近日，亞馬遜推出了計算機視覺分析影象的雲服務，透過計算機視覺可以發現產品或工藝缺陷和異常。

計算機視覺並不是近期才出現的，其實早已在許多場景得到應用並取得了一定的效果。比如，計算機視覺可以幫助公安根據疑犯五官、身高、體重等特徵資料進行疑犯追蹤；無人機透過計算機視覺進行環境感知，避開障礙物……去年大火的人臉識別技術也是一種計算機視覺，如今，計算機視覺在零售、安防、銀行等場景作為一種商品、身份識別的工具得到廣泛的應用和認可。

其實，得益於深度學習技術的成熟，計算機視覺在工業場景中也備受關注。尤其是當前對產品質量的要求日益提升，工業生產日益複雜，生產流程中存在著不少不可控制甚至難以發現的消耗和磨損，生產精度受到影響；而一些中小型的加工製造企業，大多仍依靠工人做人工判斷進行產品質檢，需要不少人力成本，同時，視覺疲勞也容易引發漏檢誤檢。特別是年後，工廠招聘了不少新員工，生產過程的質量問題更是難以快速、全面地發現。

計算機視覺恰恰在這方面有著不錯的效果。據統計，燈塔工廠之一的艾默伊登工廠，藉助計算機視覺識別鋼表面缺陷，降低了質量問題的產品流出市場的機率，降低了50%因此帶來的質量成本損失。在工業企業當中，使用計算機視覺識別的企業能夠減輕質量問題。

另一方面，計算機視覺識別讓工人從人工判斷的工作中解放出來，更專注於改善流程管理、工藝改進等環節當中，在節省人力成本的同時，讓產品得到持續改進。比如，透過標記計算機視覺識別的缺陷數量和發現的位置等，找出缺陷率高的多發工序，從而能幫助企業及時排查產線問題和最佳化工藝流程。

然而，計算機視覺識別作為人工智慧的一項重要感知技術，並不是加裝一個工業攝像頭這麼簡單。那麼，在生產過程中應用計算機視覺技術要注意什麼呢？

在實際環境中，環境當中光源的不確定性會使影象採集環節受到影響。另外，將原有工業監測的知識轉化為標準化的形式，以知識圖譜的形式融入演算法需要企業具有一定的技術能力。

除了計算機視覺識別以外，還可以在關鍵裝置上配置感測器或者在PLC控制器上部署底層數採裝置，可以作為計算機視覺識別的有力補充，更多維度感知產線實際情況。

作為工業網際網路解決方案商，廣東寰球智慧專注於大資料和人工智慧的研發和應用，推出包括計算機視覺、感測器等適合工業場景人工智慧感知技術，幫助企業挖掘生產過程中各項資料的內在價值，釋放技術潛能。

廣東寰球智慧數採硬體系列