智能制造商的定義在一個組織與另一個組織之間可能有很大的不同。但是，真正成為“智能制造商”通常在很大程度上取決于組織將最新工具和技術(shù)無縫集成到現(xiàn)有生產(chǎn)環(huán)境中的能力。這樣做的方式可以顯著提高生產(chǎn)率，效率和功能。

制造空間提供了許多機會來改善對業(yè)務(wù)系統(tǒng)的實時決策支持，例如提高能效，供應(yīng)鏈和網(wǎng)絡(luò)優(yōu)化以及計劃維護。但是，捕獲數(shù)據(jù)以達到這些決策支持目標需要新的傳感器，這可能會導(dǎo)致成本高昂且功能受限。在這里，計算機視覺(CV)可以成為更具成本效益和靈活的“數(shù)據(jù)捕獲”選項。

使用自主或半自主機器人，例如工程和機器人設(shè)計公司Boston Dynamics的Spot®，進一步增強了計算機視覺數(shù)據(jù)捕獲的可訪問性和覆蓋范圍。相反，安裝靜電傳感器，與CV能力的單個機器人可以部署到涵蓋多個當前使用情況，并很容易地調(diào)整開始捕獲數(shù)據(jù)的新的使用案例。

此外，計算機視覺可以使用相同的捕捉到的圖像，但提取新在后端使用新車型的信息。與通常使用一次的傳感器不同，計算機視覺在其應(yīng)用中具有靈活性，因為應(yīng)用發(fā)生在軟件層。例如，捕獲傳送帶和正在運輸?shù)漠a(chǎn)品的視頻流允許進行多種應(yīng)用，例如異常檢測和質(zhì)量控制。

即使是最先進的CV模型，其性能也從中等到優(yōu)于人的感知范圍不等，但是要達到高水平的性能卻要付出代價。當前的CV方法使用需要大量數(shù)據(jù)的深度學習架構(gòu)，因此，在仍然無法獲得性能良好的模型的情況下，對昂貴的優(yōu)化處理單元的投資可能會非常昂貴。
（本文轉(zhuǎn)載自電子發(fā)燒友網(wǎng)，如有侵權(quán)，請聯(lián)系刪除）