彭传宝，Teledyne Dalsa工业视觉系统中国区业务拓展经理

VSDC：AI技术与机器视觉的融合将越来越广泛深入。但是，如果要让AI技术在机器视觉应用领域大规模落地，您觉得还有哪些环节的问题需要解决？

彭传宝：AI技术与机器视觉的融合在许多行业中都显示出了巨大的潜力，尤其在自动化、质量检测等领域。然而，要让AI技术在机器视觉应用中大规模落地，仍然面临一些挑战，主要包括以下几个方面：

（1）服务周期和成本

目前，AI项目的实施周期长，服务费用高，这让客户产生了较大的犹豫心理。项目的高成本主要来自于培训麻烦、定制化需求、数据标注、计算资源等多个方面。

解决方案：

o标准化和模块化：通过标准化和模块化设计，减少每个项目的定制化开发时间和成本。例如，开发通用的AI模型和软件平台比如Sherlock8，可以减少开发的重复性工作。

o培训冗长繁琐，效果不确定性高：Sherlock8自动培训，解放用户，节省时间精力。

o界面优化，简单易用：通过提供持续优化与维护的服务，能够在长周期内降低客户的总体拥有成本。例如，定期的模型更新和优化可以帮助客户保持系统的长期效能。

（2）AI与传统算法结合

许多机器视觉应用需要将传统算法与AI结合，才能发挥最佳效果，但现有的很多系统并未能很好地整合这两者。

解决方案：

o多算法融合：正如Sherlock8 AI生态系统所展现的那样，将传统算法、AI和3D算法集成在一个平台中，可以提供更加灵活和高效的解决方案。AI可以补充传统算法的不足，而传统算法则为AI提供稳定的基线和先验知识。

o模块化架构设计：通过模块化的架构设计，可以让不同的算法模块（如传统的图像处理、AI模型、3D图像分析）灵活协作。这样的系统更易于升级和维护，并且能够适应不同的应用场景。

o场景自适应：AI可以根据不同场景的特点，动态调整传统算法的参数和策略，达到理想的检测效果。

（3）客户观念误区

许多客户对于AI技术的理解仍然存在误区，认为AI可以自动完成多品种兼容、自动切换等任务。而实际上，AI并非万能，且需要大量高质量的训练数据。

解决方案：

o教育与培训：加强客户对AI技术的教育与培训，帮助他们理解AI的优势和局限性。可以通过案例展示，帮助客户设定合理的期望值。

o数据协作：建立与客户的紧密合作关系，帮助他们理解AI数据的要求，并提供标注服务的培训。可以考虑提供半自动化的数据标注工具，譬如： Sherlock8，减少客户的工作负担。

o逐步实施：对于一些复杂的项目，可以分阶段实施。首先从简单的场景和应用开始，逐步增加复杂性，帮助客户逐步适应和理解AI的工作方式。

（4）应用领域较狭窄与缺乏AI生态系统平台

目前AI应用集中在2D可见光图像领域，其他光谱（如红外、X光、声呐等）领域的应用较为薄弱。然而，这些领域对AI的需求更为强烈，因为传统算法难以处理这些模糊的图像数据。

解决方案：

o多光谱与多传感器集成：像Sherlock8所提到的，集成红外、X光、声呐、3D激光等多种传感器的数据，并利用AI来分析这些数据，可以大大提升机器视觉系统在复杂环境下的表现。

o跨行业平台：发展跨行业的AI平台，支持不同类型的传感器和图像处理技术，实现数据和算法的无缝对接。例如，AI平台可以支持不止一种传感器的数据输入，结合深度学习和传统图像处理技术，实现多光谱数据的融合分析。

o硬件与算法的结合：为适应这些特殊的传感器，开发能够支持不同数据格式和信号处理需求的硬件设备，并优化AI算法，增强其在低清晰度图像下的识别能力。

（5）AI智能相机应运而生

不同的AI应用对算力和速度的要求不同。高速的需要高算力显卡、价格高、能耗大；但同时也有低速的应用场景，像BOA3这样的AI智能相机，内嵌了AI分类、目标检测等功能，可以在不依赖外部高性能显卡的情况下，直接在相机端进行处理。其通过集成的AI芯片和处理器，能够在较低的功耗和较低的成本下完成特定的图像分析任务，尤其适用于那些对速度和实时性要求较为宽松的应用场景。通过这种集成化设计，AI智能相机不仅减少了对外部硬件的依赖，还降低了系统的复杂性，特别适用于算力要求低、成本有限的工业检测应用。

VSDC：您觉得边缘计算和端侧AI硬件的发展, 将为机器视觉应用开辟哪些新的应用场景？贵司是否针对这些应用场景有相应的解决方案或发展规划？

彭传宝：边缘计算和端侧AI硬件的发展将为机器视觉在工业自动化领域开辟一系列新的应用场景，特别是在提升生产效率、降低成本、实时监控和智能决策方面。这些技术的应用能够显著提升工厂自动化水平、改善质量控制、实现智能制造，并推动生产方式的升级。

以下是边缘计算和端侧AI硬件在工业自动化中的一些潜在应用场景，以及可能的解决方案和发展规划。

（1）实时质量检测与缺陷识别

应用特点：在生产线上，机器视觉系统可以实时监控每个产品的生产过程，通过边缘计算对图像数据进行即时分析，检测出可能的缺陷（如划痕、裂纹、变形等）。这些检测任务通常需要快速响应和高精度，边缘计算和端侧AI硬件能够减少数据传输的延迟，实时做出决策，从而有效防止缺陷产品流入下一生产阶段。提高生产线的质量控制能力，降低人工检查的误差率，减少产品返工和浪费，提升整体生产效率。

解决方案：我们的产品（如Sherlock8 AI生态系统、BOA3AI智能相机等）集成了边缘计算能力和AI功能，可为制造企业提供高度集成的视觉检测系统，不仅能进行传统的缺陷识别，还能结合AI进行更加复杂的质量预测和缺陷趋势分析，减少人工干预。

（2）信息保密和数据安全严格要求的应用场景

应用特点：例如新产品生产线、汽车制造、科研产品研发等，这些行业涉及重要数据和知识产权，需要保障信息的安全性，不能依赖云计算进行图像处理。

解决方案：

o边缘计算和端侧AI硬件可以确保所有数据处理在本地完成，避免将敏感数据传输到云端，从而保护企业的知识产权和产品信息。

o通过隔离网络（如局域网与外网的严格区分），可以有效防止外部攻击和数据泄露。

oTeledyne Dalsa的Sherlock8 AI生态平台：该平台可以支持在本地进行数据分析，确保高度保密的应用场景中的数据安全，并避免网络传输中的潜在风险。

（3）高速流水线和大数据应用场景

应用特点：如快速消费品行业的瓶装检测、移动检测场景（机器人等），需要高并发、多相机并行处理，同时产生海量数据，并要求低延时反馈（通常在几十毫秒以内）。

解决方案：

o边缘计算和端侧AI硬件能够在本地直接处理大量图像数据，避免网络传输带来的延时和带宽压力。边缘计算可以处理每秒数GB的数据，提供实时反馈，满足流水线速度要求。

o对于机器人等移动检测设备，边缘计算的高算力使得这些设备能够在没有稳定网络支持的情况下进行自主智能检测与决策。

Teledyne Dalsa的Sherlock8 AI生态平台：该平台在端侧提供强大的AI算力，能够支持多个相机并行处理高像素图像，并实现高效、低延迟的数据反馈，适用于高速流水线和大规模数据处理的应用.

（4）柔性生产和小型制造商

应用特点：例如汽车行业的定制化生产，小型制造商面临频繁切换生产品种、更新训练模型等问题，需要灵活调整AI模型以适应快速变化的生产需求。

解决方案：

o边缘计算和端侧AI硬件支持本地模型更新和灵活切换，能够根据生产需求快速调整，适应小批量、定制化生产的需求。

o对于小型制造商，端侧AI技术可以避免复杂的服务器部署，降低成本并简化操作。

oTeledyne Dalsa提供灵活且易于部署的智能相机系统（如BOA3AI智能相机），支持快速的模型更新和现场调整，适用于柔性生产和小型制造商。

（5）离线场合（视觉孤岛型工位）

应用特点：例如汽车制造、轨道交通行业中的离线检测场景，这些工位可能远离其他自动化系统，没有可靠的网络连接或无法支持在线计算。

解决方案：

o端侧AI硬件能够在完全独立的环境中进行图像处理和数据分析，无需依赖云计算或网络支持，非常适合“孤岛型”工位。

o本地计算能力确保即使在没有网络连接的情况下，视觉检测依然能够顺利进行，不影响生产效率。

oTeledyne Dalsa BOA3AI智能相机，能够在无网络支持的环境下独立运行，并进行实时图像处理，适应离线工作场景。

对于端侧AI Teledyne Dalsa已经大力投入数年，形成了完整的产品矩阵，涵盖不同的需求，并且还在持续开发新产品，可以极大地助力客户。

目前主要分两大部分：

（1）高性能PC BASE  AI 平台。Teledyne Dalsa Sherlock8 AI搭配自有高性能2D/3D相机乃至Teledyne从可见光到X光、红外、微波涵盖全谱的传感器组合，可以实现绝大部分的视觉检测，尤其是高能AI 识别，例如对产品质量检测——划痕、脏污、破损，产品识别、分类，可以有效的对农产品进行分级，垃圾分类，可以对食品霉变，混料检测，对药品钢印字符的识别，这些应用完全在本地运算，带来极高的数据安全性、稳定性、灵活性。

（2）灵活易用的嵌入式BOA3 AI智能相机平台。该平台实现了软硬件一体化，带来了极高的系统稳定性和易用性，有效减少了外部的干扰，例如电磁干扰、粉尘、震动引起的线缆损耗，结构松散等，并且本身搭载液态镜头可以实现不同检测高度的兼容，自带光源镜头也降低了整个系统搭建的工作量，红外芯片版本大大拓展了视觉应用领域，可以检测温度异常，例如因短路引起的发热，奶牛炎症引起的发热红肿，气体泄漏导致的气罐温度异常等等，随机器搭载的Inspect AI 软件，拖拽式工具非常易用，可以快速部署。对于机器人引导、农业采摘甚至无人机视觉系统、柔性生产将是一款非常合适的产品。