云计算：机器愿景最新的工作主管

自从机器视觉出现以来，它就伴随着大量的图像数据，这些数据被捕获、处理和分析，以便对物体或任务做出决策。但随着数据流量的规模和数量不断增加，许多公司正转向云计算，以尽可能低的成本和最快的速度进行场外存储和分析。在过去的几年里，云计算已经成熟到可以充分利用技术进步的程度——即使一些制造商和其他视觉用户只是尝尝辄行，而不是一跃而起。

视觉系统集成商Integro Technologies的总裁兼首席执行官Shawn Campion表示:“存储一直是拥有云模式的主要要点之一。“但互联网服务提供商的数据上传速度持续提高，使得基于云的机器视觉应用更加实用。这使得它更有利于在大型服务器集或集群上进行主动处理的双向通信，以加快交互和深度学习能力。”

虽然云中的机器视觉似乎是一个垃圾扣篮，但制造商正在将其整合在不同的水平。例如，露营地看到许多制造设施在他们的服务器室中的所有加工马力集中，将其保持在它的手中。

坎皮恩说:“从这个位置上轻轻松松就可以过渡到全公司的企业云平台，甚至是外部化。”他补充说，那些使用云的人主要是将其用于存储和共享数据接入点，而不是用于更深入的分析。Campion认为，云首先用于视觉空间的3D分析，然后用于深度学习和其他业务子系统的人工智能，如物流、材料科学计算和预防性和预测性维护。一个。

生活在边缘
不愿在场外存储和分析数据的机器视觉用户一直在使用边缘计算(edge computing)，即在生成数据的网络边缘处理数据，而不是在集中的云环境中。但现在这两种方法在机器视觉领域都有一席之地。
“你在云中所做的就是支持在边缘发生的事情，但是，如果云端的云，则可以无论如何都需要运行，”一台机器视觉系统集成商的COMICID Technologies Ceo达西巴瓦尔特说。“无论您是在谈论制造，监控应用还是作物监测操作中的视觉检查，那么即使它意味着失去某些功能，也能够在连接或没有云的情况下运行或没有连接的成像。”

边缘计算的最大优点是没有延迟的实时数据处理，允许用户在正在创建时响应数据。这消除了滞后时间，这对于自动驾驶车辆等应用至关重要。

然而，由于视觉系统生成了如此多的数据，“不可能真正地分类、存储和从边缘获取价值，因为没有足够的资源来实现云技术所能实现的高级功能，”巴谢特说。“云处理数据的速度并不一定要快;这是我们从所有这些数据中获得的价值。”

这意味着非常具体地描述数据是什么，使用它在图像处理算法上推动显着的优化，然后将更新的算法应用于检查应用程序本身。Bachert Cites将一个项目节省超过200,000美元，每月占用的虚假拒绝百分比消除 - 没有云的壮举是不可能的。

所有的云
一旦公司看到云可以提供的好处，卖出变得更容易。Andy Long，Vision Systems Integrator Cyth Systems的首席执行官，将云视为民主化机器愿景的一种方式。由白天运行软件构建的视觉系统，使信息从云到生产线。
“很多设施只是没有他们需要进行实时机器视觉决策的带宽，通常他们不想依赖网络，”长说。“公司可以以非常简单的方式拍摄他们的图像并以非常简单的方式描述他们的机器视觉系统 - 例如，这是一个很好的部分，这个是有缺陷的 - 并且该系统能够学习并将有价值的信息提供回馈生产线。并且当它在生产线上运行时，它不需要与网络连接。“

云不仅允许用户无限期地存储数十万个图像，但它允许它们快速停止偏离留气的产品。“如果我们刚刚发现了我们不知道的线上的问题，我们现在可以在仿真模式下运行最后18个月的图像，以检查缺陷或错误，”长说。

云计算也在证明其在深度学习中的价值，处理要求是至关重要的。“Typically, many manufacturers aren’t always willing to deploy the level of assistance required on the plant floor, with GPUs and numerous processors, whereas if the manufacturer has a localized cloud instead of an external cloud, it’s more conducive to deploy those types of systems,” Campion says. “The cloud becomes very attractive because you can scale things up or down accordingly to meet or exceed processing requirements.”

此外，云可以缓解传统的基于人工智能的算法和模型训练的强度。“特别是随着数据集越来越大，我们试图解决的问题变得越来越复杂，我们可以使用GPU集群和云能力来显著减少再培训和处理的时间，过去需要几周的时间，”巴谢特说。

采用的障碍
尽管为机器视觉实现云计算有很多优势，但障碍仍然存在。数据安全仍然是阻碍制造商部署云技术(至少是外部)的最大障碍。坎皮恩说:“大多数公司都不愿将生产级数据放到云端，因为这会导致责任风险，而且如果消费者通过犯罪或非犯罪活动获得这些数据，它们可能会将有关产品或流程的数据传递给消费者。”因此，企业继续依赖私有云来捕获和分析数据。

企业还需要为该技术制定一个业务案例。“只有当你要解决的问题足够大时，投资云技术才有意义，”巴谢特说。“存储你永远不会去看的tb级数据只会带来大量成本，而投资没有回报。你需要能够分析数据并从中获得切实的价值。”

在云中集成视觉和成像的最终目标是为客户简化流程。Long说:“我们的行业在技术上相当具有挑战性，所以我们想让云技术更简单，让更多的人可以使用。”“我们的工作是消除这些技术挑战，让客户专注于他们最了解的东西——他们的产品。”