正文--用户新闻--新闻--机器视觉网

9月28日下午，由维视智造科技股份有限公司、维视教育科技股份有限公司、深圳维视机器人自动化有限公司与华中科技大学联合主办的第九届2019“人工智能与机器视觉”相关专业人才培养模式研讨会在华中科技大学顺利举办！

来自华中科技大学、武汉大学、武汉工程大学、海军工程大学、航天科工23所、长沙理工大学、湖北师范大学、武汉理工大学、中南民族大学、安徽农业大学、中科院合肥物质研究院、华中农业大学、长江大学、湖北文理学院、武汉国家广电研究中心等院校及研究院的人工智能、机器视觉相关专业负责人、工程师和研究人员代表出席了本次活动，共同探讨了高校机器视觉相关专业的建设与改革、面向卓越2.0的人才培养模式、师资队伍与教学团队能力提升、实践与创新创业教育、产教融合等内容。

维视教育战略客户部负责人就《布局智能制造生态，搭建产教融合平台》进行了主题分享。并指出维视教育与高校的“产教研融合”合作主要包括共建专业、课程资源、共建实验室、师资培训、实习实训中心、人才服务等多种形式，并现场演示了多个院校合作及实验室建设案例、教学教材课程体系等。

目前维视教育服务全国超过500家高校、研究所，本科学校200余所，其中985或211学校60余所。涵盖机械、信息工程、电气工程、自动化、计算机、智能制造、人工智能等专业。

华中科技大学人工智能与自动化学院马杰教授分享了《机器视觉在人工智能方向教学与科研中的应用》主题报告。对光学成像的核心研究方向进行讲解，其中包括相机、镜头、光源等视觉部件研发、图像处理技术、高光谱成像等技术。

维视教育战略客户总监向与会代表分享了VisionBank智能视觉系统行业应用解决方案、工业4.0智能工厂核心技术及解决方案等。

工业4.0核心技术分享目录：

1.机器视觉技术

2.图像成像技术

3.数字信号处理技术

4.机器视觉系统标定技术

5.通讯技术

6.MES系统设计

7.人工智能技术

传统智能视觉模型和工业智能视觉模型的对比
传统智能视觉模型	工业智能视觉模型
小图像、大缺陷	大图像、小缺陷
理解图像的全局语义	侧重发现图像的细微差异
标准数据集，高质量标注	低质量的数据集，缺少标注信息
稳定的分类集合	不断成长的缺陷类型
足够多的训练数据，在不同维度上分布均匀	少量的训练数据，分布不均匀
侧重于解决单个的具体任务	需要考虑如何组合多种图像处理算法以解决工业实际问题
标准化的模型置信度	需要更加准确的模型置信度标准体系
黑盒的深度神经网络模型	模型结果的可解释性
模型的训练、验证的人工成本，一般可以忽略	模型训练、验证、重训等方面的开销和成本必须可控

会后维视教育和参会老师一起前往华中科技大学人工智能学院实训室参与机器视觉与视觉机器现场实践活动。

维视智造通过与各大高校联合，可以更好的发挥资源优势和市场优势，实现优势互补、资源共享，学校可以更好地发挥自身的科研优势和人才优势，开启智能制造专业集群的深度产教融合，为中国制造提供强有力的人才和技术支撑，助力中国制造强国建设.