ปรับใช้การควบคุมคุณภาพแบบใช้คอมพิวเตอร์วิทัศน์อย่างรวดเร็วและคุ้มค่า

การสร้างกำไรจากโอกาสในการควบคุมคุณภาพแบบใช้คอมพิวเตอร์วิทัศน์ในปัจจุบัน

โซลูชันการตรวจตราคุณภาพผลิตภัณฑ์ที่สร้างขึ้นบน คอมพิวเตอร์วิทัศน์ AI มีความพร้อมที่จะถ่ายทอดผลลัพธ์ที่จับต้องได้ให้แก่ผู้ผลิตและผู้ค้าปลีก การปรับใช้กล้อง การคำนวณผล และ AI ที่ไซต์งานภายในร้านค้าและโรงงาน หรือที่ Edge ซึ่งเป็นจุดที่เก็บรวบรวมข้อมูลภาพเกี่ยวกับผลิตภัณฑ์ ช่วยให้บริษัทสามารถตรวจตราและประเมินคุณภาพผลิตภัณฑ์แบบเกือบจะเรียลไทม์ได้ ทั้งนี้หากไม่นับถึงรูปแบบการใช้งาน ไม่ว่าจะเป็นการตรวจหาข้อบกพร่องบนผลิตภัณฑ์ที่เกิดขึ้นจากสายการประกอบ หรือการประเมินระดับความสดของสตรอว์เบอร์รีในส่วนสินค้าผลไม้ องค์กรมากมายต่างก็ประสบความยุ่งยากเมื่อเริ่มต้นใช้คอมพิวเตอร์วิทัศน์ และต่างก็คาดว่าจะต้องพบอุปสรรคด้านความสามารถในการปรับขนาดและค่าใช้จ่ายเพิ่มอีกเมื่อขยับจากช่วงการพิสูจน์แนวคิดไปสู่การผลิต
ท้ายที่สุดแล้ว องค์กรประเภทที่แตกต่างกันก็จะมีหนทางที่แตกต่างกันในการใช้ความสามารถของการตรวจตราคุณภาพผลิตภัณฑ์แบบเสริมด้วย AI ผู้ผลิตและผู้ค้าปลีกระดับองค์กรมักจะสร้างความสามารถ AI ขึ้นแบบภายในองค์กร ขณะที่บริษัทขนาดเล็กและขนาดกลางในอุตสาหกรรมเหล่านี้มักจะมองหาการสนับสนุนจากผู้จำหน่ายซอฟต์แวร์อิสระ (ISV) และผู้ผสานรวมโซลูชัน (SI) ผู้จำหน่ายและผู้ให้บริการโซลูชันเหล่านี้ต่างถูกขอให้ช่วยสร้างความสามารถ AI แบบเสริมด้วยคอมพิวเตอร์วิทัศน์ให้เกิดขึ้นจริง โดยที่ต้องควบคุมค่าใช้จ่ายอย่างเข้มงวดและตอบโจทย์ความต้องการด้านประสิทธิภาพมากมาย

ไม่ว่าคุณจะเป็น ISV, SI, ผู้ค้าปลีก หรือผู้ผลิต เรามาทบทวนถึงข้อพิจารณาสำคัญบางประการที่สามารถช่วยให้คุณนำการตรวจตราคุณภาพผลิตภัณฑ์แบบเสริมด้วย AI ออกใช้งานจริงได้อย่างมีประสิทธิผลและความเร็วที่เพิ่มขึ้น

การฝึกอบรมโมเดล AI สำหรับคอมพิวเตอร์วิทัศน์

หัวใจของกลยุทธ์การควบคุมคุณภาพแบบใช้คอมพิวเตอร์วิทัศน์ ก็คือการใช้โมเดล AI ที่ Edge เพื่อทำการอนุมาน โมเดลนั้นจะได้รับการฝึกอบรมไว้ก่อนการปรับใช้ เพื่อให้เชี่ยวชาญในการตรวจจับข้อบกพร่องของผลิตภัณฑ์หรือการรับรู้ถึงผลิตภัณฑ์ที่หมดอายุ จากนั้นก็จะนำไปปรับใช้กับอุปกรณ์ Edge ให้เป็นส่วนหนึ่งของซอฟต์แวร์ที่เปิดใช้งาน AI ซึ่งจะวิเคราะห์ข้อมูลจากกล้อง เพื่อชี้บอกและรายงานปัญหากลับไปยังพนักงานโรงงานเพื่อให้ดำเนินการแก้ไขปัญหา

ขณะที่องค์กรขนาดใหญ่ในส่วนการค้าปลีกและการผลิตมักนิยมที่จะฝึกอบรมโมเดลแบบเริ่มจากศูนย์หรือให้พนักงานในองค์กรทำการปรับแก้โมเดลที่มีอยู่แล้ว บริษัทขนาดเล็กและขนาดกลางมักเลือกที่จะใช้บริการจากพาร์ทเนอร์ด้านเทคโนโลยีเพื่อช่วยสร้างความสามารถ AI ตามที่ตนต้องการ ซึ่งอาจเป็นความสามารถธรรมดา ๆ อย่างการจัดซื้อโซลูชันจาก ISV ที่ออกแบบมาสำหรับรูปแบบการใช้งานเฉพาะของตน หรือบริษัทเหล่านี้อาจอาศัย SI ให้ทำการประกอบหลาย ๆ โซลูชันเข้าด้วยกัน แล้วทำการปรับแต่งโมเดลใด ๆ ที่จำเป็นต้องมี

เมื่อคุณคิดจะใช้โซลูชันด้านคอมพิวเตอร์วิทัศน์ ก็อย่าลืมว่าคุณไม่จำเป็นต้องเริ่มจากศูนย์ โมเดลที่มีอยู่แล้วซึ่งอาจมีให้บริการฟรี ๆ ทางออนไลน์ สามารถเป็นจุดตั้งต้นสำหรับการปรับแต่ง ซึ่งจะช่วยให้คุณใช้โซลูชันได้เร็วขึ้น ตัวอย่างเช่น Open Model Zoo สำหรับชุดเครื่องมือ OpenVINO™ มีโมเดล Deep Learning ให้เลือกมากมายซึ่งสามารถนำมาฝึกอบรมใหม่หรือปรับแก้ให้เหมาะกับการประยุกต์ใช้ที่ต้องการ

ฮาร์ดแวร์

ในมุมของฮาร์ดแวร์ คุณจะต้องใช้ระบบคำนวณผลในหลากหลายระดับ ทั้งนี้ขึ้นอยู่งานการฝึกอบรมที่คุณจะดำเนินการ

ถ้าคุณเริ่มต้นด้วยโมเดลที่มีอยู่เพื่อตอบสนองความต้องการของคุณหรือของลูกค้า คุณอาจปรับแก้หรือฝึกอบรมใหม่ได้ด้วยฮาร์ดแวร์แบบอเนกประสงค์ราคาประหยัด การทำเช่นนี้จะช่วยไม่ให้คุณต้องลงทุนมากเกินจำเป็นไปกับทรัพยากรเฉพาะทางที่คุณไม่ได้ต้องใช้จริง ๆ พร้อมทั้งลดความซับซ้อนด้านสถาปัตยกรรมโดยรวม

อย่างไรก็ตาม การฝึกอบรมโมเดลที่ซับซ้อนแบบเริ่มจากศูนย์อาจต้องอาศัยประสิทธิภาพขั้นสูงของตัวเร่งแบบเฉพาะทางที่เจาะจงสร้างขึ้นเพื่อเวิร์คโหลด AI เทคโนโลยีเหล่านี้ถูกออกแบบมาตั้งแต่ต้นให้ถ่ายทอดประสิทธิภาพระดับสุดขีดที่ต้องใช้สำหรับการฝึกอบรมโมเดลที่ซับซ้อนด้วยชุดพารามิเตอร์ขนาดใหญ่

ตัวอย่างเช่น ตัวเร่ง AI Intel® Gaudi® เจาะจงสร้างขึ้นเพื่อรองรับเวิร์คโหลด AI การฝึกอบรมและการอนุมานที่หนักหน่วง สำหรับการฝึกอบรมใหม่และการปรับแก้ โปรเซสเซอร์ Intel® Xeon แบบปรับขนาดได้ ที่มีเอนจิน AI ในตัวเหมาะอย่างยิ่งที่จะช่วยให้คุณตอบโจทย์ความต้องการด้านประสิทธิภาพด้วยสถาปัตยกรรมแบบ CPU เท่านั้น

ซอฟต์แวร์

ความท้าทายสำคัญสำหรับหลาย ๆ องค์กร คือการแปลงความเชี่ยวชาญเฉพาะวงการหรืออุตสาหกรรมของตนให้เป็นโซลูชัน AI ที่ใช้ได้จริง ซึ่งมีแพลตฟอร์มซอฟต์แวร์มากมายที่ช่วยแก้ปัญหาท้าทายนี้ได้ เครื่องมือเหล่านี้สามารถช่วยเร่งเวลาสร้างมูลค่าได้อย่างมากสำหรับโครงการริเริ่มพัฒนาโซลูชันด้านคอมพิวเตอร์วิทัศน์

ตัวอย่างเช่น แพลตฟอร์ม Intel® Geti ช่วยให้ผู้เชี่ยวชาญในอุตสาหกรรมสามารถสร้างโมเดล AI แบบพร้อมผลิตได้อย่างรวดเร็วและแบบร่วมกันภายในอินเตอร์เฟซเดียว โดยใช้ความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลน้อยที่สุด ผู้ใช้สามารถเพิ่มรูปภาพหรือข้อมูลวิดีโอ สร้างคำอธิบายประกอบได้อย่างง่ายดาย รวมทั้งฝึกอบรม ฝึกอบรมใหม่ ส่งออก และปรับเพิ่มประสิทธิภาพโมเดล AI สำหรับการปรับใช้

การปรับใช้โมเดล AI กับฮาร์ดแวร์ Edge สำหรับคอมพิวเตอร์วิทัศน์

หลาย ๆ องค์กรสันนิษฐานว่าการปรับใช้การควบคุมคุณภาพแบบใช้คอมพิวเตอร์วิทัศน์ต้องใช้โครงสร้างพื้นฐานแบบเน้นหนักที่ Edge ซึ่งมาพร้อมกับ GPU เสมอ ข้อสันนิษฐานนี้ไม่ถูกต้องเสียทีเดียว ผู้ผลิตและผู้ค้าปลีกในปัจจุบันสามารถใช้ทรัพยากรฮาร์ดแวร์ทั่วไปเพื่อขับเคลื่อนคอมพิวเตอร์วิทัศน์ AI ที่ Edge

CPU สมัยใหม่มีความพร้อมที่จะรับมือกับเวิร์คโหลดคอมพิวเตอร์วิทัศน์ที่ Edge ได้ดี ซึ่งในส่วนของการฝึกอบรม การอาศัย CPU สำหรับการอนุมานที่ Edge จะช่วยไม่ให้เกิดการลงทุนด้านเทคโนโลยีมากเกินไป ทำให้ปรับใช้ได้อย่างราบรื่น และช่วยเพิ่มประสิทธิภาพการใช้พลังงาน CPU สามารถนำไปปรับใช้ในระบบฟอร์มแฟคเตอร์ขนาดเล็กแบบพร้อมใช้ที่สมบุกสมบัน เพื่อรองรับสภาพแวดล้อมการปฏิบัติงานอันหลากหลายซึ่งพบได้ที่ Edge

โปรเซสเซอร์อย่างโปรเซสเซอร์ Intel® Xeon และโปรเซสเซอร์ Intel® Core™ Ultra มอบประสิทธิภาพ AI แบบประหยัดพลังงานที่เหมาะกับเวิร์คโหลดของคอมพิวเตอร์วิทัศน์แบบ Edge

ผู้ผลิตและผู้ค้าปลีกมากมายต่างก็ใช้งานระบบ Edge ที่สำคัญซึ่งมาพร้อม CPU กันแล้ว อาทิ ระบบจุดชำระเงินและสถาปัตยกรรม IT/OT แบบกำหนดด้วยซอฟต์แวร์ ในหลาย ๆ กรณี การลงทุนที่มีอยู่เหล่านี้สามารถรองรับคอมพิวเตอร์วิทัศน์ที่ Edge พร้อมทั้งลดความจำเป็นในการจัดซื้อฮาร์ดแวร์เพิ่มเติม

หากจำเป็น ฮาร์ดแวร์ GPU สามารถนำไปใช้ตอบโจทย์ความต้องการด้านประสิทธิภาพที่หนักหน่วงยิ่งขึ้นได้ ซึ่งปกติแล้ว เทคโนโลยี GPU ใช้พลังงานและพื้นที่ใช้สอยมากกว่า แต่ก็ช่วยให้สามารถปรับใช้ Edge เพื่อรองรับความสามารถขั้นสูงและรูปแบบการใช้งานที่แปลกใหม่ได้

ตัวอย่างเช่น เรามีทั้ง Intel® Arc GPU และ Intel® Data Center GPU Flex ให้เลือกเพื่อช่วยให้สามารถใช้คอมพิวเตอร์วิทัศน์ขั้นสูงที่ Edge ได้

อย่างไรก็ตาม ฮาร์ดแวร์เป็นแค่ส่วนหนึ่งของสมการ ISV และ SI จำเป็นต้องหาวิธีช่วยลูกค้ากลุ่มอุตสาหกรรมและธุรกิจค้าปลีกของตนให้รับมือกับสภาพแวดล้อมการปรับใช้รวมกันอย่างหลากหลายได้ง่ายขึ้น เพิ่มประสิทธิภาพ และลดความซับซ้อนในการพัฒนาโมเดลที่จำเป็น ซึ่งในจุดนี้ ISV และ SI สามารถใช้ประโยชน์จากทรัพยากรซอฟต์แวร์เพื่อช่วยเร่งรัดและทำให้งานของตนราบรื่น

ตัวอย่างเช่น ชุดเครื่องมือ OpenVINO™ สามารถช่วยคุณเพิ่มประสิทธิภาพ ปรับแก้ และใช้งานการอนุมาน AI อันหลากหลาย โดยใช้ตัวปรับเพิ่มประสิทธิภาพโมเดลและเครื่องมือการพัฒนากับรันไทม์ที่ให้มาด้วย นี่เป็นชุดเครื่องมือแบบโอเพนซอร์สที่จะช่วยให้คุณเร่งความเร็วการอนุมาน AI ด้วยความหน่วงที่ต่ำลงและอัตราความเร็วที่สูงขึ้น โดยที่ยังคงความแม่นยำ ลดการใช้ทรัพยากรโมเดล และปรับเพิ่มประสิทธิภาพการใช้ฮาร์ดแวร์ ซึ่งล้วนเป็นปัจจัยสำคัญสำหรับการปรับขนาดคอมพิวเตอร์วิทัศน์ AI ในโรงงานหรือร้านค้ามากมาย ชุดเครื่องมือนี้ยังสามารถนำไปใช้แปลงและปรับเพิ่มประสิทธิภาพโมเดลที่ฝึกอบรม โดยใช้เฟรมเวิร์กยอดนิยม เช่น TensorFlow และ PyTorch

OpenVINO™ ซึ่งสร้างขึ้นบน Intel® oneAPI จะช่วยให้ SI และ ISV ปรับใช้การอนุมาน AI ที่ Edge ได้ง่ายขึ้นเพื่อรองรับโซลูชันด้านคอมพิวเตอร์วิทัศน์ การใช้ชุดเครื่องมือ OpenVINO™ จะช่วยให้มั่นใจได้ว่าข้อเสนอซอฟต์แวร์ของคุณสามารถทำงานบนฮาร์ดแวร์ที่หลากหลายซึ่งผู้ค้าปลีกและผู้ผลิตอาจปรับใช้ไว้แล้ว อีกทั้งยังช่วยลดความซับซ้อนของข้อกำหนดทางเทคนิคสำหรับการปรับใช้แบบกรีนฟิลด์

ความยืดหยุ่นแบบนี้ช่วยให้เกิดโซลูชัน Edge แบบปรับขนาดได้ที่ไม่กินทรัพยากร ซึ่งสามารถมอบข้อมูลเชิงลึกแบบเกือบเรียลไทม์ได้โดยไม่ต้องอาศัยโครงสร้างพื้นฐานระบบคลาวด์ ดังนั้นแล้ว โซลูชันในสถานที่เหล่านี้จะสามารถหลีกเลี่ยงต้นทุน ความซับซ้อน และข้อกังวลด้านความปลอดภัยที่เกี่ยวข้องกับการโยกย้ายข้อมูลไปประมวลผลที่คลาวด์ได้

เริ่มคว้าโอกาสที่เป็นไปได้เลยวันนี้

สำหรับ ISV, SI รวมถึงผู้ค้าปลีกและผู้ผลิตที่บริษัทเหล่านี้ให้บริการ ถึงเวลาแล้วที่จะนำเอาวิธีการที่มีประสิทธิผลและปรับขนาดได้มาใช้ในการควบคุมคุณภาพผลิตภัณฑ์แบบเปิดใช้งาน AI ซึ่ง Intel และระบบนิเวศพาร์ทเนอร์ของเรามุ่งมั่นที่จะมอบเทคโนโลยีแบบเปิดกว้างและทำงานร่วมกันได้ที่คุณต้องการ

ขณะที่คุณยังคงสำรวจความเป็นไปได้ในการพัฒนาโซลูชันที่มีให้เลือก อย่าลืมว่าคุณสามารถทดลองใช้เทคโนโลยีฮาร์ดแวร์และซอฟต์แวร์มากมายที่กล่าวถึงในบทความนี้ด้วยตัวเองได้ผ่านทางคลาวด์สำหรับนักพัฒนา Intel® Tiber™