AI时代已经来临

借助IDS NXT，IDS设计了一个硬件和软件组件的AI vision生态系统，它不但适合机器学习，还能直观匹配完整的应用工作流。因此，这可以大大节省实施解决方案的时间和成本。

采用云计算的AI vision

借助AI Vision Studio IDS lighthouse，您可以向AI迈出第一步，测试其方法是否适合您自己的应用，还可以为IDS NXT相机创建视觉应用，以解决复杂任务。这不需要培训或设置开发环境。这样就很容易入门，完成单个AI vision系统的实施和调试等任务。为此，我们提供了易于理解的界面和工具，它们覆盖了AI vision开发的所有步骤，使整个编程过程非常轻松便捷。

更多帮助，快速标记

在项目刚开始的时候，一个具有会谈模式的应用向导可以帮助您确定具体任务，选择所需的AI方法，并准备一个合适的vision应用项目。希望采用更加个性化方法的用户可以使用模块化编辑器(Block-based Editor)，这样他们就不用掌握平台专有的编程工作或编程语言的特殊语法。只需要拖放操作，就可以利用现成的功能模块构建自己的流程序列。这使应用描述更为灵活，同时使流程更易于理解。

加入数据管理器

未来，AI Vision Studio将在准备培训数据时提供进一步支持。运用自动标签系统，您可以借助适当的标签将导入的图像数据和具有ROI的特定内容更快地组织成数据集。这有助于扩展图像内容数据集，从而可以通过重新培训不断改进网络。

减少数据，增加信心

为所有目标类别均衡提供足够数据通常很耗时。由于错误情况可能以任何形式出现，因此“良好”和“不良”部分通常存在不平衡。在这种情况下，提供需要较少培训数据的解决方案非常重要。因此，除了分类和对象检测之外，异常检测也将会在未来给用户带来帮助，异常检测可以识别所有已知和未知的错误情况，这些错误情况超过了“良好”部分的正常偏差。与其他AI方法相比，这需要的训练数据相对较少。换言之，人类需要耗费很长时间学习什么对象看起来是“典型的”，然后才会注意到相应目标，而具有异常检测功能的AI系统也可以进行识别。因此，异常检测是支持质量控制的另一个有用工具，它可以减少手动执行的目视检查，同时在早期阶段检测和避免生产过程中的错误。

可解释的AI

为方便理解，我们还在AI Vision Studio中提供了AI注意力的热图可视化功能。为此，在训练期间使用特殊的网络模型，它们可以在测试数据集评估期间生成一种热图。其中突出显示那些最受神经网络关注的图像区域，这些区域会影响结果和性能。不正确或代表性不足的训练图像也会使AI对不符合要求的特征更加敏感。培训时发生意外的产品标签也可能扭曲结果。这种“错误”培训的原因称为数据偏差。

这些注意力图有助于减少对基于AI的决策的担忧，并提高工业环境中对AI的接受度。