杉岩数据CEO陈坚:以“数”赋能新质生产力 领航制造业检测数据管理赛道

编者按:在数字经济与实体经济深度融合的当下,杉岩数据的实践印证:以自主创新筑牢产业根基,以生态协同释放数据价值,是中国企业迈向高质量发展的必由之路。其经验为地方政府培育战略性新兴产业、构建现代化产业体系提供了鲜活样本。

在数字经济浪潮下,数据存储与管理技术已成为驱动产业升级的核心引擎,其重要性正随着数据量激增和应用场景多元化而日益凸显。作为国家级专精特新“小巨人”企业,深圳市杉岩数据技术有限公司(以下简称“杉岩数据”)以“软件定义存储”技术为支点,深耕智能制造、金融科技、工业互联网等领域,助力1800余家政企机构实现数据价值跃升。

近日,本报记者走进杉岩数据,对话公司董事长兼CEO陈坚,探秘这家“隐形冠军”如何以技术创新重塑产业生态。

图片

杉岩数据董事长兼CEO 陈坚

十年磨剑:锻造国产存储“硬实力”

自2014年成立以来,杉岩数据始终锚定分布式存储技术研发,突破“卡脖子”难题,让海量数据存得下、管得好、用得爽。经过10年的技术创新和成果应用转化,杉岩数据自主研发的杉岩海量对象存储(MOS)、杉岩检测数据管理系统(IDM)等系列产品及解决方案已攻克机器视觉检测机台数据采集、千亿级质检文件的高性能存储与检索、 数据压缩、全生命周期管理等诸多重大技术难题,助力制造企业发展新质生产力。

从市场竞争维度来看,纵观IDC、Gartner等权威报告,杉岩数据对象存储的市场份额连续5年稳居中国前三,同时也是Gartner中国区首份软件定义存储市场分析报告中的专业厂商。随着国家在制造业的相关政策出台,杉岩数据也将重点瞄向制造业。“新质生产力的核心在于技术创新与场景落地的双向奔赴。”陈坚表示,杉岩数据聚焦制造业数字化转型中检测数据管理的痛点,主要围绕新能源汽车产业链(动力电池、电机、电控等)、消费电子产业链、半导体产业链等提供配套,在与客户的交流中,我们看到制造业生产过程中海量检测数据管理给企业带来了成本增加等诸多问题,因此,杉岩数据“量身定制”了杉岩IDM产品,现已服务如比亚迪、京东方、协鑫集团等近百家龙头企业,累计存储质检文件数量达到1800亿个,帮助制造企业解决产线数据管理、质量管理等痛点和诉求,实现降本、增效、提质,为智能制造装上“数据引擎”。

政企协同:共筑数字经济“新基座”

作为广东省分布式智能存储工程技术研究中心的认定单位,杉岩数据在突破制约产业发展的关键共性技术、促进技术创新、推动科技成果转化等方面充分发挥示范和带动作用。通过自主开发、产学研合作、政府协同等方式开展产品与技术创新,深度参与国家信创生态建设,其产品被纳入工信部产业基础创新发展目录、深圳市信创产品名录等。同时,记者也看到杉岩数据在国家标准、行业标准及产业指南报告等方面做出了很大贡献,先后参与了多项标准和报告的编写工作。

杉岩数据设有深圳、成都双研发中心,在技术创新成果方面已累计获200余项专利及软著,形成覆盖数据采集、存储、管理、应用的全生命周期解决方案。“我们不仅是技术供应商,更是产业生态共建者。”陈坚介绍,杉岩数据以国家政策为导向,在广东省科学技术厅等的指导下,充分发挥杉岩数据的“国家小巨人企业、国家高新技术企业、广东省分布式智能存储工程技术研究中心、工业视觉数据智能处理研究中心”等身份职能,推动构建“AI+制造”的产学研用一体的产业生态合作,在新能源、半导体等战略产业中构建起安全可控的数据基础设施。这种“技术+场景+生态”的模式,正成为支撑地方政府培育新质生产力的重要抓手。

出海拓局:打造全球化“中国方案”

在夯实国内市场的根基上,杉岩数据加速布局海外,产品已进入越南、泰国、新加坡及欧洲多国。“中国智造不仅要服务本土,更要参与全球竞争。”陈坚透露,面向海外市场,杉岩数据主要聚焦在消费电子、汽车电子、动力电池、半导体、储能、光伏等行业的全球市场客户中,为出海中资企业及海外当地企业提供检测数据管理产品及解决方案。在客户部署与应用中,帮助客户提高了产线设备管理、质量管理、工艺管理及运维的效率数百倍,存储成本降低 70%以上,极大地增强了企业的市场竞争力,以技术创新+差异化策略打开国际市场。

目前,杉岩数据总交付容量突破6500PB,累计完成数亿元融资。陈坚表示,杉岩数据未来将加大AI与存储技术的融合研发,持续为政企客户提供“存得下、管得好、用得爽”的数据服务,未来的数字化建设关注的也将不局限于数据保存的时效性,更加关注数据的管理以及数据的挖掘,去挖掘数据的一些潜在价值,释放数据要素,该技术或将为推进制造产业高质量一体化发展提供前沿技术、创新思路、方法论和应用实践,助力工业制造领域持续发展新质生产力。

本文转载自《中国企业报》,作者:左振乾,监制:张剑,编辑:李南

代码下载地址: https://pan.quark.cn/s/a4b39357ea24 在计算机视觉技术中,数据集扮演着训练和评估模型的核心角色。Labelme作为一个广受欢迎的开源工具,能够支持用户以交互方式对图像进行标注,而COCO(Common Objects in Context)则是一种被广泛采纳的数据集标准格式,适用于包括物体检测、图像分割在内的多种任务。本文将详细阐述如何将Labelme生成的标注数据转换为COCO数据集的标准格式。 Labelme标注的图像在输出为JSON格式时,会包含以下核心内容: 1. `version`: 指明JSON文件的版本信息。 2. `flags`: 目前未定义或保持为空,预留用于未来的功能扩展。 3. `shapes`: 列表形式存储对象的形状信息,每个形状项包含`label`(对象类别名称),`points`(构成对象边缘的多边形顶点),以及`shape_type`(通常为“polygon”)。 4. `imagePath`和`imageData`: 提供原始图像的存储路径和二进制数据,便于后续图像的还原。 5. `imageHeight`和`imageWidth`: 明确标注图像的垂直和水平尺寸。 COCO数据集的标准格式中定义了三种主要的标注类型: 1. Object instances(目标实例):主要用于执行物体检测任务。 2. Object keypoints(目标上的关键点):适用于人体姿态估计相关应用。 3. Image captions(看图说话):用于生成图像的文本描述。 COCO的JSON结构中包含以下基本组成部分: 1. `images`:记录图像的基本属性,包括`height`(高度)、`...
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch深度学习框架构建并训练模型,旨在提升锂电池SOC估计的准确性与鲁棒性。该方法融合Transformer架构的核心机制,通过引入基函(Basis)分解策略,有效捕捉电池充放电过程中长时序、非线性动态特征,增强模型对复杂工况的适应能力。研究不仅详细阐述了Basisformer的网络结构设计、注意力机制优化与训练流程,还提供了完整的Python代码实现方案,涵盖数据预处理、模型搭建、损失函定义、训练验证及结果可视化等环节,便于科研人员快速复现、调优并拓展至其他电池状态预测任务。; 适合人群:具备一定深度学习与Python编程基础,熟悉PyTorch框架,从事电池管理系统(BMS)、能源汽车、储能系统、智能传感等领域的高校研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于动力电池与储能系统的实时SOC估算模块,提升系统安全性与能量利用效率;②作为学术研究的基础模型,用于复现、改进基于Transformer的时间序列预测方法在电化学系统中的应用;③为数据驱动的电池健康状态(SOH)、剩余使用寿命(RUL)联合估计提供可扩展的技术框架。; 阅读建议:建议读者结合所提供的代码与公开电池数据集(如NASA、CALCE等)进行动手实践,深入理解模型的输入输出结构与时序建模逻辑,同时可尝试引入温度、老化周期等多维特征,或融合物理模型构建混合预测架构,以进一步提升预测精度与泛化能力。
内容概要:本文系统阐述了基于动态规划算法优化插电式混合动力电动汽车(PHEV)能源管理的技术方案,结合Matlab与Simulink工具实现完整的仿真建模与代码开发。通过动态规划这一全局优化方法,在已知驾驶循环条件下,精确求解发动机、电机及电池之间的最优能量分配策略,以实现燃油消耗与排放的最小化目标,解决PHEV多能源路径规划中的复杂决策问题。文中提供了详尽的仿真模型构建流程与算法实现步骤,涵盖车辆动力学建模、能量管理架构设计、状态空间定义、代价函构造、最优控制律求解及结果可视化分析等关键环节,全面揭示PHEV能量管理系统的内在机制与优化逻辑。; 适合人群:具备一定Matlab/Simulink编程基础,从事能源汽车、智能控制、电力电子、自动化或交通运输工程等相关领域的研究生、科研人员及工程技术人员,尤其适合专注于车辆能量管理策略、节能控制算法研究的专业人士。; 使用场景及目标:①深入掌握动态规划在混合动力汽车能量管理中的理论基础与工程实现方法;②学习如何在Matlab/Simulink环境中搭建PHEV整车仿真平台并实施多目标优化仿真;③为学术研究、学位论文撰写或实际工程项目提供可复用的算法框架、模型模板与技术支持,支撑后续对等效燃油消耗最小化策略(ECMS)、模型预测控制(MPC)、实时优化算法等的对比研究与性能评估。; 阅读建议:建议读者结合所提供的完整代码与Simulink模型文件,逐模块调试运行,重点理解状态变量离散化处理、前后向递推求解过程、惩罚项设置以及边界条件处理等核心技术细节,同时可进一步拓展应用于不同工况场景、不同车型结构或与其他优化算法(如庞特里亚金极小值原理PMP)的对比验证,从而深化对PHEV能量管理实时性与全局性平衡问题的理解。
内容概要:本文围绕基于多虚拟同步发电机(VSG)的独立微网系统,开展多目标二次控制策略的MATLAB/Simulink建模与仿真研究。通过构建包含多个VSG单元的独立微网系统,设计并实现了能够同时实现频率与电压的无静差恢复、有功/无功功率精确分配以及环流有效抑制的综合控制目标的二次控制方法。研究重点在于控制策略的整体架构设计、关键控制模块的学建模及其在Simulink环境中的精细化实现,通过大量仿真实验验证了所提控制策略在不同工况下的有效性、动态响应性能及系统鲁棒性。; 适合人群:具备电力系统分析、自动控制理论及现代电力电子技术等专业知识背景,熟悉MATLAB/Simulink仿真工具,从事能源发电、微电网运行与控制、分布式能源系统集成等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:① 深入掌握多VSG独立微网系统的建模方法与稳定性分析要点;② 理解并复现兼顾静态精度与动态品的多目标二次协同控制算法;③ 为型微网控制保护装置的研发及先进控制策略的工程化应用提供可靠的仿真验证平台和技术储备。; 阅读建议:学习者应在巩固电力系统基础理论的前提下,重点关注控制算法的设计逻辑、各控制环节间的耦合关系以及Simulink模块的搭建技巧,建议通过调整系统参、设置不同的负载投切与故障扰动工况进行反复仿真,以深刻理解控制策略的内在机理与适应能力。
【通用视觉框架】基于Qt+Halcon开发的仿Visionmaster的通用视觉框架软件,全套源码,开箱即用 1.1 背景 ​ 本项目软件开发意图为实现对Halcon、Opencv算子及其它视觉软件的便捷使用,由于Halcon和Opencv使用相比VisionPro较为麻烦,故此本软件仿照海康VisionMaster的流程图式操作,实现对Halcon、Opencv及其它视觉软件的二次开发。 2.1 软件概述 本软件使用Qt框架进行开发,实现对视觉流程的自由搭配,市场上对标海康威视的VisionMaster; 本软件使用插件化开发框架,可使用提供的二次开发库自行添加功能算子和模块(将生成的插件放置到对应目录下即可); 2.2 功能概述: 视觉流程图式编程:实现对视觉/数据处理算子的自由编程,从而实现各类复杂的视觉需求 项目读取保存:将编程的视觉项目进行保存或者读取 图像显示:主界面中可以显示及监控视觉算子的图像处理情况 日志消息显示:显示软件运行过程中出现的日志消息 多语言:可进行多种语言切换 2.3 开发平台 主开发语言:Qt(C++) C++语言标椎:C++17 开发环境:Window/Linux 编程平台:Qt Creator 编译器: |版本 | MSVC | Qt 6.4.0 MSVC2019 64bit | | Mingw | Qt 6.4.0 MinGW 64-bit | 视觉工具:Halcon19.11 Progress X64 资源介绍请查阅:https://blog.csdn.net/m0_37302966/article/details/146980317 更多视觉框架资源:https://blog.csdn.net/m0_37302966/article/details/146583453
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值