感知智能将物理世界信号映射到数字世界，是AI工业化生产落地的必经之路，而其中视觉感知与物联感知已成为工业物联网领域的技术基石，通过与边缘计算的结合，能够有效解决AI在落地过程中面临的海量数据处理实时响应、原始数据价值密度低、多模态数据离散处理等问题。
感知智能业务方向
实现边缘智能感知的主要流程，以CV应用落地来看，主要围绕着模型生产和落地部署。典型CV应用落地所需流程长，需要经历 “12阶段”，并且需要大量人力，由5名中级工程师和5名高级工程师共同完成。
目前传统CV应用的痛点：整体流程长，涉及人员多，流程各环节的不标准以及全流程的割裂会导致模型管理碎片化、应对变化耗时耗力、模型与应用最后一公里、模型持续运营难等问题。因而，需要一款覆盖数据处理、模型训练和支持业务定制化功能的平台来实现模型的一体化生产应用和管理。
传统CV应用业务痛点
针对传统CV应用业务痛点，星环科技推出一站式模型生产应用平台——Sophon AutoCV。Sophon AutoCV面向企业内部CV建模团队，提供引导式模型训练和低代码应用构建部署的能力，解决CV模型生产和应用流程长、效率低等问题，缩短CV模型生产部署周期，实现业务应用的高效率运营。
星环科技
AutoCV作为视觉感知智能平台，将业务流程由传统的“12阶段”精简为“底层资源-模型训练与管理-模型应用-结构化数据回传”，全方位覆盖模型落地过程中的数据、模型、应用、迭代运营的管理需求。除此，AutoCV聚焦传统CV应用的痛点：涉及人员多，从所需“5+5中级/高级工程师”精简为“2+2+2高级/中级/初级工程师”。
业务支撑案例
多模态数据融合处理
某流程制造厂，基于本平台实现图像和传感器数据的统一接入和模型应用，实现智能化辅助生产。
业务痛点
1) 人工操作流程错误：人工投料顺序影响生产质量，而工人错误投料往往无法及时发现提示；
2) 除质效果不理想：在生产流程中，除杂环节的识别与去除效果有较大提升空间。
解决方案
1) 人工投料顺序监控提示：通过现场监控摄像头对物料包装进行识别，进而识别投料顺序，对可能的投料顺序错误，通过现场声光告警进行提示；
2) 对接除杂仪图像优化算法：通过对接除杂仪中的高速工业摄像头，采集杂质样本进行标注，持续训练迭代通用模型，而后针对不同除杂仪器进行优化，最终整体除杂效果提升2%。
客户价值
1) 人工投料错误进行及时捕捉纠正，运行后投料效果有明显提升。
2) 生产流程中的整体除杂效果提升2%，降低了原料损耗和产品质量。
企业赋能案例
过程资产积累和模型迭代
某司的信息科技部门，基于本平台实现多数字资产的积累、模型集中调度与持续迭代。
业务痛点
1) 模型无法溯源，原始数据存储混乱，各种业务数据无统一管理方式；
2) 分散的业务系统中硬件资源无法集中管理调度；
3) 算法模型随着业务的更迭，准确率已不能满足业务的需求，需要单点优化。
解决方案
1) 平台统一资产积累：平台支持模型训练样本管理，支持模型多版本评估和管理；支持业务规则的积累和迁移复用；
2) 硬件资源集中调度：客户业务系统中模型快速上架部署，运行时共享硬件资源；
3) 算法模型持续迭代：支持模型处理后的结构化数据同步到训练模块，通过增量训练即可完成模型的快速迭代。
客户价值
1) 数据、模型和应用资产积累，价值沉淀；
2) 硬件资源利用率提升20%；
3) 螺旋式迭代，模型迭代周期缩短50%。
星环科技全自研开发的Sophon AutoCV目前已在多个行业的实践落地中展现出极强的性能与极高的稳定性。总体而言，星环Sophon AutoCV的核心优势可以概括为以下五点：
- 高效率生产：通过智能预标，标注效率相较开源工具提升30%，基于全流程的平台操作，模型生产落地的人力投入可降低50%；
- 零门槛运营：平台支持通过引导式和低代码的方式进行模型生产和部署，业务运营人员也可快速上手，并完成模型迭代和优化；
- 高性能运行：平台支持除主流的推理卡，还支持国产化如华为、寒武纪等硬件的模型运行加速，以支撑万路摄像头的智能化流处理；
- 多资产积累：对于企业数智化改造过程中3类数字资产，数据、模型以及应用，能够通过平台有效的积累和沉淀，体现视觉AI团队价值；
- 开放式合作：平台可与不同伙伴进行合作，截止当前已和超过20+的友商合作进行整体方案交付，其中包括高校、算法供应商、渠道方等。
我们相信，随着时间的推移，星环科技Sophon AutoCV将持续赋能千家万业，助力视觉AI工业化生产，以及视觉AI价值的迸发。
