感覺智能将實體世界信号映射到數字世界，是AI工業化生産落地的必經之路，而其中視覺感覺與物聯感覺已成為工業物聯網領域的技術基石，通過與邊緣計算的結合，能夠有效解決AI在落地過程中面臨的海量資料處理實時響應、原始資料價值密度低、多模态資料離散處理等問題。
感覺智能業務方向
實作邊緣智能感覺的主要流程，以CV應用落地來看，主要圍繞着模型生産和落地部署。典型CV應用落地所需流程長，需要經曆 “12階段”，并且需要大量人力，由5名中級工程師和5名進階工程師共同完成。
目前傳統CV應用的痛點：整體流程長，涉及人員多，流程各環節的不标準以及全流程的割裂會導緻模型管理碎片化、應對變化耗時耗力、模型與應用最後一公裡、模型持續營運難等問題。因而，需要一款覆寫資料處理、模型訓練和支援業務定制化功能的平台來實作模型的一體化生産應用和管理。
傳統CV應用業務痛點
針對傳統CV應用業務痛點，星環科技推出一站式模型生産應用平台——Sophon AutoCV。Sophon AutoCV面向企業内部CV模組化團隊，提供引導式模型訓練和低代碼應用建構部署的能力，解決CV模型生産和應用流程長、效率低等問題，縮短CV模型生産部署周期，實作業務應用的高效率營運。
星環科技
AutoCV作為視覺感覺智能平台，将業務流程由傳統的“12階段”精簡為“底層資源-模型訓練與管理-模型應用-結構化資料回傳”，全方位覆寫模型落地過程中的資料、模型、應用、疊代營運的管理需求。除此，AutoCV聚焦傳統CV應用的痛點：涉及人員多，從所需“5+5中級/進階工程師”精簡為“2+2+2進階/中級/初級工程師”。
業務支撐案例
多模态資料融合處理
某流程制造廠，基于本平台實作圖像和傳感器資料的統一接入和模型應用，實作智能化輔助生産。
業務痛點
1) 人工操作流程錯誤：人工投料順序影響生産品質，而勞工錯誤投料往往無法及時發現提示；
2) 除質效果不理想：在生産流程中，除雜環節的識别與去除效果有較大提升空間。
解決方案
1) 人工投料順序監控提示：通過現場監控攝像頭對物料包裝進行識别，進而識别投料順序，對可能的投料順序錯誤，通過現場聲光告警進行提示；
2) 對接除雜儀圖像優化算法：通過對接除雜儀中的高速工業攝像頭，采集雜質樣本進行标注，持續訓練疊代通用模型，而後針對不同除雜儀器進行優化，最終整體除雜效果提升2%。
客戶價值
1) 人工投料錯誤進行及時捕捉糾正，運作後投料效果有明顯提升。
2) 生産流程中的整體除雜效果提升2%，降低了原料損耗和産品品質。
企業賦能案例
過程資産積累和模型疊代
某司的資訊科技部門，基于本平台實作多數字資産的積累、模型集中排程與持續疊代。
業務痛點
1) 模型無法溯源，原始資料存儲混亂，各種業務資料無統一管理方式；
2) 分散的業務系統中硬體資源無法集中管理排程；
3) 算法模型随着業務的更疊，準确率已不能滿足業務的需求，需要單點優化。
解決方案
1) 平台統一資産積累：平台支援模型訓練樣本管理，支援模型多版本評估和管理；支援業務規則的積累和遷移複用；
2) 硬體資源集中排程：客戶業務系統中模型快速上架部署，運作時共享硬體資源；
3) 算法模型持續疊代：支援模型處理後的結構化資料同步到訓練子產品，通過增量訓練即可完成模型的快速疊代。
客戶價值
1) 資料、模型和應用資産積累，價值沉澱；
2) 硬體資源使用率提升20%；
3) 螺旋式疊代，模型疊代周期縮短50%。
星環科技全自研開發的Sophon AutoCV目前已在多個行業的實踐落地中展現出極強的性能與極高的穩定性。總體而言，星環Sophon AutoCV的核心優勢可以概括為以下五點：
- 高效率生産：通過智能預标，标注效率相較開源工具提升30%，基于全流程的平台操作，模型生産落地的人力投入可降低50%；
- 零門檻營運：平台支援通過引導式和低代碼的方式進行模型生産和部署，業務營運人員也可快速上手，并完成模型疊代和優化；
- 高性能運作：平台支援除主流的推理卡，還支援國産化如華為、寒武紀等硬體的模型運作加速，以支撐萬路攝像頭的智能化流處理；
- 多資産積累：對于企業數智化改造過程中3類數字資産，資料、模型以及應用，能夠通過平台有效的積累和沉澱，展現視覺AI團隊價值；
- 開放式合作：平台可與不同夥伴進行合作，截止目前已和超過20+的友商合作進行整體方案傳遞，其中包括高校、算法供應商、管道方等。