人(rén)工智能發展所必需的(de)四個(gè)要素：應用(yòng)場(chǎng)景、大(dà)數據、計算(suàn)能力和(hé)人(rén)才。而在場(chǎng)景确定、大(dà)數據豐富和(hé)計算(suàn)能力不斷提升的(de)今天，人(rén)工智能人(rén)才的(de)培養就顯得(de)尤爲重要。人(rén)工智能技術包括：圖像分(fēn)析理(lǐ)解、自然語言識别、語音(yīn)識别、機器人(rén)行爲學等。不管是哪種應用(yòng)，人(rén)工智能的(de)核心都是“機器學習(xí)”——先對(duì)已知數據“降維”，再對(duì)目标網絡“訓練”，進而生成所需要的(de)“成熟分(fēn)類網絡”。
在這(zhè)些應用(yòng)場(chǎng)景中，基于圖像的(de)深度學習(xí)所采用(yòng)的(de)數據維度是最多(duō)的(de)，應用(yòng)範圍也(yě)是最廣的(de)。維視智造集合十幾年的(de)機器視覺産品研發經驗和(hé)院校科研教學特點，創新性的(de)推出了(le)“MV-AI-VISION科研應用(yòng)開發平台”專門解決“人(rén)工智能”技術在機器視覺領域的(de)學習(xí)和(hé)落地應用(yòng)訓練。
任何需要深度學習(xí)技術解決的(de)項目，都可(kě)以在“MV-AI1000”上做(zuò)開發設計。
基于英特爾EIS平台的(de)源碼級深度學習(xí)實驗課程
功能特點 FUNCTION
1.精準（圖像）大(dà)數據采集——提供同分(fēn)辨率、同維度、同參數下(xià)細分(fēn)行業“精準圖像大(dà)數據集”的(de)自動采集。這(zhè)是“人(rén)工智能”技術在機器視覺領域落地應用(yòng)的(de)“數據”基礎。
基于“MV-AI1000平台”的(de)瓶蓋缺陷數據（部分(fēn)）
2.機器學習(xí)基礎到應用(yòng)——基于OpenVINO提供包括圖像标記、神經網絡搭建及神經網絡訓練等實驗項目。
神經網絡訓練
3.源碼級的(de)“深度學習(xí)”實驗項目——基于OpenVINO提供“成熟神經網絡”的(de)調用(yòng)、調參等實驗項目。
源碼級的(de)EII平台搭建實驗
4.深度學習(xí)場(chǎng)景落地應用(yòng)平台——基于英特爾EII平台的(de)深度學習(xí)場(chǎng)景落地部署。
5.豐富的(de)教學資源
平台配備“目标圖像獲取”、“圖像預處理(lǐ)”、“深度學習(xí)”、“PLC編程”、“數據通(tōng)訊”等多(duō)個(gè)實驗教學項目，鍛煉學生的(de)個(gè)人(rén)能力、溝通(tōng)交流能力、團隊協作能力。
提供從基礎操作到實際應用(yòng)，詳盡的(de)實驗指導手冊、設備使用(yòng)手冊。設計由淺入深的(de)學習(xí)實驗，從基礎操作到實際應用(yòng)。實驗指導書(shū)包含：實驗背景、實驗目的(de)、實驗原理(lǐ)、實驗方案、實驗步驟、實驗結論、實驗報告内容及要求等。
應用(yòng)場(chǎng)景 APPLICATION
缺陷檢測 基于英特爾EIS平台的(de)PCB缺陷檢出 |
|
模式識别 輕量級“物(wù)體識别神經網絡” |
|
目标跟蹤 輕量級“人(rén)臉檢出”模型 |
|
缺陷及分(fēn)選 基于深度學習(xí)的(de)瓶蓋生産問題分(fēn)類 |
|
典型案例 CASE
|
|
水(shuǐ)果分(fēn)選——基于“紅通(tōng)道”的(de)蘋果顔色分(fēn)級 | PCB闆缺陷檢測——自适應缺陷檢測 |
|
|
智能抓取——智能特征識别定位 | 複雜(zá)環境的(de)字符識别——智能多(duō)模闆字符匹配 |
