1.基于TensorFlow和OpenVINO的 智能制造案例分享 Intel 深度学习软件工程师 - 姚博元 bo-yuan.yao@intel.com 

2. 关於我 姚博元  学历：清华大学统计学硕士  经历： o Intel 深度学习软件工程师 o TSMC 数据科学家  专长：计算机视觉、数据分析  邮箱：bo-yuan.yao@intel.com 

3.大纲  工业智能制造场景  解决方案开发流程  机器视觉标注工具 – CVAT  开源机器学习框架 – TensorFlow  边缘推理部属工具 – OpenVINO 

4.工业智能制造场景  缺陷检测  字符识别  定位  测量  行为预测 

5.机器视觉算法 狗 狗 狗 分类 目标检测 分割 

6.行业应用案例  背景：纺织品质检工厂  痛点：  人力消耗  质检一致性差  环境恶劣 

7.缺陷检测场景  找出缺陷位置  时别缺陷种类 双经 断经 棉球 破洞 

8.解决方案架构  摄像头 ＋ 边缘推理服务器 ＋ 机器视觉分割算法 

9.解决方案实景 

10.解决方案开发流程 1.数据收集 2.算法开发 3.算法部属  数据背景  前处理  推理加速  数据标注  深度学习算法  现场调适  数据清洗  後处理  结果验证 

11.1. 数据收集 数据背景 数据标注 数据清洗  工厂作业  采集数据  自动检查  布匹纹理  标注方法  人工检查  缺陷类型  CVAT 

12.机器视觉标注工具 – CVAT  由Intel开发的互动式视频图像标注工具  GitHub  https://github.com/openvinotoolkit/cvat 

13.互动式使用者介面 

14.工具 1 – 权限管理  有效率的控管能修改数据的成员 

15.工具 2 – 任务分割  有效率的安排标注任务 

16.工具 3 – 自动标注  支持使用预训练模型标注数据 

17.工具 4 – 支持各类格式  支持以下标注格式 

18.2. 算法开发 深度学习 前处理 後处理 算法  图像增强  TensorFlow  阈值筛选  噪声消除  预训练模型  统计方法  特徵工程 

19.开源机器学习框架–TensorFlow  由Google开发的开源机器学习框架  官方网站  https://www.tensorflow.org/  GitHub  https://github.com/tensorflow/tensorflow  GitHub星星数: 149K (截至2020/9/25) 

20.工具 1 – Keras API  简洁的API 

21.工具 1 – Keras API  大量可调用的预训练模型 

22.工具 2 – Model Garden  https://github.com/tensorflow/models 

23.工具 3 – TensorBoard  可视化模型结构  可视化训练过程 

24.3. 算法部属 推理加速 现场调适 结果验证  OpenVINO  硬件调适  验证流程  软件调适 

25.边缘推理部属工具–OpenVINO  由Intel开发的视觉解决方案部属工具包  官方网站  https://software.intel.com/content/www/us/en/develop/tool s/openvino-toolkit.html  GitHub  https://github.com/openvinotoolkit/openvino 

26.工具 1 – 模型优化器 Model Optimizer  支持各类模型转为OpenVINO模型（中间文件IR）  对模型进行压缩与加速 

27.工具 2 – 推理引擎 Inference Engine  支持不同语言API：Python, C++  推理引擎插件：CPU, GPU, VPU, FPGA, MULTI  推理模式：同步, 异步 载入硬件 读取 推理 载入模型 插件库 模型文件 （同、异步） 

28.谢谢聆听