- TF105:大语言模型技术进展及应用
- TF104:软件工程的复杂性
- TF103:降本增效 架构先行
- TF102:攻击面管理
- TF101:全域营销的数据科学
- TF100:大模型时代下数据智能的应用与前景
- TF98:数字化转型先锋论坛-金融行业实践专场
- TF97:大语言模型时代的知识工程
- TF96:知识图谱赋能时空AI
- TF95:元宇宙系列(三):行业智能化,产业元宇宙来助力
- TF94:NLP技术和产业化发展
- TF93:云原生年度回顾与展望
- TF92:工业机器人柔性控制
- TF91:前端新技术与新实践
- TF90:研发效能度量
- TF89:数智转型 势在必行
- TF87:数据洞察与数据驱动
- TF86:知识图谱赋能智能制造
- TF85:打造公路“头等舱”——智能座舱与交互革命进行时
- TF84质量与效能
- TF83中间件设计:打造互联网架构的基石
- TF82前端与图形学
- TF81工业制造中的数据治理
- TF80云原生安全
- TF77智慧商业,连锁革命
- TF76金融知识图谱构建与应用:进展与展望
- TF75云原生架构演进:降本增效背景下的云原生实践
- TF74产业互联网下的数据科学
- TF73边缘计算不边缘——创新焦点之边缘智能设备和应用
- TF72技术创新驱动企业增长
- TF71 产业变革中的工业互联网安全
- TF70跨模态前沿AI技术及产业应用
- TF69工业制造中的大数据分析和预测
- TF68前端与多媒体
- TF67如何用因果推断和实验驱动用户增长
- TF66大转型,走进农业新时代
- TF65知识图谱开源开放及生态
- TF64量子人工智能:机遇与挑战
- TF63基础架构设计:从架构热点问题到行业变迁
- TF62元宇宙系列(二):数字化底座,万丈高楼平地起
- TF61开发安全与供应链安全
- TF60企业级研发效能提升的实践
- TF59研发效能提升之美
- TF58视觉基础模型研究及应用
- TF57数据安全之流动数据的安全管控
- TF56MBD,开启产品数字化定义新未来
- TF55前端工程体系,告诉你头部企业的新探索
- TF54工程师成长地图与卓越研发组织打造
- TF53预训练时代的大规模知识表示与推理实践
- TF52智慧、融合、安全——智能科技车与路
- TF51畅谈元宇宙的发展与挑战
- TF50工程师文化驱动组织创新
- TF49 产品设计与生产制造协同案例分享与探讨
- TF48云原生时代架构变迁与前瞻
- TF47AI技术落地过程中的实践问题探讨
- TF46数据科学的新发展与数字化转型
- TF45知识图谱新技术、新场景、新应用
- TF44智能驾驶的技术挑战和解决方案
- TF43前端的发展与未来
- TF42区块链DeFi技术新机遇与实战
- TF41云上大数据和数据中台建设
- TF40人机共存,传统行业供给侧服务者赋能技术与系统实战
- TF39语言知识前沿研究与工业实践
- TF38无(少)标注数据在人工智能中的应用
- TF37基于场景的机器人环境理解与智能交互
- TF36工业大数据在智能制造领域的应用与探索
- TF35从数据分析到数据智能
- TF34工业互联网安全前沿与技术热点
- TF33人工智能的下半场—— 知识图谱的新机遇与行业落地
- TF32端到端数据分析系统构建
- TF31智能:前端技术的新挑战
- TF30产业互联网下的数据智能实战解析
- TF29机器视觉技术进展及工业应用
- TF28技术战略转型背后的工程师文化
- TF27零信任网络架构实践 (ZTNA Practice)
- TF26互联网架构中的热点应对
- TF25工业人工智能技术创新与应用
- TF24 仿真工业软件的研究与应用
- TF23AI联邦学习的最新应用落地
- TF22数据驱动
- TF21 认知智能落地中的问题与对策
- TF20 深度学习技术和框架应用
- TF19 未来智能设备的交互技术
- TF18 数据安全与风险防控
- TF17 认知计算产业化落地
- TF16 NewSQL探索与实践
- TF15 Cloud Native 云原生时代的架构
- TF14 联邦学习技术及数据隐私保护
- TF13 大数据时代背景下数字内容生产行业的技术变迁
- TF12 语言认知与知识计算
- TF11 容器化和Service Mesh实践
- TF10 AI在智慧媒体领域的应用
- TF09 人机对话的产业应用与技术发展
- TF08 企业数据安全建设实践
- TF07 大数据在新零售中的应用
- TF06 工程师职业发展及组织文化概况
- TF05 区块链技术与工程实践研讨会
- TF04 纵论AI在问答、机器翻译、自动驾驶、人脸识别中的应用
- TF03 大数据系统与应用
- TF02 人工智能时代的互联网运维
会议主席
袁康
1997年毕业于中国科学院计算技术研究所。担任CCF TF-SIG智能制造主席。主持设计的产品连续多年获得IF、红点Best of Best、G-MARK、中国设计智造(DIA)等国际设计大奖,并获得安徽省科学技术进步奖,合肥市“创新领军人才”A类等称号。主要研究方向包括计算机系统结构、产品创新设计、智能制造中的数字孪生、工业大数据分析与应用、人工智能及视觉识别等领域。
特邀讲者
刘楠
主题报告一视频: 工业大数据在智能制造领域的应用及探索
主题简介:京东方有超过20年的生产制造经验,每年的信息化和数字化的研发投入都有过亿的投入。北京中祥英科技有限公司承载着将京东方积累的智能制造领域的经验对外输出的重任,致力于提升我国工业的整体智能化水平,以工业互联网平台为载体,为新型显示产业上下游企业,电子信息产业及其他产业提供工业企业管理咨询、工业互联网解决方案及平台服务。本次报告主要介绍京东方在利用大数据为智能制造赋能的落地案例及创新的尝试,包括数据的治理与应用,制造知识图谱,不良根因分析,不良图像自动分类,及VR在制造工艺作业流程的应用。
个人简介:刘楠,早稻田大学博士,北京市“海聚工程”特聘专家,北京市朝阳区“凤凰计划”海外高层次人才。目前任职于京东方科技集团股份有限公司,北京中祥英科技有限公司,为技术中心算法专家,解决方案总监。积极的推进新技术在智能制造的应用,探索如何将新技术融入到制造流程并创造价值,其中包括知识图谱,计算机视觉,自然语言处理,数字孪生,VR/AR等。入职京东方前,曾先后在日本东芝研究中心,产业技术综合研究所(AIST),新加坡南洋理工大学(NTU)从事芯片设计和EDA算法的研究和开发的工作。发表过20余篇SCI/EI论文,申请20余个发明专利。目前专注于工业互联网相关的标准制定,架构设计,前沿技术的应用和落地,以及模拟仿真等工业软件的自主开发。
汤寅航
主题报告二: 深度学习在工业质检的优势及应用
主题简介: 中国智能制造服务市场已达千亿规模,在如此庞大的市场中,工业视觉是应用AI较多的领域。工业视觉的用途主要有定位、检测、测量、识别。面对工业质检场景碎片化严重、环境复杂多变、样本数不足等诸多问题的挑战,人工智能深度学习算法凭借独特的优势具有巨大应用潜力。创新奇智推出ManuVision工业视觉平台,融合少样本学习、图像超分辨率算法、物理缺陷模拟等创新性技术,在工程建筑、汽车装配、3C电子、面板半导体等诸多领域快速落地应用。人工智能预测准确率将随着工业大数据的提升而持续优化,以实现生产质量数据的全面掌控,为流程优化和工艺再造提供关键数据支持,人工智能工业质检解决方案也将全面赋能工业。
个人简介: 汤寅航,创新奇智工业智能部高级技术总监,法国里昂大学计算机博士,师从计算机教授Liming Chen和数学教授Jean-Marie Morvan,主要研究领域包括图像处理、模式识别、生物特征识别等,在国际著名期刊及会议发表十余篇学术论文。汤博士具有从技术算法研究、到产品研发,到交付实施的完整项目经验,打造多个机器视觉在工业制造及安全生产领域的应用落地最佳实践,包括研发交付国内首套铁路隧道雷达波质检平台系统、3C电子/食品等离散制造业产品的质检分拣系统、智慧安全工厂/园区项目等。
孙丙宇
主题报告三: 面向生产现场虚拟监控的数字孪生解决方案
主体简介:数字孪生基于三维虚拟现实的最佳形式,实现对智慧工厂的真实展现,把“实体空间”和“虚拟呈现”融合在一起,采集实体生产制造过程中的所有实时数据,在虚拟环境中实现集成展示。通过数字孪生技术可以实现设备运行状态及参数实时采集,并自动、统一汇总到系统平台,并通过仿真软件中模型状态的实时更新,使模拟数据同真实设备状态保持一致,实现车间设备真实运行情况的实时同步监控。
个人简介: 孙丙宇,教授,博士生导师。 2004年12月毕业于中国科学技术大学,获工学博士学位,2005年于香港中文大学担任研究助理,2006年至今于中国科学院合肥智能机械研究所工作。长期以来,围绕机器学习与智能控制,在数据挖掘、大数据、图像处理、自动化控制等方面开展基础理论与方法的研究工作,主持承担国家科技支撑计划、国家自然科学基金、科学院重大科研项目、安徽省重大科技攻关等项目十余项,包括:人脑认知机制启发下机器视觉的深度图像识别方法(国家自然科学基金)、智能测土机器人研究与示范(安徽省科技重大专项)、SF6变电站巡检机器人(国网安徽电科院项目)、便携式一体化架空配电线路带电剪接火自动装置研制(安徽省电力公司项目)、核环境遥操作控制系统(中国科学院STS专项)、肠道特种机器人(企业委托)等。在IEEE Trans系列等核心学术刊物上发表论文20余篇,获得发明专利10余项。
陈陶根
主题报告四视频:设备+平台 自动化到智能化的必经之路
主题简介:随着国内制造行业的蓬勃发展,近几年来, 针对制造业的传统自动化装备结合人工智能等新技术进行的升级在各个领域遍地开花,助力生产装备自动化水平不断提高,同时随着云,大数据,工业互联网等技术的日趋成熟,对传统研发、生产、质量管理等系统或平台进行升级也呈爆发之势,当下,虽然各领域的制造业自动化程度不断地提高,但智能化水平的提升非常有限,究其原因在于制造行业智能化过程中没有统一标准遵循,导致系统或平台商与自动化装备商对接时不能深度融合, 未来将通过设备+平台的理念来推进智能制造标准的统一化, 形成正真意义上的万物互联,提升制造业智能化水平将是必然的趋势,我将为您分享PC领域制造业的设备+平台理念, 来一起探讨和研究制造业智能化未来的发展趋势。
个人简介: 陈陶根 合肥市肥西县引进培育重点产业优秀专家技术人才,安徽省科学技术奖三等奖。目前任职于联宝科技研发部,软件设计部总监,主任工程师;智能制造方案总架构师,智能工程实验室主任。积极推动以客户为中心的软件设计理念,建立联宝笔记本电脑软件设计与开发的技术路线图以及标准规范;积极探索基于机器视觉,人工智能,大数据,数字孪生等新技术及理念在产品设计、研发、生产、供应链、销售到服务的智慧生态体系中的应用与实践,目前专注于,自动化设备与智能控制平台融合的标准制定,架构与体系设计,以及模拟仿真测试等工业自动化设备的设计开发,带领智能工程实验室团队申请相关专利30余项。