譯者 | 布加迪

20世紀(jì)50年代的計(jì)算機(jī)視覺(jué)首批用例可以分析鍵入文本和手寫(xiě)文本。早期的商業(yè)應(yīng)用程序致力于單個(gè)圖像，包括光學(xué)字符識(shí)別、圖像分割和對(duì)象檢測(cè)。人臉識(shí)別方面的開(kāi)創(chuàng)性工作始于20世紀(jì)60年代，科技巨頭們?cè)?010年左右開(kāi)始推出相關(guān)功能。

計(jì)算機(jī)視覺(jué)市場(chǎng)規(guī)模在2022年估計(jì)為140億美元，預(yù)計(jì)從2023年到2030年將以19.6%的年復(fù)合增長(zhǎng)率增長(zhǎng)。雖然有許多新的計(jì)算機(jī)視覺(jué)突破和初創(chuàng)公司，但與其他人工智能技術(shù)相比，市場(chǎng)規(guī)模還是很小。比如說(shuō)，到2032年，生成式人工智能的市場(chǎng)規(guī)模估計(jì)將達(dá)到1.3萬(wàn)億美元。

計(jì)算機(jī)視覺(jué)的新興用例

如今無(wú)論您走到哪里，攝像頭都可能在掃描您，計(jì)算機(jī)視覺(jué)算法執(zhí)行實(shí)時(shí)分析。計(jì)算機(jī)視覺(jué)的主要用例包括文檔掃描、視頻監(jiān)控、醫(yī)療成像和交通流量檢測(cè)。實(shí)時(shí)計(jì)算機(jī)視覺(jué)方面的突破促進(jìn)了自動(dòng)駕駛汽車(chē)的發(fā)展，并推動(dòng)了無(wú)收銀員商店和庫(kù)存管理等零售用例的發(fā)展。

您可能碰到過(guò)或讀到過(guò)諸如此類(lèi)的面向消費(fèi)者的用例，特別是汽車(chē)和消費(fèi)者市場(chǎng)中的計(jì)算機(jī)視覺(jué)主要應(yīng)用。

您可能不太了解制造業(yè)、建筑業(yè)及其他工業(yè)企業(yè)在如何使用計(jì)算機(jī)視覺(jué)技術(shù)。這些行業(yè)的企業(yè)通常遲遲不愿投入于技術(shù)，但制造、數(shù)字建筑和智能農(nóng)業(yè)等行業(yè)的工業(yè)4.0計(jì)劃正在幫助行業(yè)領(lǐng)導(dǎo)者更好地了解新興技術(shù)帶來(lái)的機(jī)遇。

減少制造過(guò)程中的浪費(fèi)

計(jì)算機(jī)視覺(jué)在制造業(yè)帶來(lái)了重大的機(jī)會(huì)，計(jì)算機(jī)視覺(jué)算法達(dá)到了99%的準(zhǔn)確率。考慮到只有10%的公司使用這項(xiàng)技術(shù)，這方面的潛力尤其驚人。工業(yè)領(lǐng)域正在醞釀一場(chǎng)數(shù)字革命，還是這些企業(yè)在采用計(jì)算機(jī)視覺(jué)技術(shù)方面繼續(xù)落后?

IndustrialML首席執(zhí)行官Arjun Chandar表示，在制造業(yè)中，識(shí)別動(dòng)態(tài)材料的產(chǎn)品質(zhì)量是主要的用例。“借助高幀率的相機(jī)和逐幀運(yùn)用機(jī)器學(xué)習(xí)模型，就可以快速識(shí)別生產(chǎn)線上的瑕疵。”

全球制造商每年浪費(fèi)高達(dá)8萬(wàn)億美元，計(jì)算機(jī)視覺(jué)可以幫助監(jiān)控設(shè)備、制造部件和環(huán)境因素，從而幫助制造商減少這些損失。

Chandar表示，許多制造業(yè)用例的底層技術(shù)是主流技術(shù)。“這些主要使用2D相機(jī)，不過(guò)擁有高分辨率和每秒20幀或更高的幀率，還使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)。”

為了提高準(zhǔn)確性，制造商需要一種策略來(lái)充實(shí)這些數(shù)據(jù)。Chandar補(bǔ)充道：“要像在典型的制造環(huán)境中那樣增強(qiáng)訓(xùn)練能力，具有良好產(chǎn)品質(zhì)量的圖像數(shù)量需遠(yuǎn)遠(yuǎn)超過(guò)瑕疵。”

消除這個(gè)缺口的一種方法是使用合成數(shù)據(jù)，這是開(kāi)發(fā)團(tuán)隊(duì)用來(lái)增加測(cè)試數(shù)據(jù)多樣性的一種方法。

Syntax數(shù)據(jù)管理和創(chuàng)新合伙人Jens Beck表示，制造商可以從基本的視覺(jué)檢查步驟入手，隨后尋求更大的自動(dòng)化機(jī)會(huì)。他說(shuō)：“我們看到計(jì)算機(jī)視覺(jué)和人工智能結(jié)合用于視覺(jué)檢查，比如在汽車(chē)上檢查膠水痕跡。對(duì)客戶(hù)來(lái)說(shuō)，商業(yè)價(jià)值不僅僅在于通過(guò)自動(dòng)化手動(dòng)步驟來(lái)提高整體設(shè)備有效性(OEE)，還在于將檢查記入文檔，然后將計(jì)算機(jī)視覺(jué)集成到制造執(zhí)行系統(tǒng)(MES)中，最終集成到企業(yè)資源規(guī)劃系統(tǒng)(ERP)中。”

提高工廠車(chē)間的安全性

除了質(zhì)量和效率外，計(jì)算機(jī)視覺(jué)還有助于提高工人的安全性，減少工廠車(chē)間及其他工作場(chǎng)所的事故。據(jù)美國(guó)勞工統(tǒng)計(jì)局聲稱(chēng)，2021年制造業(yè)有近40萬(wàn)人受傷和患病。

Synthesis AI的首席執(zhí)行官兼創(chuàng)始人Yashar Behzadi說(shuō)：“計(jì)算機(jī)視覺(jué)可以比人員監(jiān)管體系更快速更高效地不斷識(shí)別員工面臨的潛在風(fēng)險(xiǎn)和威脅，從而提高工人的安全性。計(jì)算機(jī)視覺(jué)要準(zhǔn)確可靠地做到這點(diǎn)，機(jī)器學(xué)習(xí)模型就要使用大量的數(shù)據(jù)進(jìn)行訓(xùn)練;在這些特定的用例中，非結(jié)構(gòu)化數(shù)據(jù)常常以原始、未標(biāo)記的形式出現(xiàn)在機(jī)器學(xué)習(xí)工程師的面前。”

使用合成數(shù)據(jù)對(duì)于安全相關(guān)的用例也很重要，因?yàn)橹圃焐滩惶赡苡兄仫@示潛在安全因素的圖像。Behzadi補(bǔ)充道：“合成數(shù)據(jù)等技術(shù)通過(guò)提供準(zhǔn)確標(biāo)記的高質(zhì)量數(shù)據(jù)，減輕了機(jī)器學(xué)習(xí)工程師的壓力。這些數(shù)據(jù)可以解釋極端情況，從而節(jié)省時(shí)間和金錢(qián)，并避免不準(zhǔn)確的數(shù)據(jù)導(dǎo)致的棘手問(wèn)題。”

Gramener的物流和供應(yīng)鏈SBU負(fù)責(zé)人Sunil Kardam表示：“計(jì)算機(jī)視覺(jué)的好處包括實(shí)時(shí)分析、提高效率和改進(jìn)決策。”Kardam分享了另外幾個(gè)典型的用例：

• 跟蹤物料移動(dòng)、識(shí)別產(chǎn)品和包裝的瑕疵以及減少浪費(fèi)
• 通過(guò)監(jiān)視未授權(quán)人員的行為來(lái)落實(shí)協(xié)議
• 簡(jiǎn)化文檔處理、優(yōu)化庫(kù)存、幫助保險(xiǎn)索賠，并實(shí)現(xiàn)高效的物流管理

Kardam認(rèn)為，計(jì)算機(jī)視覺(jué)依賴(lài)攝像頭和先進(jìn)的算法，比如YOLO、Faster R-CNN和OpenCV。他表示，計(jì)算機(jī)視覺(jué)的機(jī)器學(xué)習(xí)模型“可以在邊緣設(shè)備或云端處理，智能攝像頭和基于云的API提供了強(qiáng)大的功能。”

監(jiān)測(cè)電網(wǎng)

大多數(shù)制造都在室內(nèi)進(jìn)行，工程師對(duì)環(huán)境有一定的控制，包括在哪里放置攝像頭以及何時(shí)添加照明設(shè)施。需要使用安裝的相機(jī)、無(wú)人機(jī)、飛機(jī)和衛(wèi)星分析室外區(qū)域和景觀時(shí)，計(jì)算機(jī)視覺(jué)用例會(huì)比較復(fù)雜。

Buzz Solutions的首席技術(shù)官、首席運(yùn)營(yíng)官兼聯(lián)合創(chuàng)始人Vik Chaudry分享了一個(gè)使用無(wú)人機(jī)的例子。他說(shuō)：“計(jì)算機(jī)視覺(jué)被用來(lái)監(jiān)測(cè)和識(shí)別電網(wǎng)、公用事業(yè)公司和變電站的故障，以確保美國(guó)各地有可靠互聯(lián)的電網(wǎng)。依靠從美國(guó)各地眾多公用事業(yè)公司收集的數(shù)千個(gè)圖像，計(jì)算機(jī)視覺(jué)可以準(zhǔn)確識(shí)別威脅、故障和異常情況。”

電力線火災(zāi)是一個(gè)值得關(guān)注的重要領(lǐng)域。據(jù)美國(guó)國(guó)家跨部門(mén)消防中心聲稱(chēng)，從1992年到2020年，美國(guó)各地發(fā)生了3.2萬(wàn)多起電線引燃的野火，加州的第二大野火是由電線太靠近一棵樹(shù)引起的。公用事業(yè)公司現(xiàn)正在評(píng)估人工智能的機(jī)會(huì)，以?xún)?yōu)化維修，盡量降低風(fēng)險(xiǎn)。

Chaudry說(shuō)：“由于該軟件使用來(lái)自現(xiàn)有公用事業(yè)公司的真實(shí)數(shù)據(jù)和圖像，因此它極其準(zhǔn)確，可以識(shí)別來(lái)自天氣、維護(hù)不良的基礎(chǔ)設(shè)施和氣溫上升的一系列威脅。這項(xiàng)技術(shù)可以實(shí)現(xiàn)快速高效的維護(hù)，同時(shí)防止大面積停電和電網(wǎng)引發(fā)的災(zāi)難。”

腦機(jī)接口

展望未來(lái)，AAVAA的首席技術(shù)官Naeem Komeilipoor透露了計(jì)算機(jī)視覺(jué)和新興技術(shù)設(shè)備的新前沿。他說(shuō)：“在工業(yè)環(huán)境中使用的腦機(jī)接口(BCI)技術(shù)可以作為某些工業(yè)計(jì)算機(jī)視覺(jué)用例的補(bǔ)充方法，特別是在低能見(jiàn)度、極端溫度或攝像頭使用受限制的危險(xiǎn)環(huán)境中。”

在危險(xiǎn)條件下完成維修是一種用例，但更常見(jiàn)的用例是當(dāng)建筑施工、煉油廠工作或其他現(xiàn)場(chǎng)工作需要使用雙手來(lái)檢查或操控機(jī)械設(shè)備時(shí)。

“以工地上進(jìn)行維修為例。智能眼鏡中使用的BCI技術(shù)提供了一種替代方法，無(wú)需外部攝像頭即可跟蹤眼球運(yùn)動(dòng)，因此工人在艱苦的條件下仍可以正常工作，”Komeilipoor說(shuō)。“BCI不依賴(lài)攝像頭，而是通過(guò)解讀大腦和眼電圖(EOG)等生物信號(hào)來(lái)監(jiān)測(cè)眼球運(yùn)動(dòng)。這項(xiàng)技術(shù)需要先進(jìn)的信號(hào)處理和機(jī)器學(xué)習(xí)算法，以分析通過(guò)專(zhuān)門(mén)傳感器捕獲的眼球運(yùn)動(dòng)。”

原文標(biāo)題：Computer vision's next breakthrough，作者：Isaac Sacolick