視覺

識別幾千英里道路上的坑洞。處理補貨並重新安排庫存。發現工廠檢查檢查司可能遺漏的微小產品缺陷。這些僅僅是現今 AI 和電腦視覺系統可以做的幾件事。隨著功能增強和成本降低，各行業也迅速普及採用。

電腦視覺系統一旦安裝到位，就能節省人類無數小時的勞動，減少錯誤並改善安全性。但開發解決方案可能十分艱鉅且耗時。在訓練 AI 演算法區分可樂罐和水瓶，或者陰影和柏油裂縫的過程中，人類經常扮演著重要的角色。但隨著技術的發展，解決方案供應商正在尋找新的方法提高訓練效率，並讓非技術背景的使用者建立更容易操作的系統。

解決電腦視覺和邊緣人工智慧技術的問題

電腦視覺應用程式因其所服務的產業和組織而有所不同，但有兩個共同目標。第一個目標是透過機器學習自動執行費時的人工作業，進而節省時間和金錢。第二個目標便是利用大量資料建立持續成長的知識資料庫，這將會闡述運作，並隨著時間進一步改善。

ICURO 的首席 AI 架構師 Paul Baclace 表示：「我們會從基礎系統開始，與客戶合作並根據需求使其專業化。」該公司組件在機器人、無人機及雲端上部署的 AI 和電腦視覺解決方案。

例如，ICURO 為美國交通部建立了一款成功的概念性驗證無人機，這款無人機採用電腦視覺攝影機，即時偵測和轉送道路裂縫和其他高速公路缺陷的相關資訊。無人機的攝影機影像通常會在飛行後才會處理。

「當您後續檢查影像時，有些影像可能很模糊，或對比度可能會很糟。然後您就必須重新製作，且要價不斐。即時處理即可減少錯誤。」Baclace 表示。

為了節省倉儲和零售從業員的時間和人力，ICURO 開發了行動機器人 AI 平台。它會導覽至指定物體、抓取並將其載入至運輸機器人包裝及運送，全程無需人力干預即可達成。機器人也可以與工廠機器和感應器整合，偵測並解決生產問題。Baclace 解釋道：「機器人的錯誤率比人類低，因為人類可能會感到疲倦和受傷。」

機器人使用 Intel^® 實感^™ 攝影機和 LiDAR（燈光偵測與測距) 導覽。另一個 RealSense 攝影機安裝在它的「手」中，使其能夠抓住正確的項目並裝入籃子中，再開始執行下一項工作 (影片 1)。

隨著企業越來越習慣使用自動化，電腦視覺解決方案也持續擴大且越來越普及。例如，ICURO 為無人零售店打造一款撿拾機器人，可從儲藏室收集客戶的購物清單物品，並將其交付至前方櫃檯。

打造尖端電腦視覺解決方案

為了開發機器人控制電腦視覺應用程式，ICURO 在 Intel^® 開發者雲端中為其設計程式、進行測試，並採用 Intel^® OpenVINO^™ 工具組進行最佳化，以取得最佳效能。

「如果沒有 Intel 的工具，我們可以查看所需的規格並預估，但會牽涉到一些猜測。這樣一來，我們就可以檢查效能並說聲：『好的，這就是我們必須在這個機器人上安裝的。』」Baclace 表示。

ICURO 不製造硬體，但 Intel 軟體工具會協助該公司確定哪些裝置最適合其行動軟體應用程式。大多數裝置均可在輕巧又輕盈的邊緣 CPU (例如 Intel^® NUC) 上執行。

更快地部署與無程式碼作業運作

實作電腦視覺解決方案前，必須訓練演算法識別客戶影像 (包含停車標誌、車輛和行人，甚至是具有相似尺寸包裝的不同商品)。人類通常會完成大部分的訓練，他們會使用線上工具 勾勒並標記機器人可能遇到之所有物件的影像。所有影像均經過標註後，會傳入演算法中，且演算法的效能會在部署前經過測試、修正及驗證。

為了加速此艱鉅過程，ICURO 嘗試了稱為主動學習的新方法，其中每張影像都會標註並立即傳入演算法。如果正確解讀，領域專家可將影像標記為已經驗證，這會新增到持續成長的資料庫，並指導演算法做出未來的決策。邊經歷邊學的方法可加速訓練，並避免人員執行可能不必要的註解。「只需按一下按鈕，即可增加資料集。訓練與意見回饋的時間會從幾天到幾分鐘不等。」Baclace 表示。

此外，ICURO 正在開發解決方案，可讓客戶變更其電腦視覺模型、訓練軟體識別新產品或新位置，而無需編寫程式碼。該公司也定期磨練演算法，在快速發展的 AI 與電腦視覺領域保持競爭優勢。

Baclace 表示：「神經網路每六個月至一年就會持續變化並改善準確度，且我們喜歡使用最新的神經網路。」「對深度學習系統而言，這是個振奮人心的時刻。」
 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。