技术的发展需要两点基础，一点是关键技术突破，一点是大量需求，二者缺一不可，相辅相成。计算机视觉技术在最近几年的突飞猛进，依赖于深度神经网络的技术突破和汽车自动驾驶的广阔市场需求。专用芯片不断更新，处理能力不断成长，视觉识别技术的不断发展，为在更广阔的领域应用计算机视觉技术带来了可能。

视觉是人类最主要的接受信息的手段。获得信息，处理信息，采取措施，是多数生产过程的流程。如何把计算机视觉技术应用到生产过程中，有三个需要解决的问题。

第一，梳理生产流程，找到适合计算机视觉的关键点。这是一个相互沟通，经验交流的过程，需要我们和客户之间的信息充分共享，把各自的经验融合在一起，找到突破点。计算机视觉更适合于机械的不断重复的工作，比如对于瑕疵产品的识别，对于非正常情况的发现，人长时间处理这类信息容易产生疲劳，从而带来失误，或者需要比较丰富的经验，而导致识别能力传承不宜的工作岗位。

第二，针对指定任务需求，已有的算法方案不一定适合，导致需要修改处理算法来适应特定任务。如果需要算法上的变化，将极大的增加实现难度，不能高效的沿用已有的积累，会大大增加开发的难度，提高了成本。如何简化系统识别的训练过程，训练方式，是把这项技术应用到更广泛的领域中的核心要求。

第三，把计算机辅助处理部署到实际生产环境。企业都有自己原有的信息系统，要把新增视觉系统接入到原有系统中，需要提供统一标准的接口，并对原有通用标准的接口进行支持，这是部署到已有生产环境的重点。

在我们已经处理过的案例中，我们建立了一套不需要专业技术就可以定制和调教的视觉识别工具和套件，同时提供工控级的设备，极大的降低了部署成本，帮助客户取得了很好的经济效益。