筆者在機(jī)器視覺、工業(yè)質(zhì)檢，非標(biāo)自動(dòng)化的坑里摸爬滾打了幾年，常常愁于為什么在這個(gè)行業(yè)里寫檢測(cè)算法那么累，為什么動(dòng)不動(dòng)就要在工廠出差數(shù)月,為什么模塊難復(fù)用。算法，光學(xué)這些不行也就算了，為什么大家的自動(dòng)化水平也不穩(wěn)定，說出來都是淚啊。對(duì)于常出差，結(jié)合自身經(jīng)驗(yàn)和理解做各小小的小結(jié)：

最最主要得還是客戶要求保密，客戶生產(chǎn)的產(chǎn)品必須保密，圖像數(shù)據(jù)也必須保密，車間東西只進(jìn)不出，這個(gè)前些博文中也強(qiáng)調(diào)了，工業(yè)里數(shù)據(jù)都是高保密性的，大多數(shù)工業(yè)項(xiàng)目都是以私有化部署為主，這逼得你開發(fā)調(diào)試不得不到現(xiàn)場(chǎng)，你不可能保證設(shè)備一下廠就滿足所有需求指標(biāo)，更別說需求還會(huì)變吶。

前期開發(fā)很獲取有效數(shù)據(jù)，其他項(xiàng)目積累的數(shù)據(jù)也很難完全覆蓋本項(xiàng)目數(shù)據(jù)特點(diǎn)，即使客戶寄給你少量樣本采集數(shù)據(jù)也無法覆蓋生產(chǎn)環(huán)境會(huì)遇到的情況，要獲得更多數(shù)據(jù)，就必須下廠里收集，廠里數(shù)據(jù)又具有保密性，惡性循環(huán)…

高保密性導(dǎo)致車間基本不能用公網(wǎng)，最直接的沒法遠(yuǎn)程操作。要解決這個(gè)問題，我覺得必須要聯(lián)網(wǎng)，邊云協(xié)作是趨勢(shì)，數(shù)據(jù)的安全性、隱私性一定是有解決方案的，希望行業(yè)的龍頭，有技術(shù)含量的公司能早早打通這種技術(shù)路線。，比如以下landingAI為某司提供的保護(hù)數(shù)據(jù)隱私的方案：

下面記錄收集了一些企業(yè)的針對(duì)視覺質(zhì)檢解決方案：

聯(lián)想

特征描述：
1、邊緣側(cè)進(jìn)行實(shí)時(shí)檢測(cè)，必要數(shù)據(jù)上傳至云端，云端迭代推送新模型，已經(jīng)做到了邊云協(xié)同，利用5G網(wǎng)
2、主要數(shù)據(jù)在本地可控，數(shù)據(jù)安全性得以保證

騰訊