首页 文章 精选 留言 我的

精选列表

搜索[AI转型]，共10000篇文章
优秀的个人博客,低调大师

机器视觉引领智能制造 助力制造业完美转型

据《中国机器视觉产业发展前景与投资分析报告》数据，近年来，全球机器视觉行业发展迅猛，2015年，全球机器视觉系统及部件市场规模已达42亿美元，预计2018年市场规模将超过50亿美元。 伴随中国人口红利的快速消失，诸多企业将进一步面临人力成本增高、生产效率低下、利润空间缩小、创新思路转变缓慢、前景不明朗等难题，行业急需寻找新的增长引擎。 机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号。机器视觉技术是软件和硬件的结合，主要组成部分包括照相机、摄像头、图像传感器、视觉处理和通信设备。完备的系统能捕捉任意对象的图像，并根据质量和安全性的不同参数来分析它们。 在自动化生产过程中，人们通常将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。目前机器视觉产品中端市场2/3为电子制造、汽车制造和市政交通行业所占据，其余市场份额包括食品、包装机械、印刷等行业需求，并且这些行业对机器视觉产品的需求仍然在大幅增长。 从行业应用来看，电子制造行业仍然是拉动需求的主要因素。但从未来发展前景来看，食品、包装机械等行业自动化水平会进一步提升，对机器视觉产品需求值得期待。 随着柔性制造系统的推广和传感、模式识别等技术的发展，针对工业需求的视觉和图像技术逐步成熟，制造业信息获取能力加强。视觉和图像技术搭载在摄像头、传感器、雷达等智能硬件内，能够实现图像信息的获取和分析。信息从传统的单一维度数据拓展为包含速度、尺寸、色谱等信息的多维度立体海量数据，并同设计信息和加工控制信息集成，为后续工况监测、质量检验等生产环节提供数据支撑。制造业信息获取渠道得到拓展，信息获取效率大幅提升。 制造业自动化需求凸显，推动机器视觉技术在工业生产领域的应用，自动化系统解决方案得到优化。随着图像处理能力和速度的增强、光器件性能的提高以及成本相对降低，机器视觉逐步应用于工业生产领域，并成为自动化系统的重要组成部分之一。机器视觉配合逻辑控制、运动控制、数据采集、通信网络等其他功能，能够完成图像识别、检测、视觉定位、物体测量和分拣等作业内容，特别是将机器视觉技术嵌入工业机器人控制系统，通过精准化的识别和抓取，大幅提高了生产过程的柔性和灵活性，自动化系统解决方案实现优化。 机器视觉技术在解决复杂工业任务方面十分可靠。而且，与各类机构或教育场所中应用的普通视觉系统相比，工业机器视觉系统更加健全，稳定性和准确性更高。朗锐智科预计，这些因素将致使该技术在工业部门的适应性更强。此外，正由于工业领域使用了机器视觉系统，越来越多的其他技术也在寻求与之融合，从而强化了机器视觉技术市场的蓬勃发展之势。
2017-11-26
优秀的个人博客,低调大师

甲骨文大数据创新推动数字化转型

2016年、2017年大数据的应用会进入到相对成熟、务实的落地阶段。随着云计算技术、物联网技术的兴起，我们数据的规模越来越大、数据的格式越来越复杂、数据的收集速度越来越快，使得它和传统意义上的政府、企业的业务数据相比，这几个特点显得比较明显， 即： •利用存储能力运营，满足企业和个人面临海量信息存储的需求； •对数据挖掘分析后预测相关主体的行为，开展业务； •直接进行信息租售或提供信息租售平台； •IT服务提供商提供大数据空间出租模式，从简单的文件存储，逐步扩展到数据聚合平台； •为运营中某一环节或某一业务问题提供解决方案，实施单点技术； •针对企业系统需求，提供整体解决方案； •BDaaS (Big data as a service)，数据应用即服务的模式，通过云服务提供在线大数据技术或者解决方案。 应对这些特点，计算机界、科技界也需要与时俱进，在技术上做一些创新和变革，使得这些数据能够成为企业真正的数据资产。 让大数据成为数据资本和智慧 从原始的数据到如何形成为企业的数据资本、数据的智慧，从技术处理上它要经过几个环节： •第一是数据的形成。不同形态的数据如何最终形成一个可管理的，放到我们数据湖当中去，这是数据的收集、获取、整理这样一个过程，这是一个数据的形成过程。 •到了第二个层级，数据湖当中有关系型数据（诸如表格形式的、有行有列的高价值的数据），也有非关系型数据（图片、视频的形态的数据），这些数据我们把它有序地管理起来，形成一个从数据到信息的过程。 •这些信息汇总起来以后，我们要经过数据探索的过程，都放在这个地方你不积极探索它、利用它、分析它，这些数据仍然是沉睡的金矿。这个探索的过程我们把它形容成从信息到知识的一个概念。 •最终，探索出来的一些结果，我们把它使用起来，来引领企业的业务流程的改进，新业务的产生，把这些东西形成一个新的价值，这是我们在大数据运用的一个更高的阶段，我们从知识到了智慧。 当今大数据市场非常蓬勃，不同行业、不同企业和不同的大数据供应商也处于不同的阶段，有的就处于平台建设阶段，也有些进入到信息的探索阶段，业界的关注反过来也推动了大数据市场的新尝试和不断前行，例如通过大数据帮助电信、金融的企业去做所谓的精准营销，即从海量的客户当中找寻到有可能跟我成交的客户。还有一些反欺诈的案例，包括我们在公安、交警、套牌，一个地方的摄像头捕捉到了一个牌照，我们在很短的时间里面，在另外的一个地方也拍到了一样的牌照，它一定是套牌的欺诈。再如，我们发现一张信用卡在A 地被使用，但同一时间，这张信用卡也在B地被使用，这可能是金融性的欺诈，这些都用到流数据的处理技术。各行各业都在考虑如何使用我们过去不曾拥有的海量数据去改变它原有的一些业务流程，创造更大的价值。 甲骨文大数据是基于开源与商业相结合的平台，利用分布式、Hadoop等技术，提供完整的、基于多种技术组合的大数据解决方案，实质上是一个全数据管理理念。我们将产品商业化，事实上是缩短了企业和政府去做大数据建设的周期。 甲骨文大数据发现（Oracle Big Data Discovery）五步走，提升管理决策效能 甲骨文在很多年前就花了十几亿美金收购了可视化大数据的探索工具Endeca，在此基础之上，随着Hadoop的技术发展，我们研发了它的Hadoop版本，Hadoop可视化探索平台，即Big Data Discovery （大数据发现）。 大数据的探索过程大致可以包括以下五大步骤： •第一，连接企业的大数据数据源。 •第二，以可视化的方式去展示我们大数据湖的全景。如果你真的想象大数据湖是一个湖，你站在岸边是看不到湖里有什么东西，有鱼有虾，有水草、有礁石，通过可视化我们自动分类，把大数据湖当中的数据自动分类，根据它的标签、属性，我们可以用一个图形化的方式让你一眼可以看清楚这个数据湖当中的数据。 •第三，数据的转换和整理过程。传统来讲在做传统的BI的时候有ETL的过程，这个过程太复杂，我们在大数据处理的时候希望他能够轻建模、自动化。 •第四，我们是探索数据当中的规律，相关性。 •第五，我们把探索出来的结果做一个发布和分享。 以上五大步骤过去要用很多种技术组合起来才可以做到， 而今天我们在一个叫做"大数据发现（Big Data Discovery） "的平台基础之上就可以完成。 当我们已经把大数据探索到一定的高价值的部分，便可提交价值数据给管理层做决策参考。 这上面讲到流数据的过程，大数据从管理从形态上就是两种：一种是离线数据处理，实际应用中的大部分都是离线数据处理，数据获取进来形成数据湖，进入到探索的过程，产生的结果做商业的应用，这是一个离线数据处理的过程。 另一种大数据的形态是事实数据也叫快数据，有时也被称之为流数据或流处理，其通常是一个实时运算框架，可实现数据的实时处理、模式匹配或快速模型计算，比如在金融领域的欺诈检测、实时风险控制、实时精准营销等领域都有广泛的应用。 根据市场上第三方对数据管理平台的评测，无论是Gartner的数据仓库魔力象限图，还是Forrester的Hadoop优化系统波纹图，甲骨文在大数据领域都是处在市场的领导地位。 讲到大数据的访问层，甲骨文也提供通过一套SQL语句来访问所有数据，无论你的数据是存储在数据库中、Hadoop中还是NoSQL中，Oracle Big Data SQL 提供全面支持。 甲骨文看好大数据前景，推动落地 我们在过去的两三年当中，大数据在中国日趋蓬勃，而如何真正落地正引起广泛讨论。甲骨文在一些实际的项目中也积累了一些最佳实践： •例如在汽车制造业，可通过内外部大数据的整合实现了对汽车销售因素的量化分析，包括销量的预测； •在电信运营商，可通过我们的机器学习（Machine Learning）平台，大幅提升了呼叫中心外呼精准营销成功率； •在政府部门，可协助相关地方政府，实现数据的整合、开发与共享； •在农业，可通过大数据分析进行土壤管理、提高农作物产量、畜牧养殖全周期的数字化管理等； •在金融，可利用大数据发现金融违规行为、进行风险防范和欺诈检测。 另外，上述所有提到的大数据能力，包括大数据采集、存储、分析、可视化等，都在甲骨文的大数据云服务中提供，客户甚至可以一部分服务采用公有云、一部分在本地数据中心自建的混搭架构，甲骨文都可以完全无缝的支持，这就是混合云的概念。 在旧金山的大会上，甲骨文推出了业界最全面的云分析产品--Oracle分析云。作为业界唯一一款端到端业务分析解决方案，Oracle分析云包含高性能，大规模分析处理基础架构；用于数据准备、发现、可视化和协作的全面工具；针对具体领域的机器学习模型；用于企业经营的最佳实践分析关键绩效指标；和专门为分析设计的海量精选公共数据集。 甲骨文公司副总裁、中国区技术总经理兼大数据和商务分析业务总经理高礼强 甲骨文公司副总裁、中国区技术总经理兼大数据和商务分析业务总经理高礼强指出："大数据领域是我们战略重点之一，同时它也是延续我们甲骨文传统的数据管理技术的优势领域，因此我们非常重视这个领域。" "甲骨文大数据战略是非常清晰的，我们的技术组合都是围绕着大数据管理、大数据处理的特点，也是非常明显，在业内也是领先的技术。" 展望未来，高礼强指出，"大数据处理满足了众多客户基于不需要很大的投资而建立自己的大数据的平台的需求。我们看准这个市场，云服务对数据分析来讲是一个典型且非常适合的一个场景。我们的使命是：希望通过大数据技术的商业化，令企业和政府的大数据应用在时间上可以有一个极大的节约，他们不需要花费大量的精力放在平台建设上，可以更好地专注于大数据的数据变现和价值释放，更好地为企业创造价值。" 原文发布时间为：2016年10月31日 本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
2017-08-09

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

时间: 2025-12-13 大小: 249.54MB 下载: 22次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册