机器人

识别数千英里道路上的坑洼。给货架上货并重新安排库存。发现工厂检查员可能遗漏的细微产品缺陷。这些只是当前的 AI 和计算机视觉系统可以执行的几项任务。随着功能不断改进，成本日益降低，各行各业采用这类系统的用户正迅速增多。

一旦部署到位，计算机视觉系统可以帮助人类减轻无数小时的辛苦劳动，同时减少错误并提高安全性。但是，开发解决方案可能既费力又耗时。在训练 AI 算法以区分可乐罐与水瓶，或区分沥青中的阴影与裂缝时，人类通常扮演着极其重要的角色。但是，随着技术进步，解决方案提供商正在寻找新方法来提高训练效率，并创建更易于非技术用户操作的系统。

利用计算机视觉和边缘 AI 技术解决问题

计算机视觉应用与它们所服务的行业和组织一样多种多样，但它们有两个共同的目标。第一个目标，是利用机器学习自动完成繁琐的手动任务，从而节省时间和金钱。第二个目标是基于大量数据创建不断增长的知识库，这有助于了解运营情况，并随着时间推移做出进一步改进。

ICURO 是一家致力于构建 AI 和计算机视觉解决方案的公司，其产品可部署到机器人、无人机上以及云端，该公司首席 AI 架构师 Paul Baclace 表示：“我们从基础系统开始，然后与客户合作，进行专业化设计，以满足其需求”。

例如，ICURO 为美国交通部成功创建了一款概念验证无人机，该无人机使用计算机视觉摄像头进行实时检测并转发有关道路裂缝和其他公路缺陷的信息。通常情况下，直到飞行结束后，才会处理无人机上的摄像头图像。

Baclace 指出：“稍后再检查图像时，可能会发现一些图像模糊不清，或对比度不佳。那么，就必须回过头来重新拍摄，这样做的成本极其高昂。通过实时处理图像，就可以减少错误。”

为帮助仓库和零售员工节省时间和人力，ICURO 开发了移动机器人 AI 平台。它会导航到指定对象，进行抓取，然后将其装载到运输机器人上，以进行包装和运输，完全无需人为干预。该机器人还可以与工厂机器和传感器集成，以检测并解决生产问题。Baclace 解释说：“与人类相比，它的错误率更低，且人类还会感到疲劳并受伤。”

该机器人使用英特尔^® 实感^™ 摄像头和激光雷达（光探测和测距）进行导航。另一个实感摄像头封装在其机械臂内，便于它抓取正确的物品并装载到物品筐中，然后再开始下一项作业（视频 1）。

随着公司能够更加熟练地使用自动化技术，对计算机视觉解决方案的需求日益增长，且趋势更加明显。例如，ICURO 为一家无人零售商店创建了一个拣货机器人，该机器人会从储藏室收集客户的购物清单项目，并将其交付到前台。

创建尖端计算机视觉解决方案

为了开发机器人控制计算机视觉应用，ICURO 在英特尔^® Developer Cloud 中进行了应用编程和测试，并使用英特尔^® OpenVINO^™ 工具套件对其进行了优化，以实现最佳性能。

Baclace 表示：“如果没有英特尔开发的工具，我们也可以查看所需规格并进行评估，但其中会涉及一些猜测性操作。这样，我们就可以检查性能并说：‘不错，这正是我们需要集成到这台机器人上的功能。’”

ICURO 不生产硬件，但英特尔软件工具可帮助该公司确定哪些设备最适合其移动软件应用。大多数应用都可以在小巧轻便的边缘 CPU（例如英特尔^® NUC 迷你电脑）上运行。

更快部署，无代码运营

在实施计算机视觉解决方案之前，必须训练其算法以识别客户图像，这可能包括停车标志、车辆和行人，以及包装尺寸类似的不同商品。通常，大部分训练都由人类完成，他们会使用在线工具来勾勒机器人可能遇到的所有物体的图像并进行标记。注解所有图像后，会将它们馈送到算法中，以便在部署之前对性能进行测试、校正和验证。

为了加快这个繁琐流程，ICURO 将使用一种称为“主动学习”的新方法进行实验，在其中对每张图像进行注解，然后立即将其提供给算法。如果得到正确解读，领域专家就可以将该图像标记为“已验证”，并添加到不断增长的数据库中，以指导算法在未来做出决策。这种逐步学习的方法可以加快训练速度，并避免员工进行不必要的注解。Baclace 说：“您可以轻而易举地增加数据集。训练和反馈的时间从数天缩短到了数分钟。”

此外，ICURO 还在开发解决方案，以便客户更改其计算机视觉模型，训练软件来识别新产品或新位置，而无需编写代码。该公司还会定期对其算法进行训练，以便在快速发展的 AI 和计算机视觉领域保持竞争优势。

Baclace 说：“神经网络在不断改进，每隔 6 个月到一年就会提高其准确度，我们希望利用最新版本。对深度学习系统来说，这是一个非常激动人心的时刻。”
 

由 insight.tech 的副主编 Georganne Benesch 编辑。