首先我们来看第一个主题，AI对于工业视觉算法到底有什么价值?
传统算法，我用两个关键词来定义它，就是定量分析和特征工程。特征工程就是算不同的特征。后面做判断的时候，一堆的if···else···是传统算法的一个特点。那AI这块的话大家已经很了解了，基于样本来做学习。我认为这是很本质的一个东西。
从功能角度出发，工业视觉算法可分为图像处理、定位、检测、测量、识别;从算法实现技术角度就是分类、识别、测量三大类。本质上，工业视觉算法将会或正在被AI全部重构，当然如果涉及到测量技术，即定量分析技术，传统算法依然不可或缺。
AI重构工业视觉算法的价值体现在以下 3 个方面：
1. 升维
AI通过升维来解决我们的一些复杂的分类和识别问题。包括复杂的背景、低对比度、柔性电子、一些强干扰。这些东西原来传统方法是没问题的，但是用AI的话，我觉得能更加好。这个点大家是能够肉眼可见的。后面第二点和第三点可能未必肉眼可见，但实际上是更关键的。
8507-BI-DP
2. 简化、通用化
AI的一大优势是可以对算法问题做极度的抽象，抽象之后较为复杂的工业视觉问题就会变得比较简单，还有一个就是通用化。很多工业视觉里面比较复杂的算法问题，用两到三个比较通用的算法模块去训练数据，结果就出来了，并且这个指标还非常优秀。
3. 降本
大家听到这个东西好像有点反直觉，觉得AI对算力有要求，怎么还能降本?
我们举一个所有做传统算法的人都能够理解的一个例子。比如几何形状匹配，这个属于是整个机器视觉里面，传统算法绕不过的这样的一个算法，它需要设置非常多的参数。如果要用好，工程师需要理解几何匹配算法的基本原理、参数的物理含义，这需要较为专业的图像处理背景知识，门槛要求高。如果你理解不到位，可能定位的结果不是你想要的，或者达不到一个非常精准的效果。要做到这一点的话，是需要有图像处理算法背景的。所以说我原来做传统图像，就是我在原来东家的时候，我们带着底下的应用工程师都是硕士，这个成本是非常高的。
而我们用 AI 来做，比如说我们只是训练三、五个样本，甚至是一个样本，后面整个定位的精度跟效率都能够达到，甚至超过传统算法的精度。当然，整个鲁棒性肯定也比传统算法要好。那这样使用的成本就可以降到非常低。
