機(jī)器視覺，作為推動(dòng)中國(guó)制造業(yè)蓬勃發(fā)展的關(guān)鍵技術(shù)，已在半導(dǎo)體、電子制造、汽車、醫(yī)藥及食品包裝等多個(gè)領(lǐng)域展現(xiàn)其廣泛應(yīng)用價(jià)值。在此背景下，高工產(chǎn)業(yè)研究所（GGII）預(yù)測(cè)，至2024年，中國(guó)機(jī)器視覺市場(chǎng)規(guī)模將有望超過200億元，年增長(zhǎng)率接近12%。

隨著人工智能（AI）技術(shù)的快速迭代，多數(shù)制造行業(yè)的機(jī)器視覺專家普遍認(rèn)為，AI機(jī)器視覺將帶來更優(yōu)的性能與更多元的功能。因此，為行業(yè)提供機(jī)器視覺解決方案的服務(wù)商需深入思考如何為客戶優(yōu)化前沿技術(shù)，使深度學(xué)習(xí)機(jī)器視覺等先進(jìn)技術(shù)更易獲取、使用及部署。同時(shí)，云計(jì)算的部署對(duì)于推動(dòng)機(jī)器視覺應(yīng)用同樣至關(guān)重要，盡管部分制造商對(duì)云計(jì)算仍持觀望態(tài)度，但現(xiàn)在是克服疑慮、積極擁抱云計(jì)算的最佳時(shí)機(jī)。

制造商在采購(gòu)機(jī)器視覺解決方案時(shí)，通常會(huì)在生產(chǎn)現(xiàn)場(chǎng)進(jìn)行方案評(píng)估與選擇，并經(jīng)過公司內(nèi)部審批流程。這種以“現(xiàn)場(chǎng)”為核心的方式雖有其優(yōu)勢(shì)，但也可能導(dǎo)致不同生產(chǎn)地點(diǎn)間機(jī)器視覺解決方案的差異，以及專業(yè)知識(shí)與數(shù)據(jù)的難以共享。即使團(tuán)隊(duì)有集成與數(shù)據(jù)共享的需求，傳統(tǒng)的機(jī)器視覺系統(tǒng)也難以實(shí)現(xiàn)。

不同生產(chǎn)地點(diǎn)帶來的數(shù)據(jù)挑戰(zhàn)尤為顯著。AI，特別是深度學(xué)習(xí)，依賴于大量、多樣且優(yōu)質(zhì)的數(shù)據(jù)，以及快速的數(shù)據(jù)生成與處理速度，以確保模型在實(shí)際部署中達(dá)到預(yù)期效果。然而，不同團(tuán)隊(duì)與生產(chǎn)地點(diǎn)間的經(jīng)驗(yàn)、時(shí)間差異導(dǎo)致信息孤島現(xiàn)象，加大了獲取優(yōu)質(zhì)數(shù)據(jù)的難度。數(shù)據(jù)需經(jīng)過存儲(chǔ)、標(biāo)注后用于模型訓(xùn)練，而模型測(cè)試還需使用其他數(shù)據(jù)集。孤立的企業(yè)數(shù)據(jù)無(wú)法有效訓(xùn)練機(jī)器視覺模型。

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)需接觸各種變量，包括不同的生產(chǎn)時(shí)間與天數(shù)。數(shù)據(jù)集應(yīng)混合不同時(shí)間點(diǎn)的隨機(jī)數(shù)據(jù)，以訓(xùn)練出強(qiáng)大的模型。制造商及其機(jī)器視覺專家面臨的主要挑戰(zhàn)之一，便是如何充分利用各生產(chǎn)地點(diǎn)，甚至跨國(guó)家和地區(qū)的所有可用數(shù)據(jù)。

此外，不同生產(chǎn)地點(diǎn)還需確保深度學(xué)習(xí)模型基于多樣化的對(duì)象集進(jìn)行訓(xùn)練。模型需應(yīng)對(duì)現(xiàn)實(shí)世界的變化與差異，因此訓(xùn)練數(shù)據(jù)中需包含真正不同的對(duì)象，并反映模型在現(xiàn)實(shí)場(chǎng)景中可能遇到的各種變化。

數(shù)據(jù)標(biāo)注的準(zhǔn)確性、清晰性與一致性對(duì)模型表現(xiàn)至關(guān)重要。制造業(yè)團(tuán)隊(duì)需在標(biāo)注項(xiàng)目上開展協(xié)作，避免標(biāo)注錯(cuò)誤與歧義。然而，不同地點(diǎn)或國(guó)家間的數(shù)據(jù)標(biāo)注挑戰(zhàn)依舊存在。

為解決這些問題，深度學(xué)習(xí)云平臺(tái)應(yīng)運(yùn)而生。基于云的機(jī)器視覺平臺(tái)使多個(gè)地點(diǎn)（包括生產(chǎn)地點(diǎn)、國(guó)家和地區(qū)）能夠安全地上傳、標(biāo)記與標(biāo)注數(shù)據(jù)。云平臺(tái)匯集多樣化數(shù)據(jù)，促進(jìn)深度學(xué)習(xí)訓(xùn)練，并允許指定用戶實(shí)時(shí)協(xié)作，共享專業(yè)知識(shí)。

制造商面臨招聘與留用資深機(jī)器視覺專家的挑戰(zhàn)。云平臺(tái)通過利用各生產(chǎn)地點(diǎn)、國(guó)家或地區(qū)的個(gè)人與團(tuán)隊(duì)技能與專業(yè)知識(shí)，使所有人受益，尤其在機(jī)器視覺人才稀缺的地區(qū)。

基于云的解決方案還提供了算力的可擴(kuò)展性與可訪問性。通過云技術(shù)，每個(gè)用戶都能獲得高算力，而按需付費(fèi)的訂閱模式可能比投資更多服務(wù)器和雇傭更多IT人員更有利。

借助云平臺(tái)，用戶可在云端訓(xùn)練和測(cè)試深度學(xué)習(xí)模型，并將模型部署到邊緣，為生產(chǎn)線上的靈活數(shù)字化工作流程提供支持。機(jī)器視覺團(tuán)隊(duì)可以靈活、便捷地購(gòu)買云平臺(tái)的訂閱服務(wù)，并不斷獲得技術(shù)合作伙伴更新的功能和模型。

為使機(jī)器視覺系統(tǒng)更好地工作并實(shí)現(xiàn)更多功能，我們需以新方式實(shí)施、使用和部署這項(xiàng)技術(shù)。深度學(xué)習(xí)云平臺(tái)為AI機(jī)器視覺管理者指明了前進(jìn)的方向。