人工智能相机：它们可以取代物联网传感器吗？

好吧，也许我们有点误导；说到人工智能相机，我们实际上指的是计算机视觉。人工智能支持的图像分析的最新进展让我们想知道相机是否真的可以取代几种类型的传感器。对于许多用例，它使硬件更易于管理并提供更有洞察力的数据。视觉智能比人眼能提供更多的东西。它可以同时观察数百个地方、缩小至亚毫米级、红外观察等等。目前由传感器监控的许多事物（温度、运动、接近度）都可以通过人工智能摄像头进行验证，并且实际上可以得到改进。

本文将尝试回答，考虑到您自己的用例，用相机替换传感器是否最好。

最近的硬件和软件改进

计算机视觉和人工智能相机的进步意味着它们今天能够更好地执行功能。

相机质量更高且更便宜

随着高清和 4K 摄像机的普及，以 60-120 fps（每秒帧数）或更高的速度拍摄，计算机视觉拥有适当的工具来比以往更好地分析实时镜头。

读取快速行驶汽车的车牌号等用途需要高速行驶才能捕捉清晰的图像。全画幅传感器和 4K 使仅用一台摄像机即可监控大视野。

相机无处不在（而且会飞！）

高端相机，尤其是智能手机上的高端相机，是直接在现场进行简单且定性的数据采集的来源。在工业维护方面，任何技术人员口袋里都有一个工具来上传图像或视频并咨询人工智能以找到问题的解决方案。在农业中，农民可以拍摄农作物的照片并立即获得有关潜在疾病的信息。

无人机也已成为计算机视觉的重要组成部分，特别是对于农业或大型工业设施（电力线、回收厂、管道等）。无人机能够飞越大片区域，这意味着相机可以收集图像，而这在几年前成本还是太高了。

边缘基础设施的兴起

视频源需要比大多数数据源更多的存储空间。在云端连续上传多个 4K 素材的成本可能会成为使用视频的障碍。边缘基础设施通过在本地分析镜头并仅上传一小部分数据以供进一步分析来解决这一挑战。

对于视频来说，数据隐私和安全性极其敏感，尤其是与农业土壤传感器等设备相比。将文件本地存储在边缘设备上可以降低黑客攻击的风险，但最重要的是明确数据被盗情况下的责任（站点管理员、客户）。

物联网中的相机用例

超越人类视觉

我们通过人眼看世界，人眼能够在合理的距离和适当的照明条件下以 30 度左右的精度观察世界。相机的限制远没有那么大。尤其是当多个相机组合在一起时，计算机视觉几乎没有任何限制。它可以从多个角度观察并实时分析这些不同的提要。

用于质量检查的高清 RGB 摄像头

在生产链中，质量检查通常是通过随机选择一批产品（可能是 1%）并进行检查来进行。支持人工智能的相机可以在不减慢流程的情况下检查整个生产过程，并查看人眼看不见的默认值。

自动驾驶汽车激光雷达摄像头

激光雷达相机使用激光声纳来评估物体的距离，这对于自动驾驶汽车至关重要。这可以避免碰撞并使车辆了解其周围的环境。如果没有这项技术，自动驾驶汽车就不可能实现。

用于热检测的 FLIR（红外）相机

前视红外 (FLIR) 摄像机提供精确的热成像技术来检测电子卡、管道或机器上的过热情况。在这种情况下，不需要任何复杂的算法来接收警报。 FLIR 摄像头的工作原理与传感器完全相同。目前正在部署 FLIR 摄像机以应对 COVID-19。他们能 在合理距离内监测人员体温，以非侵入的方式。它们也已被军方使用多年。

用单个摄像头取代多个传感器

便利店的冰箱可以通过添加多个传感器（重量、温度）来自动盘点。 AT&T 创新 Foundry 开发了一种安装摄像头的系统来取代所有这些传感器。摄像头可以检测到指定货架上的库存何时不足，并实时监控温度。

相机相对于传感器的局限性

咬合

在许多情况下，仅安装一台摄像头并不能解决问题。为了解决遮挡问题（一个物体隐藏在另一个物体后面），需要多个角度的多个摄像机。索尼的一家初创公司发明了一种多摄像头人工智能驱动的解决方案来监测动物健康，特别是奶牛场的发情检测。连接的摄像头可以识别一头牛何时骑上另一头牛，即使几个角度之一被遮挡。然而，这只有在使用多个摄像机的情况下才有可能。

电源和网络可用性

连续拍摄的相机不能仅靠电池供电，因此需要直接供电。如果摄像机需要在夜间运行，大多数情况下太阳能电池板是不够的。此外，高清视频上传到云端，需要4G。

当低功耗传感器可以运行数年时，这两个规格使得在一些偏远地区安装独立摄像机变得困难。

分析资源

摄取多个视频源并教导计算机理解它们实际上是比常规物联网传感器数据分析复杂得多的任务。如果任何个人或中小企业都可以使用 FLIR 摄像头进行热量检测这样简单的事情，那么走 AI 之路可能成本极高，而且结果也不确定。

能够处理分析工作的机器和深度学习工程师的需求量很大，因此招聘工程师的成本可能是初创公司或小公司的主要障碍。

您应该选择相机而不是传感器吗？

由于每个用例都是不同的，我们将解释绝对值得考虑投资的三个示例。

• 您需要一个类似传感器的相机，例如用于工厂机器中的过热检测。您的相机可以替代数十个传感器。视频源存储在本地，摄像机易于安装（网络、电源）。去拿相机。
• 例如，您需要视觉智能而不是摄像头，以验证您的工人是否戴着安全帽进入建筑工地。该用例很常见，您可以轻松找到为此任务预先训练的 ML 算法。配备预制图像识别软件的相机比在每个安全帽上安装传感器更有意义。该投资可重复用于所有未来的建设项目。但是，一旦用例变得过于具体，其可重用性就会下降，因为开发成本可能很快就会超过潜在的收益。
• 您需要一个非常具体的、量身定制的视觉智能解决方案。想象一下一家生产安全玻璃门的跨国公司。他们想要检测装配线上玻璃的缺陷。他们需要一支专门的团队来处理这项任务几个月。他们之前通过收集和标记数千张图像来准备这个项目，以训练人工智能。此外，通过在多个生产基地实施该解决方案，将加快投资回报率。

至于其他物联网用例，转向计算机视觉仍然可能成本过高或风险太大。尽管摄像头可以增强物联网解决方案，但它们并不总是适合物联网生态系统，并且视频源无法通过 LPWAN 网络正确传输。

来源：https://www.iotforall.com/ai-cameras-can-they-replace-iot-sensors