智能制造商的定義在一個組織與另一個組織之間可能有很大的不同。但是，真正成為“智能制造商”通常在很大程度上取決于組織將最新工具和技術無縫集成到現有生產環(huán)境中的能力。這樣做的方式可以顯著提高生產率，效率和功能。

將人工智能融入計算機視覺過程的能力可能是一個很好的例子。最近，我有機會與Levatas數據科學與分析副總裁Johann Beukes交流，聽聽他的見解。

愛安那：人工智能和計算機視覺可以通過哪些方式共同幫助智能制造商?

Beukes：制造空間提供了許多機會來改善對業(yè)務系統(tǒng)的實時決策支持，例如提高能效，供應鏈和網絡優(yōu)化以及計劃維護。但是，捕獲數據以達到這些決策支持目標需要新的傳感器，這可能會導致成本高昂且功能受限。在這里，計算機視覺(CV)可以成為更具成本效益和靈活的“數據捕獲”選項。

使用自主或半自主機器人，例如工程和機器人設計公司Boston Dynamics的Spot®，進一步增強了計算機視覺數據捕獲的可訪問性和覆蓋范圍。相反，安裝靜電傳感器，與CV能力的單個機器人可以部署到涵蓋多個當前使用情況，并很容易地調整開始捕獲數據的新的使用案例。

此外，計算機視覺可以使用相同的捕捉到的圖像，但提取新在后端使用新車型的信息。與通常使用一次的傳感器不同，計算機視覺在其應用中具有靈活性，因為應用發(fā)生在軟件層。例如，捕獲傳送帶和正在運輸的產品的視頻流允許進行多種應用，例如異常檢測和質量控制。

愛安那：如何充分利用人工智能和計算機視覺面臨哪些挑戰(zhàn)?

Beukes：即使是最先進的CV模型，其性能也從中等到優(yōu)于人的感知范圍不等，但是要達到高水平的性能卻要付出代價。當前的CV方法使用需要大量數據的深度學習架構，因此，在仍然無法獲得性能良好的模型的情況下，對昂貴的優(yōu)化處理單元的投資可能會非常昂貴。