#三分钟Excel#
表格数据少，内存太大原因
1-存在外部链接
比如引用了外部工作表，外部工作簿的内存越大，引用的本体的工作簿内存就会更大。
2-数据有效性区域设置过多
这个会增加内存，但是我测试过，增加的幅度不会很大，大概就几百B，或者几k。
3-设置单元格格式/条件格式过多，区域过多。
条件格式太多不仅会增加内存，而且会影响相关运行速率，我之前在工作表中加了n个条件格式，运行效率有点慢。
(所以在做表的时候，不需要的条件格式/自定义名称都可以删除)
4－存在隐藏对象
比如隐藏工作表，隐藏对象(图片，形状等)
有些工作表的话，可能是深度隐藏。
还有网页中或者其他路径中直接粘贴保留格式的，也可能造成内存过大。
(数据最好事先清洗)
5-公式复杂度/直接引用整列
为了方便自动更新，很多公式会直接引用整行整列，但是这样不太好。最好是智能表格自动拓展，重复的公式可以使用自定义名称。
6-表格区域过大
不在表格内的其他单元格，有设置格式
比如表格区域外，其他的地方有设置白色填充什么的。
所以将没有使用的行和列的行和列分别选中，右键进行全部清除，也可以起到降低内存的作用。
表格数据少，内存太大原因
1-存在外部链接
比如引用了外部工作表，外部工作簿的内存越大，引用的本体的工作簿内存就会更大。
2-数据有效性区域设置过多
这个会增加内存，但是我测试过，增加的幅度不会很大，大概就几百B，或者几k。
3-设置单元格格式/条件格式过多，区域过多。
条件格式太多不仅会增加内存，而且会影响相关运行速率，我之前在工作表中加了n个条件格式，运行效率有点慢。
(所以在做表的时候，不需要的条件格式/自定义名称都可以删除)
4－存在隐藏对象
比如隐藏工作表，隐藏对象(图片，形状等)
有些工作表的话，可能是深度隐藏。
还有网页中或者其他路径中直接粘贴保留格式的，也可能造成内存过大。
(数据最好事先清洗)
5-公式复杂度/直接引用整列
为了方便自动更新，很多公式会直接引用整行整列，但是这样不太好。最好是智能表格自动拓展，重复的公式可以使用自定义名称。
6-表格区域过大
不在表格内的其他单元格，有设置格式
比如表格区域外，其他的地方有设置白色填充什么的。
所以将没有使用的行和列的行和列分别选中，右键进行全部清除，也可以起到降低内存的作用。
无意义的争论不止不休，各个论述对方引流量的恶行，其实自己的行为无非也是引流。
灾难发生，新闻记者怎么可能不去报道逝者家属，新闻记者存在的意义就是传递信息、报道事实。只不过有些措辞、表述方式需要注意。
例如在官方正式通告之前，不能自定义空难人员为“逝者”；再者，深夜打扰家属等行为确实有些过头。但这些问题不代表这篇报道不应该存在。
大家关注的重点已经开始转变，从事件转移到伦理问题，只要戴上这顶高帽便会引来无休止的争论[裂开]你想看就看，觉得不舒服不想看就关掉，搞不懂空难事件为什么还会引来这种无意义的争论。#请为mu5735守住人性底线#
灾难发生，新闻记者怎么可能不去报道逝者家属，新闻记者存在的意义就是传递信息、报道事实。只不过有些措辞、表述方式需要注意。
例如在官方正式通告之前，不能自定义空难人员为“逝者”；再者，深夜打扰家属等行为确实有些过头。但这些问题不代表这篇报道不应该存在。
大家关注的重点已经开始转变，从事件转移到伦理问题，只要戴上这顶高帽便会引来无休止的争论[裂开]你想看就看，觉得不舒服不想看就关掉，搞不懂空难事件为什么还会引来这种无意义的争论。#请为mu5735守住人性底线#
#商汤AI大装置落地汽车质检，演绎“质、敏、柔”工业三步曲#
随着人工智能等新一代技术的逐步成熟，第四次工业革命的浪潮席卷全球，智能制造也已成为我国的重要方略。而汽车工业作为工业的关键领域之一，其智能化转型也得到产业链上下游的重点关注。
近期，在汽车行业的“灯塔工厂”和“智能制造示范工厂”——福田康明斯发动机生产工厂的总装车间里，响起了此起彼伏的快门声。一声声的“咔嚓”，如同汽车工业在新时代的脉搏，展现了人工智能技术与汽车工业相结合而碰撞出的强大生命力。支持这份生命力的，是基于商汤SenseCore AI大装置打造的光机电软算一体化的深泉工业质检推训平台（以下简称深泉平台）。依托这套平台，福田康明斯不仅实现了对发动机关键零部件的表面缺陷和装配缺陷的自动检测，大大提升了质检效率，更是提升了工人的能力，将工人从枯燥乏味的质检工作中解放了出来从事工艺等更高水平的工作，最终提升了企业整体的竞争力，迈出了向智能制造转型升级的关键一步。
福田康明斯的高级项目经理表示：“商汤科技的深泉平台与我司生产实践相结合，实现了多个场景下AI质检能力的快速上线，提升了质检效率，也帮助我们提高了智能制造的水平，为AI质检在汽车工业制造领域的敏捷创新和应用奠定了基础。”
在今天的汽车工厂里，机器人的应用已经随处可见。但是在质检这个环节，仍然对人工目检存在巨大需求及挑战。要解决好这个问题，需要演绎好“质、敏、柔”三步曲，让汽车生产动作和音乐旋律一样准确、轻快、灵活。
“质”，即要足够的精准。衡量精准度的指标一般有两个，漏检率和误检率。漏检率影响生产的良品率，而误检率影响生产的产能，只有漏检率和误检率都足够低，才意味着质检产品可以被实际应用。
“敏”，即落地全流程要足够的高效，让工厂各个部门高效落地AI智能化应用，充分利用产线上每一寸空间，并让工人手眼与智能化应用共同协作、完美配合，“人机协同”实现高效生产。
“柔”，即缺陷检测要具备足够的柔性，随着时代的发展，大规模生产的定义已经从单件大批次已经变为多件小批次。要求在有限的产线空间内，能够支持多种零件的生产。
可以说，深泉平台在“质”、“敏”、“柔”三个方面都表现出色，这也保证了深泉平台能在福田康明斯诸多工位形成真正的落地实践。
工业场景往往面临零部件种类多、型号多、缺陷种类多的“三多”难题。一是零部件种类多，据统计一辆汽车上的零部件多达上万种；二是零部件型号多，哪怕是同一种零部件，用到不同汽车上的型号往往千差万别；三是零部件缺陷多，不同的生产工艺就会产生不同的缺陷。要想针对每种缺陷检测的场景，均达到“质”的要求，就变得极为困难。
为了解决这个问题，深泉平台从多光学方案支持、多零部件形态支持、多重质检支持三个角度提供了解决方案。在多光学方案支持方面，平台里支持了十余种不同的图像处理方案，从明视场到暗视场，从同轴光到穹顶弥散光，都可以很好的完成图像的质量检测、数据预处理、数据增强等。工业成像特点是，整张图像素范围较大，但缺陷通常都较小。为了对这类缺陷进行检测，在深泉平台提供了高精度的图像分割能力，可以在上亿级像素分辨率的极端场景下，对仅有3-5个像素的缺陷实现精准检出，让缺陷位置一目了然。
在多零件形态支持方面，平台里支持凹型件、拱形件、多面体等多种零部形态。在复杂零部件拍摄时也会出现判断是否是缺陷标准不清晰的问题，标注出现错误的情况较难避免。针对这一情况，深泉平台提供了诸如Auto Denoise等技术，能够保证训练数据集件在有噪声的情况下也能收敛到最优点。
在多重质检支持方面，针对工业生产中的装配类缺陷、生产工艺类缺陷，提供了无监督、半监督、强监督完整的模型训练体系进行了支持。并在推理时综合使用，确保最低程度的漏检和最高质量的检出。
每一个AI质检的项目，都是一套系统化的工程，涉及光机电软算的多个系统，也会涉及原有质检流程的更新和重组，如何将智能化技术和产线完美融合提升产线效率，深泉平台提供了完善的解决方案，将工艺的迭代从“月”为单位改变为“周”为单位。真正践行“敏”。
深泉平台针对生产前-轻量化产线、生产中-软硬一体高效推理、生产后-工艺快速迭代提供了多方面解决方案：
轻量化产线，深泉平台提供了云化和轻量边缘侧两种推理产品形态，助力产线云化、轻量化、无线化。减少产线上繁杂的各种设备。让工人生产时有一个一目了然的生产视野。打造智慧“生产舱”，为更快的生产节拍奠定基础。也为产线未来换型等各种变化时夯实了基础。
软硬一体高效推理，结合公司自研AI芯片形成了软硬一体高效推理方案，确保了商汤的学术和工业实践成果可以最大化利用AI算力，实现最优的算法精度和速度。深泉平台还打通了工业相机、PLC、机械臂等生产线上的端设备，实现了多个设备的协同工作，从而保证AI质检能满足生产线上几百毫秒甚至几十毫秒的极限节拍。
工艺快速迭代，通过对工艺生产缺陷进行实时数据分析，将缺陷数量、类别、等级等信息以报表形式提供给企业生产管理者，使其对生产质量一目了然，实现以量化数据指导生产工艺改进，大大提高生产质量管理效率。
在福田康明斯的工位，随着缺陷的精准识别和缺陷汇总分析，让工厂更快的区分关键缺陷和一般缺陷。关键缺陷的工艺迭代依托数据，已经在按周为单位在进行工艺优化。真正演绎了深泉平台的效果之“敏”。
传统的汽车工业生产模式是“刚性”生产，即以实现单一产品的大批量生产为主。但随着生产理念和技术的发展，现在的工业企业开始转向“柔性”生产，强调要高质量的生产小批量的产品，这无论对生产制造还是对质量检测，都提出了更高的要求。
为了解决解决这个问题，深泉平台提供了工业模型训练组件、推理工作流调度组件、报表配置组件。工业模型训练组件可以充分利用商汤SenseCore AI大装置的能力，如同流水线工厂一般，实现不同场景的算法模型的底层抽象。深泉平台不仅集成了SenseCore AI大装置，更是在其之上打造了零代码的工业模型生产平台，使用“授人以渔”的方式，将AI模型生产的能力全面赋能给工业开发者。深泉平台中还集成了AutoML技术，与常规AutoML不同，该技术专门针对工业小数据集设计，以在工业质检这类细分场景中达到算力与精度的最佳平衡，以做到真正的不调一个参数。实践表明，在福田康明斯的多个工位上，通过超参自动搜索得到的AI模型，其漏杀率和误杀率都明显优于普通模型。
推理工作流调度组件可以在完成 AI模型自由定制后，对质检工艺进行灵活调整。质检工艺依赖于光机电软算各部分的紧密配合，要实现有效调整，就需要统筹考虑。深泉平台集成了业内主流厂商的工业相机，无论是百万像素还是千万像素，无论是面阵相机还是线阵相机，均能即插即用。同时，深泉平台还支持多款PLC主流协议，可以实现与几十款PLC的互联互通。当光机电设备充分连接之后，作为质检产线的中枢，深泉平台将通过低代码平台来灵活设计质检工艺，从而实现对流水线、机械臂等各类机械自动化设备的控制，确保多设备的高效协同工作。在这套低代码平台中，工业相机、PLC、机械臂等均被抽象为一个个的节点，用户只需要通过可视化配置的方式，即可对节点进行不同的排列组合，从而轻松实现质检工艺的再定义。通过几分钟的重新配置，就可以实现质检工艺的快速切换，确保了对“柔”的支撑。
在报表配置组件中，深泉平台提供了灵活的报表配置，采用横纵表的设计，确保了产线生产不同类型的设备，系统可以采用插件式装载，报表会自动显示生产零部件的质量情况，真正做到全方面的柔性生产。
以福田康明斯的质检场景为例，在轴瓦检测工位，一次需要完成对两片轴瓦表面的缺陷检测，由于轴瓦形状为拱形，因此每个轴瓦需要两个相机进行拍摄，一个工位则会包含4个工业相机。这4个工业相机的工作模式、拍照顺序、结果整合方式，都会影响给到PLC最终的质检结果，最终影响质检工艺。深泉平台将各种设备和AI模型均抽象为节点，用户可以自行定义节点的工作顺序和流程，从而实现对质检业务流程的自定义。当客户的场景从使用4个相机的轴瓦检测工位，变更为使用1个相机的飞轮壳涂胶工位时，用户只需要重新拖动节点，设计一个符合飞轮壳涂胶工位的质检业务流程，整个流程即可生效。
目前，基于商汤SenseCore AI大装置打造的光机电软算一体化的深泉平台，已经在福田康明斯的多个工位落地。让AI质检在百年汽车工业中找到了自己发光发热的空间。随着被评为“灯塔工厂”和“智能制造示范工厂”，福田康明斯也将持续推动发动机生产向智能制造的转型升级，而商汤科技也将持续通过强大的深泉平台，让智能化助力汽车工业的发展，让汽车工业的生产像华尔兹一样优美和轻快，助力汽车行业在工业4.0的浪潮中不断前行。
随着人工智能等新一代技术的逐步成熟，第四次工业革命的浪潮席卷全球，智能制造也已成为我国的重要方略。而汽车工业作为工业的关键领域之一，其智能化转型也得到产业链上下游的重点关注。
近期，在汽车行业的“灯塔工厂”和“智能制造示范工厂”——福田康明斯发动机生产工厂的总装车间里，响起了此起彼伏的快门声。一声声的“咔嚓”，如同汽车工业在新时代的脉搏，展现了人工智能技术与汽车工业相结合而碰撞出的强大生命力。支持这份生命力的，是基于商汤SenseCore AI大装置打造的光机电软算一体化的深泉工业质检推训平台（以下简称深泉平台）。依托这套平台，福田康明斯不仅实现了对发动机关键零部件的表面缺陷和装配缺陷的自动检测，大大提升了质检效率，更是提升了工人的能力，将工人从枯燥乏味的质检工作中解放了出来从事工艺等更高水平的工作，最终提升了企业整体的竞争力，迈出了向智能制造转型升级的关键一步。
福田康明斯的高级项目经理表示：“商汤科技的深泉平台与我司生产实践相结合，实现了多个场景下AI质检能力的快速上线，提升了质检效率，也帮助我们提高了智能制造的水平，为AI质检在汽车工业制造领域的敏捷创新和应用奠定了基础。”
在今天的汽车工厂里，机器人的应用已经随处可见。但是在质检这个环节，仍然对人工目检存在巨大需求及挑战。要解决好这个问题，需要演绎好“质、敏、柔”三步曲，让汽车生产动作和音乐旋律一样准确、轻快、灵活。
“质”，即要足够的精准。衡量精准度的指标一般有两个，漏检率和误检率。漏检率影响生产的良品率，而误检率影响生产的产能，只有漏检率和误检率都足够低，才意味着质检产品可以被实际应用。
“敏”，即落地全流程要足够的高效，让工厂各个部门高效落地AI智能化应用，充分利用产线上每一寸空间，并让工人手眼与智能化应用共同协作、完美配合，“人机协同”实现高效生产。
“柔”，即缺陷检测要具备足够的柔性，随着时代的发展，大规模生产的定义已经从单件大批次已经变为多件小批次。要求在有限的产线空间内，能够支持多种零件的生产。
可以说，深泉平台在“质”、“敏”、“柔”三个方面都表现出色，这也保证了深泉平台能在福田康明斯诸多工位形成真正的落地实践。
工业场景往往面临零部件种类多、型号多、缺陷种类多的“三多”难题。一是零部件种类多，据统计一辆汽车上的零部件多达上万种；二是零部件型号多，哪怕是同一种零部件，用到不同汽车上的型号往往千差万别；三是零部件缺陷多，不同的生产工艺就会产生不同的缺陷。要想针对每种缺陷检测的场景，均达到“质”的要求，就变得极为困难。
为了解决这个问题，深泉平台从多光学方案支持、多零部件形态支持、多重质检支持三个角度提供了解决方案。在多光学方案支持方面，平台里支持了十余种不同的图像处理方案，从明视场到暗视场，从同轴光到穹顶弥散光，都可以很好的完成图像的质量检测、数据预处理、数据增强等。工业成像特点是，整张图像素范围较大，但缺陷通常都较小。为了对这类缺陷进行检测，在深泉平台提供了高精度的图像分割能力，可以在上亿级像素分辨率的极端场景下，对仅有3-5个像素的缺陷实现精准检出，让缺陷位置一目了然。
在多零件形态支持方面，平台里支持凹型件、拱形件、多面体等多种零部形态。在复杂零部件拍摄时也会出现判断是否是缺陷标准不清晰的问题，标注出现错误的情况较难避免。针对这一情况，深泉平台提供了诸如Auto Denoise等技术，能够保证训练数据集件在有噪声的情况下也能收敛到最优点。
在多重质检支持方面，针对工业生产中的装配类缺陷、生产工艺类缺陷，提供了无监督、半监督、强监督完整的模型训练体系进行了支持。并在推理时综合使用，确保最低程度的漏检和最高质量的检出。
每一个AI质检的项目，都是一套系统化的工程，涉及光机电软算的多个系统，也会涉及原有质检流程的更新和重组，如何将智能化技术和产线完美融合提升产线效率，深泉平台提供了完善的解决方案，将工艺的迭代从“月”为单位改变为“周”为单位。真正践行“敏”。
深泉平台针对生产前-轻量化产线、生产中-软硬一体高效推理、生产后-工艺快速迭代提供了多方面解决方案：
轻量化产线，深泉平台提供了云化和轻量边缘侧两种推理产品形态，助力产线云化、轻量化、无线化。减少产线上繁杂的各种设备。让工人生产时有一个一目了然的生产视野。打造智慧“生产舱”，为更快的生产节拍奠定基础。也为产线未来换型等各种变化时夯实了基础。
软硬一体高效推理，结合公司自研AI芯片形成了软硬一体高效推理方案，确保了商汤的学术和工业实践成果可以最大化利用AI算力，实现最优的算法精度和速度。深泉平台还打通了工业相机、PLC、机械臂等生产线上的端设备，实现了多个设备的协同工作，从而保证AI质检能满足生产线上几百毫秒甚至几十毫秒的极限节拍。
工艺快速迭代，通过对工艺生产缺陷进行实时数据分析，将缺陷数量、类别、等级等信息以报表形式提供给企业生产管理者，使其对生产质量一目了然，实现以量化数据指导生产工艺改进，大大提高生产质量管理效率。
在福田康明斯的工位，随着缺陷的精准识别和缺陷汇总分析，让工厂更快的区分关键缺陷和一般缺陷。关键缺陷的工艺迭代依托数据，已经在按周为单位在进行工艺优化。真正演绎了深泉平台的效果之“敏”。
传统的汽车工业生产模式是“刚性”生产，即以实现单一产品的大批量生产为主。但随着生产理念和技术的发展，现在的工业企业开始转向“柔性”生产，强调要高质量的生产小批量的产品，这无论对生产制造还是对质量检测，都提出了更高的要求。
为了解决解决这个问题，深泉平台提供了工业模型训练组件、推理工作流调度组件、报表配置组件。工业模型训练组件可以充分利用商汤SenseCore AI大装置的能力，如同流水线工厂一般，实现不同场景的算法模型的底层抽象。深泉平台不仅集成了SenseCore AI大装置，更是在其之上打造了零代码的工业模型生产平台，使用“授人以渔”的方式，将AI模型生产的能力全面赋能给工业开发者。深泉平台中还集成了AutoML技术，与常规AutoML不同，该技术专门针对工业小数据集设计，以在工业质检这类细分场景中达到算力与精度的最佳平衡，以做到真正的不调一个参数。实践表明，在福田康明斯的多个工位上，通过超参自动搜索得到的AI模型，其漏杀率和误杀率都明显优于普通模型。
推理工作流调度组件可以在完成 AI模型自由定制后，对质检工艺进行灵活调整。质检工艺依赖于光机电软算各部分的紧密配合，要实现有效调整，就需要统筹考虑。深泉平台集成了业内主流厂商的工业相机，无论是百万像素还是千万像素，无论是面阵相机还是线阵相机，均能即插即用。同时，深泉平台还支持多款PLC主流协议，可以实现与几十款PLC的互联互通。当光机电设备充分连接之后，作为质检产线的中枢，深泉平台将通过低代码平台来灵活设计质检工艺，从而实现对流水线、机械臂等各类机械自动化设备的控制，确保多设备的高效协同工作。在这套低代码平台中，工业相机、PLC、机械臂等均被抽象为一个个的节点，用户只需要通过可视化配置的方式，即可对节点进行不同的排列组合，从而轻松实现质检工艺的再定义。通过几分钟的重新配置，就可以实现质检工艺的快速切换，确保了对“柔”的支撑。
在报表配置组件中，深泉平台提供了灵活的报表配置，采用横纵表的设计，确保了产线生产不同类型的设备，系统可以采用插件式装载，报表会自动显示生产零部件的质量情况，真正做到全方面的柔性生产。
以福田康明斯的质检场景为例，在轴瓦检测工位，一次需要完成对两片轴瓦表面的缺陷检测，由于轴瓦形状为拱形，因此每个轴瓦需要两个相机进行拍摄，一个工位则会包含4个工业相机。这4个工业相机的工作模式、拍照顺序、结果整合方式，都会影响给到PLC最终的质检结果，最终影响质检工艺。深泉平台将各种设备和AI模型均抽象为节点，用户可以自行定义节点的工作顺序和流程，从而实现对质检业务流程的自定义。当客户的场景从使用4个相机的轴瓦检测工位，变更为使用1个相机的飞轮壳涂胶工位时，用户只需要重新拖动节点，设计一个符合飞轮壳涂胶工位的质检业务流程，整个流程即可生效。
目前，基于商汤SenseCore AI大装置打造的光机电软算一体化的深泉平台，已经在福田康明斯的多个工位落地。让AI质检在百年汽车工业中找到了自己发光发热的空间。随着被评为“灯塔工厂”和“智能制造示范工厂”，福田康明斯也将持续推动发动机生产向智能制造的转型升级，而商汤科技也将持续通过强大的深泉平台，让智能化助力汽车工业的发展，让汽车工业的生产像华尔兹一样优美和轻快，助力汽车行业在工业4.0的浪潮中不断前行。
✋热门推荐