AI发展进入2.0时代！英特尔在落地中总结4大经验( 四 )_欧凯发自凹非寺量子位报道|公众号QbitA

但传统机器视觉方案面临着诸多问题：一方面，复杂的生产环境带来大量非标准化特征识别需求，导致定制化方案开发周期长、成本高。

另一方面，检测内容多样化也造成参数标定繁琐，工人使用困难。

而且传统方案往往需要机械部件配合定位，因此占用产线空间大，对工艺流程有影响。

美的的固有条件是拥有来自生产一线的海量数据资源，并且春江水暖，早就开始进行全力构建基于AI技术，集数据采集、模型训练、算法部署于一体的工业视觉检测云平台。

但除了具备工件标定、图像定位及校准等功能外，美的还希望通过部署优化的深度学习训练模型和预测模型，来缩短开发周期和成本，并提高设备的易用性与通用性。

于是针对美的这一需求，英特尔为其提供了基于Apache Spark的Analytics Zoo大数据分析和AI 平台，以端到端的方式，帮美的工业视觉检测云平台快速、敏捷地构建从前端数据预处理，到模型训练、推理，再到数据预测、特征提取的深度学习全流程。

AI发展进入2.0时代！英特尔在落地中总结4大经验( 四 )