观看人工智能如何改善计算机视觉

智能制造商的定义在一个组织与另一个组织之间可能有很大的不同。但是，真正成为“智能制造商”通常在很大程度上取决于组织将最新工具和技术无缝集成到现有生产环境中的能力。这样做的方式可以显着提高生产率，效率和功能。

将人工智能融入计算机视觉过程的能力可能是一个很好的例子。最近，我有机会与Levatas数据科学与分析副总裁Johann Beukes交流，听听他的见解。

爱安那：人工智能和计算机视觉可以通过哪些方式共同帮助智能制造商?

Beukes：制造空间提供了许多机会来改善对业务系统的实时决策支持，例如提高能效，供应链和网络优化以及计划维护。但是，捕获数据以达到这些决策支持目标需要新的传感器，这可能会导致成本高昂且功能受限。在这里，计算机视觉(CV)可以成为更具成本效益和灵活的“数据捕获”选项。

使用自主或半自主机器人，例如工程和机器人设计公司Boston Dynamics的Spot®，进一步增强了计算机视觉数据捕获的可访问性和覆盖范围。相反，安装静电传感器，与CV能力的单个机器人可以部署到涵盖多个当前使用情况，并很容易地调整开始捕获数据的新的使用案例。

此外，计算机视觉可以使用相同的捕捉到的图像，但提取新在后端使用新车型的信息。与通常使用一次的传感器不同，计算机视觉在其应用中具有灵活性，因为应用发生在软件层。例如，捕获传送带和正在运输的产品的视频流允许进行多种应用，例如异常检测和质量控制。

爱安那：如何充分利用人工智能和计算机视觉面临哪些挑战?

Beukes：即使是最先进的CV模型，其性能也从中等到优于人的感知范围不等，但是要达到高水平的性能却要付出代价。当前的CV方法使用需要大量数据的深度学习架构，因此，在仍然无法获得性能良好的模型的情况下，对昂贵的优化处理单元的投资可能会非常昂贵。