人工智能AI专业工具测评：致胜未来的关键抉择
虹科智能感知事业部，专注于智能感知与机器视觉领域，已与IDS、Blickfeld、Gidel等业内重要国际公司展开深度技术合作。其解决方案涵盖3D激光雷达、工业相机、视觉处理平台、图像采集卡及视觉系统集成等。虹科工程师积极参与国内外专业协会和联盟的活动，高度重视技术培训和积累，定期与国内外专家团队进行交流和培训。
如何在工业生产中应用人工智能
机器视觉领域有个共识：数字时代，人工智能是推动工业生产的关键。自学习算法能改进现有流程、打开新应用，但也要求我们转变思路。然而，许多公司对新技术仍持保留态度——缺乏专业知识和时间去深入了解，监管认证有限，导致用户难以理解其原理和结论。市场对AI的接受度不高，介绍也不足。制造商能否提升透明度、降低门槛？还是说AI只是初创企业玩的一个噱头？
这确实是当下的热门话题。旁观者往往能给出正确答案——因为每个用户对技术该达到什么成果、才能被认可并落地，期望都不同。但有一点是确定的：市面上已有生产并高效使用AI所需的硬件。许多机器视觉硬件制造商也意识到了这一点，不同性能级别的AI平台正稳步增长。可新技术在初期仍有些问题要解决：光提供硬件已经不够——我们需要转换思维方式。
AI技术缺少了什么？
人工智能或机器学习的工作方式，跟基于规则的图像处理截然不同，因此视觉任务的方法和处理方式也不同。AI结果的质量不再是人工代码的产物，而是由合适图像数据的学习过程决定。听起来简单，但只有足够的专业知识和经验才能实现预期目标。缺少处理正确数据的专业经验，容易导致错误，进而造成机器学习方法的误用。测试表明，有些情况下，因为使用了包含太多无关内容、曝光不良、模糊不清甚至标签错误的图像，不同用户在同一任务中训练出的神经网络质量天差地别。
用机器学习方法所需的关键能力，跟基于规则的图像处理不一样，必须专门建立。那些有时间和资源去工作、测试、试用的专家，正在积累经验、了解陷阱。这或许解释了为什么更多新型初创公司正在使用机器学习——它们没有历史包袱和现有流程制约，有时会进行探索性的有趣尝试，去冒险执行经典图像处理至今无解的任务。但行业内的大公司如果不全面向客户介绍新技术、提供充分理由，就会导致知识缺乏与不信任（客户方面同理）。要让大公司走出舒适圈，必须做出改变。AI技术面对的是已建立多年的系统，这些年人们已经创建了适合应用的环境。而AI相关的知识、文档、培训、硬件、软件、开发环境、客户接受度和需求，都需要相当长的时间才能完善。另一方面，AI技术目前仍显得原始和简单。掌握AI的专家在赢得钦佩的同时，也不可避免地面临质疑与不理解。
这项技术未来的另一重要方面是新的目标群体。未来的机器视觉社区不仅有传统图像处理专家，还会吸引越来越多的物联网行业专家加入。新用户群体自然会带来不同的使用案例，对现有技术的使用也会提出不同要求。传统的编程SDK并不总能满足需求。我们必须打破成规。
软件先行
我们不缺少合适的硬件！高效工作的AI翻跟斗让机器学习应用尤其适用于小型、低功耗嵌入式视觉系统或全集成的推理相机平台。个别生产商已经推出了这种翻跟斗，但这并不能解决新技术在初期应解决的问题。AI技术必须经过测试、验证、重新训练，最终整合到高效的工作流程——即应用中。但哪些公司会做？又有能力做？所有这些操作实际上是重复任务，但需要超越原型开发的其他能力，还需要能为特定平台工具编程的系统程序员。
虹科合作伙伴IDS提供了不同的解决方案，信心十足：凭借合适、高效协作的工具，每个用户群都可以充分开发AI视觉平台的潜力，而无需花费大量时间和金钱建立新的核心能力——这些核心能力其实并非操作专属AI应用程序所必需。这意味着，训练人工神经网络和为专属应用程序编程的专业知识，可以打包到许多简单AI工作流的工具中。如此，每个用户无需建立自己的专家团队，就能实现个人要求。这款软件让每个用户都能使用适合各自任务与工作方法的工具。
图像处理应用程序是一个框架，将多个特定的单独任务纳入应用相关序列，以便高效、无误地执行。传统上，开发人员用C++等语言编程。对于即将面市的新AI平台，情况并无不同。借助AI翻跟斗，软件开发工具包为硬件相关编程提供了必需的软件接口。大多数情况下，这为应用开发者专属的流程解决方案提供了自由可编程平台。虹科NXT推理相机提供了一个开放的平台，并附带C++源代码实例的相应SDK。
应用程序向导
大部分图像处理应用程序的工作流程相对简单：捕捉图像 → 分析图像或提取特征（图像处理） → 做出处理决定 → 启动操作。这个过程可以是对产品的简单识别和分类，然后通过各种接口为机器控制或分拣系统发出信号或传输信息。这些基本功能只在一些细节上不同，因此不必每次重新编程。然而，作为项目切入点选择的深度学习使用案例，比如“分类”或“物体检测”，通常已经过于抽象，无法推导出数据采集和视觉应用程序配置的进一步操作步骤。
因此，我们正致力于通过NXT推理相机，让人工智能便于大众理解且易于使用。任何用户群体都可以创建应用程序——无论是程序员、图像处理专业人员，还是机器操作员和熟练工。为此，基于云的人工神经网络训练软件lighthouse将在下一次更新中扩展功能，加入一个操作向导。该向导能针对用户的实际问题，给出适当操作指导以支持用户。它轻松扩展了目标群体的应用，并涵盖机器视觉应用的所有个性化任务。从“您想做什么？”开始，lighthouse平台为一系列面向应用程序的问题提供解决方案，例如“计数对象”、“检查有无缺陷”。通过合适的深度学习使用案例，辅助系统在后台选择应用程序基础，并向用户建议进一步操作。此外，它还提供有用的提示、视频或说明，为用户提供必要的背景知识。这种“引导式应用程序创建”更像是一种教程，而不是传统应用开发。最后，用户将得到可供下载的定制视觉应用程序，只需在虹科NXT相机上激活并启动即可。
以“拼图”代替编程
如果您想要创建更复杂的流程，不一定非用C++或其他基于文本的编程语言。如果函数库被封装成视觉功能块，并添加可视化编辑器，那么整个过程就可以像拼图碎片一样组合起来，而无需担心单个编程语言的确切命令。为此，Google专门创建了Blockly项目。虹科的NXT相机使用Blockly并调整自身功能，以便能够以任意复杂的序列，将相机的推理任务合并到构建工具集中。
通过Blockly，具有几个人工神经网络的多阶段检测也能非常容易地集成到一个程序序列中。借助Blockly编辑器直观的用户界面，即使是初学者和外行人也能很快取得成功。与应用程序向导相比，使用模块化系统进行可视化编程的优势在于可以创建专属序列。变量、参数和AI结果可以通过逻辑链路与数学计算、条件if/else语句或loop语句的重复操作轻松链接。通过两阶段目标检测和多个神经网络，该系统还能实现更复杂的工作流。例如，对象识别器提供不同部件的基本预分类，随后由第二个分类器进行详细的缺陷分析，以便进行更具体的部件分类。否则，只有使用VAC和C++编程知识才能实现此类流程。
拼图类应用程序的另一个优势在于灵活性。与Python相似，由于无需复杂的交叉编译，使用Blockly编程的Vision App支持直接执行“代码”。在lighthouse平台中创建的应用程序，在相机中初步测试后，可以轻松地进行进一步交互式编程——直接在相机中编程！您还可以直接在相机中设计Vision App。这使此视觉应用编辑器成为从测试和试用阶段到操作使用的理想工具。
从自动应用程序配置器，到具有直观视觉界面的视觉应用构建工具集，再到使用经典SDK的全免费编程，我们为不同专业知识水平的用户提供了适合的工具。这在使用人工智能调试和设置个人图像处理应用程序时，节省了时间和成本。
人工智能结果的可解释性
尽管AI有众所周知的优势，且使用了高精确度的神经网络，但在发生故障时，诊断往往比较困难。问题的另一面是，缺乏对AI工作方式的了解或无法解释的结果会抑制算法的传播。通常情况下，神经网络常被错误地认为是一个黑盒，会做出不可理解的决策。“虽然深度学习模型无疑是复杂的，但它们并非黑盒。事实上，称它们为玻璃盒会更准确，因为我们可以看清楚盒子内部，看到每个组件的工作状态。”（摘自“机器学习中的黑盒隐喻”）神经网络的推理决策不是基于经典逻辑规则，人类可能不容易理解其人工神经元的复杂交互。但它们仍是数学系统的结果，因此具有可复制性和可分析性。我们只是缺少合适的工具支持。恰恰是在AI领域，我们仍有很大的提升空间。也正是在此领域，市面上各种AI系统能给用户多大程度的支持会变得显而易见。
我们在AI领域与各研究所和大学一起研究与工作，旨在开发这些工具。在我们的NXT ocean软件中，已经提供了这种合作的成果。以所谓的置信度图（热图）形式进行可视化，使人们更容易理解AI的关键决策，以便最终在工业环境中提升人们对神经网络的接受度。该成果还可以用来识别和避免训练的数据偏差（见“置信度图”）。很快，在基于云的训练软件lighthouse以及IDS NXT相机中，将能够进行统计分析，以便更轻松地确定与理解经过训练的神经网络质量。借助这些软件工具，用户可以更直接地将IDS NXT AI的行为和结果追溯到训练数据集中的薄弱环节，并有针对性地加以纠正。因而让AI对每个用户来说都具有可解释性和可理解性。
置信度图
适用于工业用途的完整工具包
毫无疑问，人工智能的应用潜力是巨大的。带AI翻跟斗的推理相机充分证明了其高效性——这表明我们已经能够提供合适的硬件。但仅提供硬件还不足以让全行业都开始使用人工智能。制造商面临的挑战是：通过以易用软件和一体化流程的形式，分享其专业知识来支持用户。与那些经过多年发展成熟、通过大量文档、知识转让和多种软件工具建立了忠实客户群的最佳做法相比，人工智能仍有许多进步空间，但该技术已经在不断改进。为了进一步提高人们对AI的接受度和理解度，各项AI标准与认证正在制定中，旨在对人工智能进行广泛应用。最终的目的是让每个人都熟悉这项新技术，以免错过最佳时机。借助我们的NXT ocean平台，嵌入式AI系统已经可以作为工业工具，快速而方便地操作，并通过许多易用的软件工具让用户群受益——即使这些用户群对机器学习、图像处理或应用编程没有深入的了解。