筆者在機器視覺、工業(yè)質(zhì)檢，非標自動化的坑里摸爬滾打了幾年，常常愁于為什么在這個行業(yè)里寫檢測算法那么累，為什么動不動就要在工廠出差數(shù)月,為什么模塊難復用。算法，光學這些不行也就算了，為什么大家的自動化水平也不穩(wěn)定，說出來都是淚啊。對于常出差，結合自身經(jīng)驗和理解做各小小的小結：

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，車間東西只進不出，這個前些博文中也強調(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，你不可能保證設備一下廠就滿足所有需求指標，更別說需求還會變吶。

前期開發(fā)很獲取有效數(shù)據(jù)，其他項目積累的數(shù)據(jù)也很難完全覆蓋本項目數(shù)據(jù)特點，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)…

高保密性導致車間基本不能用公網(wǎng)，最直接的沒法遠程操作。要解決這個問題，我覺得必須要聯(lián)網(wǎng)，邊云協(xié)作是趨勢，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，有技術含量的公司能早早打通這種技術路線。，比如以下landingAI為某司提供的保護數(shù)據(jù)隱私的方案：

下面記錄收集了一些企業(yè)的針對視覺質(zhì)檢解決方案：

聯(lián)想

特征描述：
1、邊緣側進行實時檢測，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