平台自动化部署Qwen-Image-Edit镜像，实现本地极速图像编辑。该镜像可智能处理SolidWorks工程图，例如自动修改尺寸标注、统一图纸格式，显著提升制造业设计效率，适用于工程图的批量标注与标准化转换等典型应用场景。
本文介绍了如何在星图GPU平台自动化部署【ollama】Qwen2.5-VL-7B-Instruct镜像，实现智能制造BOM图纸的零部件识别与供应链匹配。该方案能高效解析图纸中的零部件信息，自动对接供应商数据库，大幅提升生产物料管理的准确性和效率。
本文介绍了如何在星图GPU平台自动化部署GLM-4-9B-Chat-1M镜像，实现制造业设备手册长文本故障诊断辅助。该镜像具备1M token超长上下文处理能力，可快速解析海量技术文档，为工程师提供精准的故障诊断方案，大幅提升设备维护效率。
本文介绍了如何在星图GPU平台上自动化部署🤖 ChatGLM3-6B镜像，并探讨了其在智能制造领域的核心应用。该平台简化了部署流程，使企业能快速利用该大语言模型分析设备日志与传感器数据，实现高效的设备故障诊断与预测性维护，从而减少非计划停机时间。
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B镜像，实现制造业设备故障语音报修到工单自动生成的应用。该系统能高效识别嘈杂环境中的语音，自动提取关键信息并生成维修工单，大幅提升设备报修效率和准确性。
本文介绍了如何在星图GPU平台上自动化部署Qwen3.5-9B镜像，实现工业零件图识别、尺寸标注与缺陷检测的一体化解决方案。该模型特别适用于制造业质检场景，能自动分析零件图像并生成精确的尺寸标注与缺陷报告，显著提升工业视觉检测效率与准确性。
本文介绍了如何在星图GPU平台上自动化部署Qwen3.5-9B镜像，实现工业质检场景中的缺陷识别、原因分析及维修建议生成一体化解决方案。该多模态大模型可精准检测产品表面缺陷，智能分析成因并提供可操作维修指导，显著提升制造业质检效率与准确性。
本文探讨了GLM-OCR轻量级专业级多模态OCR模型在SolidWorks工程图信息自动化提取中的应用。通过星图GPU平台，用户可以自动化部署该镜像，快速搭建识别环境，从而高效地将图纸中的标题栏、尺寸标注等关键信息转化为结构化数据，用于自动生成物料清单，显著提升机械设计领域的数据处理效率。
本文介绍了如何在星图GPU平台上自动化部署GLM-4-9B-Chat-1M本地百万长文本大模型，实现汽车研发BOM清单的智能语义解析与缺陷预警。该方案能自动识别零部件编号规范、供应商信息完整性等问题，大幅提升审核效率与准确性，保障企业数据安全。
本文介绍了如何在星图GPU平台自动化部署Qwen-Ranker Pro: 智能语义精排中心Web镜像，实现智能制造设备手册的智能检索。该镜像通过语义理解技术，精准匹配设备故障描述与解决方案，大幅提升工程师在设备维护中的问题定位效率。
首钢股份上线45个AI智能体，覆盖炼钢、热轧等环节共929个智能化应用场景。这个体量在制造业里算得上标杆。但绝大多数制造业企业听完这个数字的第一反应不是"我也要搞"，而是"门槛太高了"。AI落地制造业真正的门槛不是模型能力，而是场景拆解、知识沉淀和系统对接这三件事。
本文介绍了一种基于Transformer架构的AI智能体视觉检测系统(TVA)，该系统结合白光干涉测量(WLI)与深度学习算法，实现了半导体晶圆制造中纳米级微坑深度的精准检测。传统2D检测无法识别深度信息，而TVA通过干涉测量获取相位数据，利用深度学习算法进行噪声过滤和3D特征提取，解决了纯物理算法在信噪比和保真度之间的困境。该系统能够区分浅划痕和致命微坑，并给出深度置信度评分，为半导体制造提供了
本文介绍了思谋科技推出的IndustryGPT V1.0与SMore ViMo结合，实现5分钟快速构建高精度工业分类模型的全新方案。通过自然语言交互和自动化流程，大幅降低传统工业AI项目中的调参和数据标注时间，提升检测精度和效率，为工业AI领域带来革命性变革。
iNeuOS_AiMind·心智灵慧是一个基于大语言模型的智能应用平台，核心能力涵盖知识库管理、智能问答、RAG 检索、Agent 智能体协作、记忆管理和文件管理等模块，面向企业知识沉淀、知识检索和知识应用的综合平台。通过与 iNeuOS 的工业互联网能力结合，AiMind 可以把设备数据、工艺文档、操作规范、维护经验和分析结果连接起来，形成更适合工业企业使用的智能知识底座。
工业AI Agent作为智能制造的关键技术，通过机器学习与边缘计算实现设备预测性维护、视觉质检等核心场景。其技术原理在于将领域知识图谱与深度学习模型结合，解决制造业数据孤岛和实时性要求等痛点。在实际应用中，需构建标准化数据治理框架（如OPC UA+Apache NiFi组合），并采用模型量化（TensorRT FP16）和知识蒸馏技术优化边缘部署。典型实施案例显示，合理的边缘-云协同架构可使检测延
AI Agent技术在智能制造领域的应用正逐渐改变传统生产调度方式。通过结合IoT设备数据采集与强化学习算法，AI Agent系统能够实现实时感知、自主决策和动态协调，显著提升生产效率。多智能体系统架构设计包含感知Agent、决策Agent、执行Agent等核心组件，采用混合通信架构确保数据传输的实时性与可靠性。协同调度算法通过分层决策模型和动态重调度策略，快速响应生产异常。实施过程中，数据融合与
AI Agent作为工业4.0的核心技术，通过自主决策和动态学习能力，正在重塑智能制造的生产模式。其核心技术原理在于将感知、决策、执行模块封装为可插拔组件，形成模块化架构，有效解决传统工业系统中的数据孤岛和响应延迟问题。在工程实践中，AI Agent Harness通过五层架构设计（感知层、边缘计算层、决策层、执行层和数字孪生层）实现实时控制和容错机制。典型应用场景包括视觉检测、工艺控制和质量预测
工业AI作为智能制造的核心技术，通过计算机视觉、机器学习等算法实现工业场景的智能化改造。其技术原理主要基于深度学习模型在边缘计算设备上的部署与优化，结合工业协议实现设备互联。这种技术能显著提升质检准确率、实现预测性维护，在汽车制造、电子装配等行业具有广泛应用价值。以研华iFactory.AI Agent为例，其采用OpenVINO优化的预训练模型库和Intel VPU加速芯片，支持智能质检、工艺优
AI Agent作为人工智能技术的重要应用形式，通过感知环境、决策执行实现自动化任务处理。其核心技术原理涉及机器学习、知识图谱和多Agent系统协作，在工业场景中展现出提升效率、降低成本的显著价值。特别是在智能制造领域，AI Agent已成功应用于视觉检测、工艺优化、设备诊断等环节，但面临动态环境适应、系统集成等落地挑战。以某汽车故障诊断Agent为例，通过融合知识图谱与多语言处理技术，实现跨国部
【IMRA2026会议通知】第二届智能制造、机器人与自动化国际学术会议将于2026年12月25-27日在中国马鞍山召开，由安徽工业大学主办。会议聚焦智能制造、机器人、工业自动化及AI等前沿领域，IEEE出版社出版，EI/Scopus双检索，往届检索稳定。特色包括3-5天快速审稿、多重优惠及权威专家阵容。早鸟投稿截止2026年9月24日，接受智能制造系统、机器人技术、智能控制、工业AI等主题论文，要
【摘要】通用世界模型的底座竞争正在抬高算力、数据、人才和资本门槛，中小 AI 团队不宜正面参与规模消耗战。更可行的路径，是围绕设备维护、视觉质检、动态排产、工业机器人、仓储分拣、自动驾驶数据基建等高痛点场景，打造垂直小世界模型。它不追求覆盖所有任务，而是通过客户现场、私有数据、模型迭代、业务提效和灯塔客户背书，形成可交付、可复购、可融资的增长闭环。
本文探讨了AI Agent在生产排程中的系统化实现方法。生产排程是一个复杂的组合优化问题，涉及设备能力、工艺路线、物料齐套等多重约束，不能简单依赖大语言模型直接生成排程表。文章提出"Agent+业务本体+求解器"的三层架构：Agent负责理解业务意图、拆解任务和解释结果；业务本体统一描述生产实体关系；求解器处理数学模型优化。详细分析了数据流设计、数学建模方法（MIP/CP-SA
本文针对PCB电路板缺陷检测难题，提出基于TVA视觉智能体的解决方案。通过特征强化模块增强微米级缺陷识别能力，采用光学与语义双重过滤机制消除背景干扰，并建立缺陷分级判定体系。该方案已实现量产落地，将漏检率降至0.1%以下，误检率低于0.3%，可快速适配各类PCB产线。整套技术方案经过验证具备高度复用性，为电子制造业提供成熟的智能化质检参考。
本文深入解析预测性维护（Predictive Maintenance）的核心原理、关键技术和实施路径，涵盖数据采集架构、特征工程方法、常用机器学习模型选型以及企业落地的最佳实践，帮助读者全面理解如何用数据驱动设备运维降本增效。
文章摘要：AI近期表现出的"摆烂"行为（如敷衍回答、拒绝复杂问题）引发热议，背后实则是算力成本限制和数据质量下滑所致。这种现象反而揭示了AI的局限性——它能处理信息却无法替代人类思考与经验。尤其在制造业数字化转型中，真正有效的方案需要结合行业经验与数字化工具，而非单纯依赖AI。AI的"偷懒"提醒我们：技术只是工具，人类的独立思考和实践经验才是核心竞争力。保持
计算机视觉作为人工智能的重要分支，通过模拟人类视觉系统实现图像分析与理解。其核心技术包括图像预处理、特征提取和模式识别，在工业质检领域展现出巨大价值。深度学习模型的突破性进展，特别是YOLO系列和U-Net等架构，显著提升了缺陷检测的精度与效率。在智能制造场景中，视觉质检系统能实现99.9%以上的检测准确率，毫秒级响应速度，并支持7×24小时连续作业。典型应用涵盖电子元器件、汽车零部件等精密制造领
本文全面解析了工业缺陷检测中深度学习的应用实践，从数据稀缺到模型落地的全流程解决方案。通过智能数据增强、生成式模型和小样本学习等先进技术，有效解决了工业检测中的核心痛点，如数据饥饿和缺陷多样性。文章还分享了模型轻量化与部署实战经验，为智能制造领域提供了可落地的技术方案。
机器视觉作为工业自动化的核心技术之一，通过图像采集与智能分析实现产品质量检测。其技术原理主要基于光学成像、图像处理和模式识别算法，能够达到0.01mm级别的检测精度。在工业4.0和智能制造背景下，该技术显著提升了生产效率和品质控制水平，广泛应用于电子、汽车、食品医药等行业。实际应用中需要综合考虑硬件性能（如500万像素相机）、算法准确率（99.5%以上）和行业经验等维度。本文重点解析了包括凌云光、
AI Agent（人工智能智能体）是一种能够自主完成任务的智能系统。与传统AI模型不同，AI Agent不仅具备语言理解能力，还拥有：目标理解能力；任务规划能力；工具调用能力；数据分析能力；状态记忆能力；自动执行能力。用户输入↓任务理解层↓大语言模型（LLM）↓任务规划与推理↓工具调用层↓企业业务系统↓结果反馈与优化其中：LLM负责理解业务语言。Agent负责拆解任务。工具负责连接企业系统。最终实
人工智能与智能制造的引入，正是破解这些难题、重塑产业竞争力的关键。本文将深入探讨AI如何与纺织技术交叉融合，从设计、生产到供应链管理，全方位推动服装制造业向智能化、柔性化和可持续化转型，并展望其广阔的应用前景。
智能制造
——智能制造
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
龙虾开发者社区
MCP技术社区
CSDN-OPC开发者社区
智能体开发者社区
AI Agent技术社区
DeepSeek技术社区
AI编程社区
亚马逊云科技技术品牌专区
DAMO开发者矩阵
