自从我发布了我的第一篇博客以来 Maximo 视觉检测 (MVI)，我已经踏上了一段旅程，深入研究了它的功能，探索了新的用例，并发现了这项技术的多功能性。
‍

在这篇文章中，我想更深入地了解MVI所提供的内容、技术细节以及使用它来解决现实问题的不同方式。无论你是好奇 MVI 的幕后工作原理，还是有兴趣将其部署到边缘，还是只是在寻找实际示例，我都会介绍我迄今为止获得的见解和经验教训。

引擎盖之下

MVI 将图像和视频分析与深度学习模型相结合，以执行分类、物体检测和异常检测。MVI 的与众不同之处在于其可访问性，用户只需最少的技术专业知识即可训练模型，从而为更广泛的组织提供先进的人工智能。
‍

• 模型训练： 用户直接在 MVI 界面中上传图像或视频、标签数据和训练模型。
• 部署： 训练完成后，可以部署模型来大规模检查资产，无论是在云端还是在边缘。
• 集成： MVI 与 Monitor 集成，允许用户无缝设置特定结果的处理规则。它还拥有强大的API，允许集成到其他第三方服务中，以及 管理。

训练

要使用 MVI 训练模型，你至少需要一个 GPU（是的，这是昂贵的部分）。从那以后，过程很简单：
‍

• 创建数据集： 收集一组图像（最好是 20 张以上）。
• 为数据添加标签： 标记每张图像中出现故障或异常的位置。
• 增加数据： 增加数据集多样性以提高准确性。
• 训练模型： 根据您的用例选择算法。
• 重新训练模型： 通常，模型需要重新训练以提高其准确性。
• 部署： 将经过训练的模型部署到云或边缘服务器。

经过训练，这些模型也可以导出。允许在多个系统上使用模型。而且，如果你不再需要完善模型，你可以把它留在这里，昂贵的部分就完成了。

部署后该过程不会停止。以下是你接下来可以做的事情：

‍

• 标签： 使用部署的模型自动标记数据集中的新图像，帮助模型持续改进并减少重新训练/完善模型所需的时间。
• 模型改进： 创建广义模型，然后根据特定需求对其进行微调。例如，可以在灭火器上训练的模型使用其他类型灭火器的额外图像进行再训练，从而在不从头开始的情况下完善现有模型。

一般用途

当我参加最近的 Maximo 用户群组时，我注意到人们对工业中如何使用 MVI 存在一些误解。许多人似乎以一种非常具体的方式来看待 MVI ——想象一下固定在生产线传送带上方的摄像机，在稳定、不变的环境中分析零件。是的，这是一个经典的用例，但它只是浮出水面。
‍

我发现的是 MVI 比许多人意识到的更具活力和多功能性。它不仅限于静态设置。例如，技术人员可以使用 MVI 进行面对面检查，只需在工厂里走动时拍下资产的照片即可。或者，您可以使用火车轨道沿线安全摄像头的实时画面来自动检查是否有障碍物。另一方面，你甚至可以让无人机在太阳能发电场上空飞行，由MVI实时监视镜头，或者稍后作为批量检查进行分析。
‍

一般要点？MVI 可根据您的需求进行调整。这不是要让你的流程适应工具，而是让工具适合你的用例，无论是固定的、移动的、实时的，还是事后的。

边缘上的 MVI

边缘部署 意味着在离资产较近的设备或服务器上运行 MVI 的 AI 模型。一个简单的例子是直接连接到本地边缘服务器的摄像机。摄像机以最小的延迟将数据传输到该服务器，在该服务器上持续分析输出，为模型触发操作做好准备。

主要优势

• 实时见解： 边缘设备或节点可即时处理图像和视频，从而可以立即检测故障或异常。
• 减少延迟： 可以在本地做出决策，无需等待云服务器进行多次 API 调用。
• 带宽效率： 仅将相关结果（不是原始图像）发送到中央系统，从而节省网络资源。
• 增强的安全性： 敏感资产数据可以在本地或区域内进行处理和存储，从而降低暴露风险。
  ‍
  ‍

使用 MVI 边缘服务器

一旦开始，使用 Edge 服务器就非常简单了。第一步是使用 API 密钥将其连接到 MVI 训练服务器。这种连接可以解锁一切。从那里，你可以下拉要在 Edge 上本地运行的模型。

模型到位后，您可以设置输入源。您可以根据要如何检查数据从图像文件夹、视频文件夹或实时摄像机源中进行选择。无论是持续的直播还是根据需要放入一批图像和视频，Edge 服务器都能干净高效地处理它。
‍

‍

接下来，你创建一个电台。可以将其视为检查的逻辑分组，将相关的结果保存在一个地方。然后，在一个站点内，您可以定义单独的检查。每次检查都允许您决定使用哪种模型、其行为方式以及触发它的因素，无论是按计划进行还是由 MQTT 消息驱动。
‍

最后，所有内容汇集在仪表板中。在这里，您可以一目了然地看到所有检查并立即了解其当前状态。您可以跟踪已处理的内容，查看收到的结果，并快速发现任何需要注意的问题。

示例用例

太阳能发电场部署了配备边缘人工智能的无人机来检查面板。无人机实时分析镜头，标记损坏的面板，仅向中央Maximo系统发送可操作的警报。现场技术人员收到有针对性的工单，从而最大限度地减少了手动检查时间并最大限度地延长了资产的正常运行时间。

边缘部署的技术注意事项

边缘部署的好处之一是灵活性，运行模型的服务器或设备可能会根据您的用例和模型的要求而有所不同。我最近和Naviam一起参加了UK&I MUG，在那里我们看到了一个演示，其中IBM在将近15年的硬件上运行了一台边缘服务器，没有GPU，只有16 GB的内存。
‍

这条规则仍然适用，你得到你所付出的一切。较新的服务器将为您提供更好的速度和可靠性，但即使是普通的硬件也可以在不花很多钱的情况下处理某些工作负载。

现实世界的影响力

• 制造： 在发生故障之前检测机器的磨损
• 能源与公用事业： 检查偏远或危险地点的管道、电力线和太阳能电池板
• 交通： 监控基础设施（例如铁路、桥梁）的腐蚀或损坏，并即时向维护人员发出警报

‍

‍

MVI 的边缘能力代表着资产管理领域的飞跃，即在最重要的地方提供实时、切实可行的见解。允许团队在几乎没有视觉模型实际经验的情况下训练和部署模型。在下一篇博客中，我将更深入地介绍 Naviam's 通过该解决方案，我们可以弥合差距，将 MVI 检查（边缘和云端）直接集成到 MAS Manage 中。