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平台上自动化部署DAMOYOLO-高性能通用检测模型-S镜像,快速构建AI视觉检测应用。该模型通过微调可轻松适配特定行业,例如在智慧农业场景中,能高效识别农田害虫,实现自动化虫害监测与预警,提升植保效率。
本文介绍了如何在星图GPU平台上自动化部署“鹰眼目标检测 - YOLOv8”镜像,快速构建智能视觉检测系统。该方案能高效应用于智能制造场景,例如对生产线上的螺丝、螺母等零件进行自动化识别与精准计数,从而提升生产效率和准确性。
本文介绍了如何在星图GPU平台上自动化部署RMBG-2.0 (BiRefNet) 极速智能抠图工具,并将其应用于智能制造场景。该方案能对产线监控画面中的工件进行实时、精准的图像分割与自动计数,有效提升生产流程的自动化水平和检测效率。
本文介绍了如何在星图GPU平台上自动化部署🎙️ Qwen3-ASR-0.6B智能语音识别镜像,构建工业质检语音报错系统。该系统可将产线工人的语音缺陷描述实时、准确地转换为结构化文本,并自动归类至MES缺陷库,实现质检信息录入的自动化与智能化,大幅提升生产效率与数据准确性。
本文介绍了如何在星图GPU平台上自动化部署鹰眼目标检测 - YOLOv8镜像,实现工业产线高稳定性目标检测。该镜像专为无GPU环境优化,支持在普通X86服务器上7×24小时稳定运行,典型应用于工厂质检流水线中的螺栓识别、包装瓶倒置检测及缺陷实时统计,无缝对接MES系统。
本文介绍了如何在星图GPU平台上自动化部署⚡ SenseVoice-Small ONNX语音识别工具,实现高炉巡检语音到设备状态结构化报告的智能转换。该工具能够高效处理现场录音,自动识别设备运行参数和异常描述,显著提升钢铁冶金行业巡检工作的数据记录效率和准确性。
本文介绍了如何在星图GPU平台上自动化部署GLM-ASR-Nano-2512镜像,实现制造业设备语音报错实时转写与维修知识库精准匹配。该镜像专为高噪声工业环境优化,可将操作员口述的故障语音(如'ERR-702''主轴过热')毫秒级识别为结构化JSON,并自动触发维修指引,显著缩短产线故障响应时间。
本文介绍了如何在星图GPU平台上自动化部署SiameseUIE模型部署镜像,快速构建智能制造文档信息抽取系统。该方案能精准地从设备说明书等非结构化文本中,自动提取制造商与产地等关键信息,显著提升设备管理和供应链文档的处理效率。
工业设备数据采集是制造业数字化的基础环节,涉及设备接入、数据读取、边缘处理和数据治理等技术体系。采集内容包括设备状态、产量、工艺参数、报警事件等关键数据,需通过协议直采、网关采集、IO信号等多种方式实现。典型架构分为设备层、接入层、边缘处理层和平台应用层。实际落地面临设备异构、协议开放度不一、数据治理复杂等挑战,需要将原始信号转化为业务可用的结构化数据。真正的数据采集不仅是获取原始数据,更需完成接
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-0.6B镜像,实现制造业设备语音报错日志的自动归类与关键词提取。该轻量级语音识别模型可实时解析车间噪声环境下的方言与工业术语,将维修人员口述语音直接转化为结构化故障日志,显著提升产线运维响应效率。
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-0.6B镜像,实现工业设备语音日志的高精度识别与结构化分析。该模型专为嘈杂车间环境优化,可实时解析液压站告警、焊装异响、巡检语音等典型场景,显著提升故障响应速度与知识沉淀效率。
本文介绍了如何在星图GPU平台上自动化部署鹰眼目标检测 - YOLOv8镜像,实现制造业场景下的实时目标检测。用户无需配置环境,30秒内即可启动Web界面,上传车间图片或视频帧,自动识别人员、安全帽、叉车、物料等关键目标,广泛应用于电子产线缺件检测、仓储智能盘点与安全生产行为监管。
本文介绍了如何在星图GPU平台上自动化部署Pi0视觉-语言-动作模型镜像,以赋能智能制造柔性产线。该方案使机器人能够基于实时视觉感知和自然语言指令,动态生成动作序列,从而实现对产线中产品混流、物料偏差等复杂场景的智能调度与自适应操作,显著提升生产柔性。
本文介绍了如何在星图GPU平台上自动化部署Whisper语音识别-多语言-large-v3语音识别模型 二次开发构建by113小贝镜像,实现工业产线工人操作语音到SOP执行合规性分析的实时转化,典型应用于汽车零部件装配、电子SMT车间等场景中的语音质检与风险预警。
YMatrix Anonymizer 实现精细化动态脱敏 在数据价值与安全并重的时代,传统数据库权限系统面临三大挑战:访问控制粒度粗、静态规则难应对复杂策略、存在数据绕过风险。
本文介绍了如何在星图GPU平台上自动化部署GLM-ASR-Nano-2512镜像,实现制造业设备语音报错的自动识别与归因分析。通过边缘服务器一键拉取镜像并启动服务,可实时将车间异响、操作员口头报错等语音转化为结构化文本,支撑故障归档、高频问题聚合与历史相似性匹配等典型工业场景。
本文介绍了如何在星图GPU平台自动化部署🎙️ Qwen3-ASR-0.6B智能语音识别镜像,实现智能制造场景中的语音报修工单自动生成。该方案允许产线工人通过语音描述设备故障,系统自动转换为结构化维修工单,大幅提升报修效率和准确性,特别适合嘈杂的工业环境。
本文介绍了如何在星图GPU平台上自动化部署Whisper语音识别-多语言-large-v3语音识别模型(二次开发构建by113小贝),实现工业场景下的智能语音交互。该方案能将工程师的现场语音指令(如调整设备参数)快速、准确地转换为控制信号,并自动下发至PLC执行,从而完成对产线设备的动态调整,提升操作效率与响应速度。
本文探讨了PXI/PXIe、GPIB、USB等测试接口技术在现代制造业中的关键作用,展示了它们如何通过异构集成提升测量效率和精度。文章详细分析了PXI标准的技术突破及其在汽车电子、5G通信等领域的应用案例,揭示了智能产线未来接口生态的发展趋势,包括边缘计算和AI集成。
本文介绍了如何在星图GPU平台自动化部署FireRedASR-AED-L镜像,构建制造业设备语音报错日志自动归档系统。该系统能实时识别设备语音报警(如主轴过热、压力异常等),自动转换为结构化日志并归档,大幅提升故障记录效率和准确性,助力智能制造运维升级。
本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-0.6B镜像,实现制造业设备语音报错识别与结构化工单生成。通过预构建Docker镜像,用户可快速启用轻量级语音识别能力,精准解析车间嘈杂环境下的专业故障语音(如‘主轴过热’‘PLC通讯中断’),显著提升产线响应效率。
本文介绍了如何在星图GPU平台上自动化部署⚡ SenseVoice-Small ONNX语音识别工具,并探讨了其在工业领域的创新应用。该方案通过分析注塑机运行时的环境声音,实现了对生产周期时间的非侵入式、实时自动化监控与异常预警,有效提升了生产效率和质量管理水平。
本文介绍了如何利用星图GPU平台,自动化部署👓 AIGlasses OS Pro 智能视觉系统镜像,实现工业质检场景的智能化升级。该方案通过结合SolidWorks三维模型数据训练AI,使系统能在生产线上实时、精准地检测零件表面的划痕、毛刺等缺陷,显著提升质检效率与准确性。
本文介绍了如何在星图GPU平台上自动化部署SenseVoice Small镜像,实现制造业设备维修语音到故障现象的精准识别与维修知识库自动更新。该方案支持毫秒级语音转结构化文本,典型应用于SMT贴片机异响诊断等产线实时维修场景,显著提升知识沉淀效率与故障响应速度。
本文介绍了如何在星图GPU平台上自动化部署sensevoice-small-轻量级多任务语音模型的ONNX量化版WebUI V1.0镜像,实现制造业设备报警语音的本地实时识别。该方案能将设备报警语音自动转换为文本,并解析生成维修工单,将故障响应时间从分钟级缩短至秒级,有效提升生产效率。
本文介绍了如何在星图GPU平台上自动化部署pi0镜像,构建高职院校智能制造实训室一体化教学平台。该镜像支持视觉-语言-动作端到端闭环,典型应用于机械臂单点抓取、多设备协同产线调度等实训场景,显著提升工业机器人课程的教学实效性与可操作性。
本文探讨Java在大数据实时流处理中的智能制造应用,通过汽车焊接车间案例展示如何实现质量监控从"离线抽检"到"实时预警"的转变。系统采用Kafka+Flink架构,每秒处理100+传感器数据,通过电流、温度、压力多参数关联分析,将异常发现时间从30分钟缩短至2秒,误报率从35%降至8%。核心代码实现数据采集、实时计算和自动报警功能,某汽车厂应用后焊接缺陷率下
本文介绍了如何在星图GPU平台上自动化部署Pi0镜像,实现数字孪生环境中的机器人动作仿真控制。该平台简化了部署流程,用户可快速搭建基于Pi0模型的智能控制环境,应用于虚拟工厂中机械臂的视觉-语言指令驱动与动作规划,为智能制造提供高效、安全的预验证方案。
本文介绍了如何在星图GPU平台上自动化部署🖥️Nano-Banana: 结构拆解实验室镜像,结合YOLOv8实现智能目标检测与产品结构拆解。该方案典型应用于工业质检场景,如电路板元件识别与装配异常分析,自动生成爆炸图、缺陷定位及根因解释,显著提升产线质量管控效率。
本文介绍了如何在星图GPU平台上自动化部署📱 AI 智能二维码工坊镜像,快速构建制造业设备标签扫码管理系统。该镜像支持离线批量生成高容错(H级)二维码,适用于金属设备油污环境下的稳定识别与激光打标,显著提升产线设备信息调取效率。
本文介绍了如何在星图GPU平台上自动化部署CogVideoX-2b (CSDN 专用版)镜像,快速构建制造业设备操作指南AI视频自动生成系统。用户通过Web界面输入中文操作步骤,5分钟内即可生成带分镜、字幕与工业级视觉标注的教学视频,显著提升产线培训与SOP更新效率。
本文介绍了如何在星图GPU平台自动化部署Qwen3-ASR-1.7B语音识别模型v2,实现制造业设备语音报错自动创建维修工单的应用。该方案通过高精度语音转文本技术,在嘈杂工业环境中实时识别设备故障描述,并自动生成工单,大幅提升运维效率和响应速度。
本文介绍了如何在星图GPU平台上自动化部署UI-TARS-desktop镜像,赋能工业视觉检测场景。该镜像与YOLOv8深度集成,可实时解析检测结果、智能标注缺陷、生成结构化报告并触发维修工单,典型应用于PCB板自动质检,显著提升缺陷识别准确率与产线检测效率。
本文介绍了如何在星图GPU平台上自动化部署🖥️Nano-Banana: 结构拆解实验室镜像,实现与YOLOv8集成的工业组件实时检测与定位。该系统可快速识别电子产品中的螺丝、电容等零部件,大幅提升智能制造领域的质检效率和精度。
根据设备的运行数据和维护记录,建立设备健康档案,制定科学合理的维护计划,实现设备的预测性维护,降低维护成本。根据纱线的张力变化,自动调节纺织机的转速和张力控制系统,确保纱线张力稳定,提高布料的质量和生产效率。通过内置的算法模型,及时发现设备异常和质量问题,并触发相应的报警和控制指令,实现本地化决策,降低对云端的依赖和数据传输延迟。3.协议转换:纺织厂内的设备和传感器可能采用不同的通信协议,边缘计算
本文详细拆解某水泥厂“袋装水泥智能分拣与防混料系统”的技术架构:五层架构(物理感知→边缘计算→现场控制→厂级平台→集团云端)、核心算法(HSV颜色分割 + CRNN+CTC字符识别)、关键机制(3分钟滑动窗口、置信度锁定、三级报警)、以及多模态预警平台(GB28181流媒体、闭环管理)。边缘端采用海思芯片AI盒子,实时推理<500ms,不依赖网络。文章还给出了混料判定的具体逻辑流程图和设备部署方案
摘要:智能制造系统的"世界模型"是基于S95×S88×UNS架构构建的显式认知框架,旨在实现制造现场的可计算理解。该模型包含五类最小完备事实面:物理拓扑、过程配方、运营执行、行为状态和语义治理。通过S95提供运营对象身份骨架、S88构建可执行过程状态机,并借助UNS将模型转化为可订阅的事实流,形成跨系统一致的语义结构。世界模型的核心是对象模型与行为状态机的显式化,使系统从数据记
同时,绿色供应链的构建能够带来显著的经济效益,可回收包装的应用降低包装成本,运输路线的优化减少燃油消耗与车辆维护成本。事实上,供应链管理涵盖从原材料采购、生产制造、物流配送,到售后服务的全流程管理,涉及企业内部多部门协同,以及与外部供应商、分销商的资源整合。同时,面对供应链中的不确定性因素,企业需建立应急库存机制与备用供应商体系,提升供应链的抗风险能力。通过消费者行为数据的分析,企业能够实现个性化
《JVS-APS智能排产系统实战教程》摘要 本教程详细介绍了JVS-APS系统的完整实施流程。系统要求最低配置为4核CPU/8GB内存/100GB硬盘,推荐8核/16GB+/200GB+。部署包含源码获取、数据库配置、前后端启动等步骤。基础配置涵盖物料管理、资源管理和制造BOM设置。生产工艺部分重点讲解工序模板和工艺路线配置。排产策略支持12+种优化规则,可设置多目标权重。系统提供正向/反向/瓶颈
JVS-APS是一款开源智能排产系统,专为解决制造业排产痛点而设计。系统基于AI算法,支持离散制造和流程制造行业,具备三大核心模块:基础数据、生产工艺和生产计划。其亮点包括多目标优化算法、动态重排能力和12+种任务优化规则,可显著提升设备利用率、降低库存成本。JVS-APS能与ERP/MES无缝集成,支持私有化部署和二次开发,通过"建模-试运行-上线"三步策略快速落地,帮助制造
智能制造工程师:引领未来制造的新势力智能制造,作为现代制造业转型升级的核心引擎,旨在通过深度融合信息技术与先进制造技术,实现制造业在质量、效率、效益及生产灵活性上的全面提升。其内涵涵盖了自感知与自决策、自动化、数字化、网络化、智能化等多个维度,构筑起一个高度集成、协同运作的现代化制造体系。在这场变革中,智能制造工程师扮演着至关重要的角色,他们凭借深厚的专业知识与多元技能,推动企业向智能制造模式迈进
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。
测试比我预想的要好很多,但是针对特定应用场景,特别是工业领域,需要进一步调优。
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