感知智能將物理世界信號映射到數字世界，是AI工業化生產落地的必經之路，而其中視覺感知與物聯感知已成為工業物聯網領域的技術基石，通過與邊緣計算的結合，能夠有效解決AI在落地過程中面臨的海量數據處理實時響應、原始數據價值密度低、多模態數據離散處理等問題。

感知智能業務方向

實現邊緣智能感知的主要流程，以CV應用落地來看，主要圍繞著模型生產和落地部署。典型CV應用落地所需流程長，需要經歷 “12階段”，并且需要大量人力，由5名中級工程師和5名高級工程師共同完成。

目前傳統CV應用的痛點：整體流程長，涉及人員多，流程各環節的不標準以及全流程的割裂會導致模型管理碎片化、應對變化耗時耗力、模型與應用最后一公里、模型持續運營難等問題。因而，需要一款覆蓋數據處理、模型訓練和支持業務定制化功能的平臺來實現模型的一體化生產應用和管理。

傳統CV應用業務痛點

針對傳統CV應用業務痛點，星環科技推出一站式模型生產應用平臺——Sophon AutoCV。Sophon AutoCV面向企業內部CV建模團隊，提供引導式模型訓練和低代碼應用構建部署的能力，解決CV模型生產和應用流程長、效率低等問題，縮短CV模型生產部署周期，實現業務應用的高效率運營。

AutoCV作為視覺感知智能平臺，將業務流程由傳統的“12階段”精簡為“底層資源-模型訓練與管理-模型應用-結構化數據回傳”，全方位覆蓋模型落地過程中的數據、模型、應用、迭代運營的管理需求。除此，AutoCV聚焦傳統CV應用的痛點：涉及人員多，從所需“5+5中級/高級工程師”精簡為“2+2+2高級/中級/初級工程師”。

業務支撐案例

多模態數據融合處理

某流程制造廠，基于本平臺實現圖像和傳感器數據的統一接入和模型應用，實現智能化輔助生產。

業務痛點

1） 人工操作流程錯誤：人工投料順序影響生產質量，而工人錯誤投料往往無法及時發現提示；

2） 除質效果不理想：在生產流程中，除雜環節的識別與去除效果有較大提升空間。

解決方案

1） 人工投料順序監控提示：通過現場監控攝像頭對物料包裝進行識別，進而識別投料順序，對可能的投料順序錯誤，通過現場聲光告警進行提示；

2） 對接除雜儀圖像優化算法：通過對接除雜儀中的高速工業攝像頭，采集雜質樣本進行標注，持續訓練迭代通用模型，而后針對不同除雜儀器進行優化，最終整體除雜效果提升2%。

客戶價值

1） 人工投料錯誤進行及時捕捉糾正，運行后投料效果有明顯提升。

2） 生產流程中的整體除雜效果提升2%，降低了原料損耗和產品質量。

企業賦能案例

過程資產積累和模型迭代

某司的信息科技部門，基于本平臺實現多數字資產的積累、模型集中調度與持續迭代。

業務痛點

1） 模型無法溯源，原始數據存儲混亂，各種業務數據無統一管理方式；

2） 分散的業務系統中硬件資源無法集中管理調度；

3） 算法模型隨著業務的更迭，準確率已不能滿足業務的需求，需要單點優化。

解決方案

1） 平臺統一資產積累：平臺支持模型訓練樣本管理，支持模型多版本評估和管理；支持業務規則的積累和遷移復用；

2） 硬件資源集中調度：客戶業務系統中模型快速上架部署，運行時共享硬件資源；

3） 算法模型持續迭代：支持模型處理后的結構化數據同步到訓練模塊，通過增量訓練即可完成模型的快速迭代。

客戶價值

1） 數據、模型和應用資產積累，價值沉淀；

2） 硬件資源利用率提升20%；

3） 螺旋式迭代，模型迭代周期縮短50%。

星環科技全自研開發的Sophon AutoCV目前已在多個行業的實踐落地中展現出極強的性能與極高的穩定性。總體而言，星環Sophon AutoCV的核心優勢可以概括為以下五點：

高效率生產：通過智能預標，標注效率相較開源工具提升30%，基于全流程的平臺操作，模型生產落地的人力投入可降低50%；

零門檻運營：平臺支持通過引導式和低代碼的方式進行模型生產和部署，業務運營人員也可快速上手，并完成模型迭代和優化；

高性能運行：平臺支持除主流的推理卡，還支持國產化如華為、寒武紀等硬件的模型運行加速，以支撐萬路攝像頭的智能化流處理；

多資產積累：對于企業數智化改造過程中3類數字資產，數據、模型以及應用，能夠通過平臺有效的積累和沉淀，體現視覺AI團隊價值；

開放式合作：平臺可與不同伙伴進行合作，截止當前已和超過20+的友商合作進行整體方案交付，其中包括高校、算法供應商、渠道方等。

我們相信，隨著時間的推移，星環科技Sophon AutoCV將持續賦能千家萬業，助力視覺AI工業化生產，以及視覺AI價值的迸發。