Applied Artificial Intelligence·10月4日 · 周日论文智慧农业 / 农业物联网阅读 1
A Survey of Computer Vision Applications in Industrial Environments
Abdullah Albanyan · Reem Abdel‐Salam · Abdulrahman Alabduljabbar
论文解读
0未达精选线
速览
系统综述工业环境中计算机视觉在检测、安全、物流与机器人四领域的应用现状与挑战。
方法
系统综述8700余篇文献，精选146篇，对比方法、数据集与部署条件。
发现
YOLO适合边缘实时部署，仓储与机器人领域缺乏大规模真实基准数据集。
机会点
可借鉴工业CV的域适应与边缘AI方法，构建农业场景专用基准数据集与轻量模型。
影响力0
信息增量0
专业深度0
信源权威0
时效性0
该文为工业环境计算机视觉综述，与三农、农业信息化、智慧农业无直接关联，不建议进入每日精选。
原文摘要
近年来，计算机视觉（Computer Vision, CV）发展迅速，推动了制造业、建筑业和机器人领域的自动化、安全、检测和物流水平提升。本系统综述考察了工业环境中的当前计算机视觉应用，涵盖工厂缺陷检测、施工现场安全、仓库库存跟踪和工业机器人。在最初识别的8700余项研究中，我们选取了146篇代表性关键论文，涉及跨领域计算机视觉应用。本综述按四个主题领域组织：视觉检测与缺陷识别、工人安全与监控、库存与物流跟踪，以及机器人与自动化。针对每个领域，我们比较了最先进的方法、数据集和部署环境，同时重点分析了影响其在不同运行条件下性能的因素。例如，基于YOLO的检测器因其高吞吐量在实时边缘部署中占据主导地位，而基于Transformer的模型尽管具有更优的特征提取能力，却往往难以在资源受限环境中扩展。我们还指出了关键的研究空白。尽管制造业和建筑业在质量检测和安全监控方面受益于大量公开数据集，但仓储和机器人领域仍缺乏大规模真实世界基准数据集。最后，我们讨论了新兴研究方向，包括域适应、边缘人工智能和可解释人工智能（XAI），以支持开发更稳健、可扩展且均衡的工业应用计算机视觉解决方案。