Las fábricas de Intel usan la distribución Intel® del kit de herramientas OpenVINO™ para simplificar la integración del aprendizaje profundo en los sistemas de clasificación automática de defectos con visión computarizada de las fábricas.

Las fábricas de Intel han estado usando la visión computarizada por más de una década para automatizar la detección y la clasificación de los defectos. En las fábricas se usa TensorFlow* como biblioteca de código abierto principal para desarrollar y entrenar modelos de aprendizaje profundo. Sin embargo, la interfaz entre los sistemas de visión computarizada y TensorFlow es engorrosa y requiere que los científicos de datos pasen días programándola de forma personalizada.

La distribución Intel® del kit de herramientas OpenVINO™ simplifica en gran medida esta interfaz. Por lo tanto, el departamento de TI de Intel descubrió que es la forma más conveniente y rápida de implementar el aprendizaje profundo (en particular, las redes neuronales profundas) en el entorno de Microsoft* Windows.

• El kit de herramientas OpenVINO™ ayuda a los científicos de datos a interactuar con más facilidad con motores back-end potentes de aprendizaje profundo, como TensorFlow.
• Esto hace que los científicos de datos tengan más tiempo libre para usarlo de manera más productiva.
• No existe un hardware único para implementar: el kit de herramientas OpenVINO™ se ejecuta en los servidores equipados con procesadores Intel® Xeon® existentes.
• Debido a que está optimizado para el hardware Intel®, el kit de herramientas OpenVINO™ mejoró el desempeño de la inferencia de modelos en 10 veces según las mediciones internas del departamento de TI de Intel.

Cuando el departamento de TI de Intel comenzó a usar el kit de herramientas OpenVINO™, no les preocupaba la velocidad de inferencia. Sin embargo, el aumento de desempeño de 10 veces que experimentaron es un beneficio agregado y habilita casos de uso adicionales. Por ejemplo, en la actualidad están explorando el uso de OpenVINO en el control de procesos en tiempo real, lo que requiere tiempos de respuesta de milisegundos. Hoy por hoy, están trabajando con el equipo de desarrollo de OpenVINO para agregar el modelo de red convolucional temporal necesario en Model Zoo.

El departamento de TI de Intel tiene el compromiso de hacer que los procesos de fabricación de Intel sean lo más precisos y eficientes posible. La visión computarizada fue un paso importante para lograr esos objetivos. Ahora, el kit de herramientas OpenVINO™ permite ahorrar tiempo para que los ingenieros de reconocida competencia puedan realizar más tareas productivas, en lugar de codificar una interfaz engorrosa en TensorFlow. OpenVINO ayudó al departamento de TI de Intel a simplificar el desarrollo y optimizar TensorFlow para obtener el mejor desempeño.