|
|
|
 |
视觉为人类带来光明，是人类感知外界信息的最主要手段。人工智能围绕视觉智能展开，机器视觉对于智能制造就像人的眼睛一样重要。为满足智能制造装备产业对机器视觉技术的巨大需求，利用机器视觉检测控制技术，将成像系统、自动图像获取、图像预处理、标定与分割、识别检测、视觉伺服与优化控制等关键核心技术应用于典型的装备当中，形成高速视觉识别、定位和检测体系。本报告结合企业的实际需求给出几个成功案例，对其具体应用进行详细说明。
周文举（男），博士，英国埃塞克斯大学（University of Essex）博士后，上海大学教授，博士生导师，上海大学仪器与自动化教研室主任，人工智能及医工交叉研究中心副主任，上海大学“机自学者”，山东省“泰山产业领军人才”，“双百计划”人才。主要研究机器视觉及机器人技术，模式识别及智能制造。曾获中国人工智能学会“吴文俊”科技进步奖、中国创新创业大赛二等奖、中国仪器仪表学会科学技术奖、山东省高等学校科技进步二等奖、国际工业博览会创新奖等。近年来主持国家科技部重大研发计划课题，国家自然科学基金项目、教育部产学研协作项目，国际项目和企业科技攻关等项目共20余项。曾担任英国Vitec Videocom集团公司（世界500强）机器人工程师，目前兼职中国仪器仪表学会嵌入式仪表与系统技术分会理事，中国自动化学会人工智能专委会委员，全国电工仪器仪表标准化技术委员会委员。申请发明专利50余项；发表SCI、EI索引论文70余篇，担任国际期刊《IEEE Transaction on instrumentation and measurement》、《Trans. of the Institute of Measurement and Control》、《Neurocomputing》审稿人。
|
|
|
|
搭载InGaAs传感器的相机通常在900 nm至1,700 nm的短板红外光谱范围内运行，并可透过半导体材料（例如硅(Si)）实现大约1,150 nm波长的光谱成像。因此，此类产品成为了检验过程必不可少的元件。硅片透光成像是一种非破坏性检测方法，为生产流程提供了诸多益处。现如今，半导体行业纷纷将InGaAs相机引入测试、检验和质量控制系统。本演讲旨在为大家分享短波红外成像在半导体行业的主要应用。
王志承先生，现就职于Allied Vision Technologies（AVT）上海分公司，华南区销售经理。王先生在机器视觉，嵌入式系统和自动化领域拥有超过10年的工作经验, 现主要负责Allied Vision相机在华南地区的销售及客户支持工作。王先生本科毕业于河北工程大学应用物理系。
|
|
|
|
芯片的生产流程分有三大组成部分，分别是设计、制造和封测。封装测试是将生产出来的合格晶圆进行切割、焊线、塑封，使芯片电路与外部器件实现电气连接，并为芯片提供机械物理保护，并利用各种测试方法，封装完毕的芯片进行功能和性能测试。大帧科技产品系列中，面阵结构光3D相机高精度迅猛龙和线激光三角原理3D相机镰刀龙在半导体芯片封装检测中有广泛的应用。
郭凯伟，现任大帧科技视觉业务拓展总监。从事机器视觉行业近10年，专注于3D视觉的产品开发和市场拓展，有丰富的3D视觉行业应用经验。
|
|
|
|
从自动化到自主化，人工智能的引入促使了机器视觉的巨大变革。技术的演进使得过去的机器按照软件程式固定设置的方式对图片进行识别，进化到机器以人工智能的方式自主学习各类生产工艺要求，提高其识别判断精度和速度，大大提高了生产质量和效率。具备人工智能的硬件并不是原有机器视觉硬件的替代者，而是新功能的开拓者，赋予了机器视觉硬件更广阔的应用空间。
陈宇目前就职于凌华科技市场部，是凌华科技中国区自动化产品线的产品经理。其在业内有着20年的就业经验，在销售、市场营销和产品有着丰富的经验。陈先生毕业于华东理工大学。
|
|
|
|
机器视觉在半导体行业的应用早已开始，在半导体行业大规模集成电路日益普及的推动下，行业对产量和质量的要求急剧增加，在降低生产力成本的前提下，机器视觉技术起着不可或缺的作用。
随着机器视觉技术越来越多应用于半导体生产设备，它也逐步成为了现代工业的核心技术之一，为了更好地帮助行业设备升级，提高生产线工艺水平，提高产品质量和成品率，Emergent Vision Technologies不断创新。不断推出高像素，高帧率，高稳定性的产品，以满足行业日益提高的需求。
1、Emergent Vision Technologies 简要介绍
2、Emergent Vision 产品特点，以及与市场产品的区别
3、半导体行业对机器视觉的应用方向与要求
4、Emergent Vision 产品在半导体众的案例分享
现就职于 Emergent Vision Technologies 公司，主要负责 Emergent Vision 相机在国内的推广及技术支持协调工作，秦勇松在机器视觉和自动化领域拥有十余年的工作经验，毕业于重庆大学自动化专业。
|
|
|
|
透射电子显微镜（TEM）的最新进展，使人们能够在小到几十皮米（pm）的前所未有的尺度上，研究材料的原子结构。然而，从TEM图像中准确地探测原子位置，仍然是一项具有挑战性的任务。传统的高斯拟合和寻峰算法在理想条件下是有效的，但在具有强背景噪声或污染区域（显示为超亮或超暗对比度）的图像上表现不佳。此外，这些传统算法需要针对不同的放大率进行参数调整。为了克服这些挑战，提出了AtomID Net，这是一种用于从扫描TEM（扫描透射电子显微镜（STEM））的多尺度低SNR实验图像中，进行原子探测的深度神经网络模型。该模型是在真实图像上训练的，即使在存在背景噪声和污染的情况下，也可以对原子位置进行稳健有效的检测。对50幅分辨率为800×800的图像测试集进行评估，平均F1得分为0.964，这表明了对现有寻峰算法的显著改进。
香港理工大学应用物理系副教授，国家自然科学基金委港澳优青。主要研究方向为电子显微学，材料科学和图像分析。在Science等发表论文100余篇，H index 40。
|
|
|
*演讲顺序以议程为准 |
嘉宾登录
问答环节
幸运抽奖
