智能制造普及前夜，传统企业「闯关」机器视觉( 三 ) 自18世纪60年代以来的三次工业

文章图片
图面向洗衣机面板检测场景的中国电信5GMEC边缘云平台
洗衣机制造商在应用了这套方案后，生产效率提高了20% ，解决了过去因人工检测效率不高而造成的积压问题，检测准确率也从80%上升至95% 。新方案部署后，检测工人也从旧方案的六人缩减至两人，人力成本减少了三分之二，且这两人只需要负责监督设备的正常运行，工作强度大大降低。
而作为机器视觉的“大脑” ，人工智能模型的准确性则将直接影响机器视觉的效果。
人工智能要落地生产，还需要考虑到生产环境中各种影响因素和成本问题。
比如包装行业中的喷码识别系统，人工智能要考虑生产环境中光线、振动等因素对识别结果的影响和样本获取、系统调试等问题给生产带来的效益问题。

文章图片
图包装行业中喷码识别的场景
如果人工智能模型不能准确的结合生产实际，那么机器视觉系统得到的结论往往会出现偏差，甚至导致生产效率降低。
面对这种复杂的情况，如何开发适用于实际生产的人工智能模型对于传统企业来说是一个大麻烦。
为了解决企业痛点，英特尔与生产企业合作为机器视觉配套开发人工智能方案。
比如为了解决包装行业面临的环境噪声多、样本需求量大、调试复杂等问题，英特尔开发了一套基于深度学习的字符识别解决方案。
对于传统视觉方案中因噪声干扰无法判断的问题，该方案的准确率高达99% ，推理时间仅为10-20ms ，且只需要少量样本就可以完成模型训练。
英特尔领先的技术和完整的产品解决方案让企业能够更轻松的获得人工智能资源，使得企业在生产中应用机器视觉的门槛得以降低。
【智能制造普及前夜，传统企业「闯关」机器视觉】在这个科技日新月异的时代里，企业向智能化转型已经成为了必然路径。英特尔正在利用自身多年搭建的软硬件生态，为企业带来先进可靠的解决方案，以机器视觉为突破口，拥抱智能化的未来。为了让更多人了解机器视觉带来的创新与改变，英特尔已在官网上线了《机器视觉特刊2022》,欲了解更多机器视觉相关内容，请前往英特尔官网查看。

文章图片