計(jì)算機(jī)視覺(jué)將掀起下一波創(chuàng)業(yè)大潮

人工智能中的計(jì)算機(jī)視覺(jué)是人類(lèi)視覺(jué)的自動(dòng)化。從零售、農(nóng)業(yè)、保險(xiǎn)到建筑，計(jì)算機(jī)視覺(jué)可以應(yīng)用于社會(huì)的許多領(lǐng)域。

人工智能有眼睛，這就是計(jì)算機(jī)視覺(jué)。以下是計(jì)算機(jī)視覺(jué)初創(chuàng)公司是如何影響行業(yè)的。

隨著計(jì)算機(jī)視覺(jué)初創(chuàng)公司的出現(xiàn)，人工智能正在給世界帶來(lái)革命性的變化。人工智能中的計(jì)算機(jī)視覺(jué)是人類(lèi)視覺(jué)的自動(dòng)化。從零售、農(nóng)業(yè)、保險(xiǎn)到建筑，計(jì)算機(jī)視覺(jué)可以應(yīng)用于社會(huì)的許多領(lǐng)域。它正在廣泛的行業(yè)特定案例中得到應(yīng)用，這將大大有利于經(jīng)濟(jì)。許多計(jì)算機(jī)視覺(jué)初創(chuàng)公司正準(zhǔn)備進(jìn)軍商業(yè)規(guī)模，并取得主流地位。

計(jì)算機(jī)視覺(jué)的應(yīng)用

零售

計(jì)算機(jī)視覺(jué)在零售領(lǐng)域有許多用途。最令人興奮的用途之一是免費(fèi)購(gòu)物結(jié)賬。這個(gè)用例是未來(lái)的、解決問(wèn)題的、簡(jiǎn)單的。一旦一家商店配備了必要的計(jì)算機(jī)視覺(jué)人工智能傳感器，購(gòu)物者就可以進(jìn)入商店，取走商品，從傳感器前走過(guò)，無(wú)需在收銀員前排隊(duì)就能收到自動(dòng)購(gòu)物收據(jù)。

該概念成功的現(xiàn)實(shí)證明是于2016年啟動(dòng)的AmazonGo計(jì)劃。其他兌現(xiàn)了該概念的初創(chuàng)公司包括StandardCognition，Grabango，TrigoVision，Zippin和Aifi?！艾F(xiàn)在，計(jì)算機(jī)可以看到的親自購(gòu)物體驗(yàn)將永遠(yuǎn)改變。像Grabango這樣的計(jì)算機(jī)視覺(jué)系統(tǒng)可以檢測(cè)購(gòu)物車(chē)中的每種產(chǎn)品，因此無(wú)需在購(gòu)物旅行結(jié)束時(shí)對(duì)其進(jìn)行重新調(diào)整。您只要抓住，繼續(xù)前進(jìn)，就可以繼續(xù)前進(jìn)?！盙rabango首席執(zhí)行官WillGlaser說(shuō)。

通過(guò)計(jì)算機(jī)視覺(jué)實(shí)現(xiàn)的免結(jié)賬購(gòu)物也將降低勞動(dòng)力成本，改善整體購(gòu)物體驗(yàn)。除此之外，庫(kù)存管理是計(jì)算機(jī)視覺(jué)的另一個(gè)應(yīng)用。優(yōu)化產(chǎn)品組合，確保貨架上隨時(shí)都有存貨，這是零售商每天面臨的挑戰(zhàn)。如果貨架空空蕩蕩，產(chǎn)品缺貨，他們每年就不能冒損失數(shù)十億美元收入的風(fēng)險(xiǎn)。Focalsystems是一家使用計(jì)算機(jī)視覺(jué)實(shí)現(xiàn)庫(kù)存管理自動(dòng)化的初創(chuàng)公司。

保險(xiǎn)

保險(xiǎn)業(yè)依賴(lài)于可視化資產(chǎn)評(píng)估。它需要準(zhǔn)確的價(jià)格和承保政策，同時(shí)為了索賠的目的確定事故發(fā)生后的損害風(fēng)險(xiǎn)。為了實(shí)現(xiàn)一個(gè)更平滑的過(guò)程，計(jì)算機(jī)視覺(jué)有助于更快，更便宜，更準(zhǔn)確的評(píng)估。CapeAnalytics和Betterview是兩家為保險(xiǎn)公司提供這項(xiàng)服務(wù)的計(jì)算機(jī)視覺(jué)人工智能初創(chuàng)公司。他們使用地理空間數(shù)據(jù)來(lái)自動(dòng)識(shí)別建筑材料、屋頂狀況、屋頂面積、房產(chǎn)有多少碎片以及許多其他因素，這些因素決定了房產(chǎn)的風(fēng)險(xiǎn)狀況，并給出了最優(yōu)的保險(xiǎn)定價(jià)。另一家總部位于倫敦的計(jì)算機(jī)視覺(jué)人工智能初創(chuàng)公司是Tractable，它利用這項(xiàng)技術(shù)對(duì)車(chē)禍和自然災(zāi)害產(chǎn)生即時(shí)損失估計(jì)。

施工

在建筑行業(yè)，有許多機(jī)會(huì)進(jìn)行流程優(yōu)化。計(jì)算機(jī)視覺(jué)的應(yīng)用可以大大提高生產(chǎn)效率，節(jié)約成本。TraceAir是一家使用無(wú)人機(jī)收集建筑工地航空?qǐng)D像的初創(chuàng)公司，它使監(jiān)理人員能夠遠(yuǎn)程監(jiān)控項(xiàng)目。

和其他技術(shù)一樣，計(jì)算機(jī)視覺(jué)也有負(fù)面作用。因此，制定規(guī)章制度至關(guān)重要，這樣企業(yè)和個(gè)人才能確保社會(huì)兌現(xiàn)這項(xiàng)技術(shù)，為每個(gè)人的利益負(fù)責(zé)。

深度學(xué)習(xí)對(duì)機(jī)器視覺(jué)系統(tǒng)的好處？

面向工廠(chǎng)自動(dòng)化的深度學(xué)習(xí) 2021年3月15日傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)可通過(guò)一致且制造精良的零件可靠地運(yùn)行。它們通過(guò)逐步篩選和基于規(guī)則的算法進(jìn)行操作，這些算法比人工檢查更具成本效益。但是，隨著異常和缺陷庫(kù)的增長(zhǎng)，算法變得笨拙。眾所周知，某些傳統(tǒng)的機(jī)器視覺(jué)檢查（例如最終組裝驗(yàn)證）很難編程，因?yàn)槎鄠€(gè)變量對(duì)于機(jī)器來(lái)說(shuō)很難隔離，例如照明，顏色變化，曲率和視野。

盡管機(jī)器視覺(jué)系統(tǒng)可以承受因比例，旋轉(zhuǎn)和姿勢(shì)變形而導(dǎo)致的零件外觀(guān)變化，但復(fù)雜的表面

紋理和圖像質(zhì)量問(wèn)題仍然帶來(lái)了嚴(yán)峻的檢查挑戰(zhàn)。機(jī)器視覺(jué)系統(tǒng)很難欣賞視覺(jué)上非常相似的零件之間的差異和偏差。固有的差異或異?？赡軙?huì)或可能不會(huì)導(dǎo)致拒絕，具體取決于用戶(hù)如何理解和分類(lèi)它們。

影響零件效用的“功能”異常幾乎總是導(dǎo)致拒收的原因，而外觀(guān)異?？赡懿⒎侨绱?，這取決于制造商的需求和偏好。最成問(wèn)題的是，傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)很難區(qū)分這些缺陷。

人工檢查的優(yōu)勢(shì)

與傳統(tǒng)的機(jī)器視覺(jué)不同，人類(lèi)擅長(zhǎng)區(qū)分細(xì)微的外觀(guān)缺陷和功能缺陷，并意識(shí)到可能會(huì)影響感知質(zhì)量的零件外觀(guān)變化。盡管我們處理信息的速度受到限制，但是人類(lèi)具有獨(dú)特的概念化和概括能力。我們擅長(zhǎng)通過(guò)實(shí)例學(xué)習(xí)，并能夠區(qū)分出真正重要的事情

零件之間會(huì)出現(xiàn)輕微異常。在許多情況下，這使人的視覺(jué)成為對(duì)復(fù)雜，無(wú)結(jié)構(gòu)的場(chǎng)景（尤其是那些具有細(xì)微缺陷和不可預(yù)測(cè)缺陷的場(chǎng)景）進(jìn)行定性解釋的最佳選擇。例如，在處理變形的字符以及其他難以理解的字符，復(fù)雜的表面和外觀(guān)缺陷時(shí)，人類(lèi)會(huì)更加準(zhǔn)確。對(duì)于這些應(yīng)用中的許多應(yīng)用，機(jī)器無(wú)法與人類(lèi)競(jìng)爭(zhēng)，因?yàn)樗麄儗?duì)復(fù)雜性有所了解。

用于復(fù)雜檢查的深度學(xué)習(xí)

深度學(xué)習(xí)模型可以通過(guò)將人類(lèi)檢查員的自學(xué)與計(jì)算機(jī)系統(tǒng)的速度和一致性相結(jié)合，來(lái)幫助機(jī)器克服其固有的局限性?；谏疃葘W(xué)習(xí)的圖像分析特別適合本質(zhì)上很復(fù)雜的化妝品表面檢查：圖案以細(xì)微但可忍受的方式變化，并且位置變化可能會(huì)阻止使用基于空間頻率的方法。深度學(xué)習(xí)擅長(zhǎng)解決復(fù)雜的表面和外觀(guān)缺陷，例如旋轉(zhuǎn)，刷過(guò)或發(fā)亮的零件上的劃痕和凹痕。無(wú)論是用來(lái)定位，閱讀，檢查或分類(lèi)感興趣的特征，基于深度學(xué)習(xí)的圖像分析與傳統(tǒng)機(jī)器視覺(jué)的不同之處在于，它可以基于概念來(lái)概念化和概括零件的外觀(guān)。

根據(jù)其獨(dú)特的特征-即使這些特征微妙地變化或有時(shí)偏離。

在傳統(tǒng)機(jī)器視覺(jué)和深度學(xué)習(xí)之間進(jìn)行選擇

傳統(tǒng)機(jī)器視覺(jué)和深度學(xué)習(xí)之間的選擇取決于要解決的應(yīng)用程序類(lèi)型，要處理的數(shù)據(jù)量以及處理能力。確實(shí)，對(duì)于許多應(yīng)用來(lái)說(shuō)，深度學(xué)習(xí)并不是正確的解決方案。傳統(tǒng)的基于規(guī)則的編程技術(shù)在測(cè)量和測(cè)量以及執(zhí)行精確對(duì)齊方面更勝一籌。在某些情況下，傳統(tǒng)視覺(jué)可能是準(zhǔn)確確定感興趣區(qū)域并進(jìn)行深度學(xué)習(xí)檢查該區(qū)域的最佳選擇。然后，可以將基于深度學(xué)習(xí)的檢查結(jié)果傳遞回傳統(tǒng)視覺(jué)，以對(duì)缺陷的大小和形狀進(jìn)行準(zhǔn)確的測(cè)量。

深度學(xué)習(xí)是對(duì)基于規(guī)則的方法的補(bǔ)充，它減少了對(duì)深度視覺(jué)領(lǐng)域?qū)I(yè)知識(shí)進(jìn)行有效檢查的需求。相反，深度學(xué)習(xí)已將以前需要視覺(jué)專(zhuān)業(yè)知識(shí)的應(yīng)用程序轉(zhuǎn)變?yōu)榉且曈X(jué)專(zhuān)家可以解決的工程難題。深度學(xué)習(xí)將邏輯負(fù)擔(dān)從開(kāi)發(fā)和編寫(xiě)基于規(guī)則的算法的應(yīng)用程序開(kāi)發(fā)人員轉(zhuǎn)移到培訓(xùn)系統(tǒng)的工程師身上。它還為解決未經(jīng)人工檢查人員從未嘗試過(guò)的應(yīng)用提供了新的可能性。這樣，深度學(xué)習(xí)使機(jī)器視覺(jué)更易于使用，同時(shí)擴(kuò)大了計(jì)算機(jī)和相機(jī)可以準(zhǔn)確檢查的范圍。
編輯：lyn