為您找到相關(guān)結(jié)果 1246 篇
-
;安全環(huán)保盡在一張圖中實(shí)時(shí)顯示。曲靖卷煙廠生產(chǎn)調(diào)度指揮中心（資料圖）。林勇 攝在生產(chǎn)調(diào)度中心，基于動(dòng)態(tài)設(shè)備產(chǎn)能、生產(chǎn)時(shí)長(zhǎng)、保養(yǎng)計(jì)劃通過算法模型自動(dòng)生成詳細(xì)作業(yè)計(jì)劃
-
數(shù)據(jù)，模型組反復(fù)調(diào)試邊緣計(jì)算算法，設(shè)備組則精準(zhǔn)優(yōu)化47個(gè)傳感器的布局位置。在夜間運(yùn)行模式優(yōu)化階段，團(tuán)隊(duì)測(cè)試了20多種空調(diào)組合方案，通過集體研討、數(shù)據(jù)驗(yàn)證
-
，技術(shù)工人轉(zhuǎn)型為設(shè)備維護(hù)專家。焦慮的緊箍咒提醒我們：唯有保持“技能饑渴癥”，才能在算法叢林中找到生態(tài)位。讓AI成為煙草職業(yè)穩(wěn)定的“定海針”。焦慮并非洪水猛獸
-
同配送模式，將多個(gè)訂單進(jìn)行整合優(yōu)化，并借助GIS和路徑優(yōu)化算法等動(dòng)態(tài)規(guī)劃最優(yōu)運(yùn)輸路線。當(dāng)前，數(shù)字技術(shù)飛速發(fā)展，煙草物流企業(yè)應(yīng)積極利用可視化管理平臺(tái)
-
卷煙廠運(yùn)用AI視覺檢測(cè)技術(shù)，開展霉變煙葉在線檢測(cè)研究，針對(duì)霉煙樣本采集難、環(huán)境干擾大、識(shí)別難度高、霉煙樣本量不足等問題，深入解析霉變煙葉多模態(tài)特性表征、算法
-
，為傳統(tǒng)制造注入無限可能。這并非一場(chǎng)簡(jiǎn)單的技術(shù)迭代，而是一次從“制造”到“智造”的范式躍遷——以數(shù)據(jù)為墨、算法為筆，人工智能勾勒出一幅虛實(shí)交融的“云上藍(lán)圖”。在傳統(tǒng)
-
研究，針對(duì)霉煙樣本采集難、環(huán)境干擾大、識(shí)別難度高、霉煙樣本量不足等問題，深入解析霉變煙葉多模態(tài)特性表征、算法迭代升級(jí)，創(chuàng)建高效在線智能檢測(cè)模型，
-
：通過開發(fā)管理系統(tǒng)采集實(shí)時(shí)電流數(shù)據(jù)，經(jīng)過智能算法與不同工況下的標(biāo)準(zhǔn)電流進(jìn)行對(duì)比，用以驗(yàn)證設(shè)備的狀態(tài)和性能，確認(rèn)設(shè)備是否滿足生產(chǎn)條件。圖為全國(guó)勞模袁建華正在
-
：“我們可以通過機(jī)器的自主學(xué)習(xí)和控制模型代替人工經(jīng)驗(yàn)。”于是，郭奔帶領(lǐng)工作室成員自學(xué)機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域相關(guān)知識(shí)、研究人工智能算法。項(xiàng)目開發(fā)前期，團(tuán)隊(duì)成員運(yùn)用
-
）一個(gè)智慧腦——全鏈識(shí)別，智能反饋依托先進(jìn)的模型訓(xùn)練、分析算法與人工智能技術(shù)，“智慧腦”對(duì)“工業(yè)眼”采集的海量圖像進(jìn)行自動(dòng)、快速處理，實(shí)現(xiàn)“煙絲桶清掃判
