人工智能發展所必需的四個要素：應用場景、大數據、計算能力和人才。而在場景確定、大數據豐富和計算能力不斷提升的今天，人工智能人才的培養就顯得尤為重要。人工智能技術包括：圖像分析理解、自然語言識別、語音識別、機器人行為學等。不管是哪種應用，人工智能的核心都是“機器學習”——先對已知數據“降維”，再對目標網絡“訓練”，進而生成所需要的“成熟分類網絡”。
在這些應用場景中，基于圖像的深度學習所采用的數據維度是最多的，應用范圍也是最廣的。維視智造集合十幾年的機器視覺產品研發經驗和院校科研教學特點，創新性的推出了“MV-AI-VISION科研應用開發平臺”專門解決“人工智能”技術在機器視覺領域的學習和落地應用訓練。
任何需要深度學習技術解決的項目，都可以在“MV-AI1000”上做開發設計。
基于英特爾EIS平臺的源碼級深度學習實驗課程
功能特點 FUNCTION
1.精準（圖像）大數據采集——提供同分辨率、同維度、同參數下細分行業“精準圖像大數據集”的自動采集。這是“人工智能”技術在機器視覺領域落地應用的“數據”基礎。
基于“MV-AI1000平臺”的瓶蓋缺陷數據（部分）
2.機器學習基礎到應用——基于OpenVINO提供包括圖像標記、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“深度學習”實驗項目——基于OpenVINO提供“成熟神經網絡”的調用、調參等實驗項目。
源碼級的EII平臺搭建實驗
4.深度學習場景落地應用平臺——基于英特爾EII平臺的深度學習場景落地部署。
5.豐富的教學資源
平臺配備“目標圖像獲取”、“圖像預處理”、“深度學習”、“PLC編程”、“數據通訊”等多個實驗教學項目，鍛煉學生的個人能力、溝通交流能力、團隊協作能力。
提供從基礎操作到實際應用，詳盡的實驗指導手冊、設備使用手冊。設計由淺入深的學習實驗，從基礎操作到實際應用。實驗指導書包含：實驗背景、實驗目的、實驗原理、實驗方案、實驗步驟、實驗結論、實驗報告內容及要求等。
應用場景 APPLICATION
缺陷檢測 基于英特爾EIS平臺的PCB缺陷檢出 |
|
模式識別 輕量級“物體識別神經網絡” |
|
目標跟蹤 輕量級“人臉檢出”模型 |
|
缺陷及分選 基于深度學習的瓶蓋生產問題分類 |
|
典型案例 CASE
|
|
水果分選——基于“紅通道”的蘋果顏色分級 | PCB板缺陷檢測——自適應缺陷檢測 |
|
|
智能抓取——智能特征識別定位 | 復雜環境的字符識別——智能多模板字符匹配 |
