उद्योग में कंप्यूटर की दृष्टि। यैंडेक्स में व्याख्यान

मशीन सीखना इंटरनेट उद्योग से परे उद्योगों में प्रवेश करना जारी रखता है। डेटा एंड साइंस सम्मेलन में " रोबोट की आंखों के माध्यम से दुनिया ", कंपनी "डिजिटल" से अलेक्जेंडर बेलुगिन ने इस तरह से सफलताओं, कठिनाइयों और तत्काल कार्यों के बारे में बात की। एकल दृष्टि की लागत को कम करने के लिए कंप्यूटर विज़न जैसी तकनीकों की शुरूआत को एक सीरियल दृष्टिकोण और एक उत्पाद दृष्टिकोण की आवश्यकता होती है। तथ्य यह है कि उत्पादन में कई प्रकार के कार्य हैं। रिपोर्ट से आप उत्पादों, दुनिया के रुझानों और औद्योगिक सुरक्षा और प्रक्रिया स्वचालन के क्षेत्रों में अलेक्जेंडर टीम के अनुभव के बारे में जान सकते हैं।


- शुभ प्रभात। इस दिलचस्प सम्मेलन में सभी को खुशी हुई। मैं पहले कंपनी "डिजिटल" के बारे में संक्षेप में बात करूंगा, फिर उद्योग में होने वाले कार्यों के बारे में थोड़ा और अपनी समस्याओं को हल करने के विशिष्ट तरीकों के बारे में। ये रोबोट के बिना कार्य हैं, विधानसभा नहीं, बल्कि विभिन्न प्रक्रिया संयंत्र हैं। अंत में, हमारे अनुभव पर थोड़ा गौर करें।

हम अभी एक साल से बाजार पर काम कर रहे हैं और हमारा लक्ष्य पूरी तरह से औद्योगिक उत्पादन को स्वचालित करना है, जो हमें उनकी लाभप्रदता में 10-15% वृद्धि प्राप्त करने की अनुमति देगा। पूरी तरह से ऐसा करने के लिए, सभी प्रक्रियाओं, रसद, खरीद और उत्पादन के कुछ प्रकार के संयुक्त अनुकूलन के साथ समाप्त होने पर, सभी समस्याओं को हल करना आवश्यक है, लेकिन चीजों की इंटरनेट, सेंसर, सूचना संग्रह जैसी बुनियादी चीजों के साथ शुरू करना।



इसे अब buzzword digitalization कहा जाता है। यह डिजिटल रूप में सभी प्रक्रियाओं के बारे में डेटा का हस्तांतरण है, ताकि बाद में आप दक्षता बढ़ाने के लिए उनका उपयोग कर सकें।



आज हम कंप्यूटर विज़न के बारे में अधिक बात करते हैं। "मशीन विजन" शब्द भी है, जो प्रौद्योगिकी को संदर्भित करता है। वीडियो निगरानी के लिए उपयोग किए जाने वाले वीडियो कैमरा के समान हैं, वेब कैमरे हैं जो संचार के लिए उपयोग किए जाते हैं, और उद्योग में विशेष कैमरे हैं। वे इसमें भिन्न होते हैं कि उनके पास अक्सर एक नियमित ईथरनेट पोर्ट नहीं होता है, विशेष प्रोटोकॉल का उपयोग किया जाता है, वे संचारित कर सकते हैं, उदाहरण के लिए, प्रति सेकंड 750 फ्रेम और फट मोड में नहीं, लेकिन लगातार, बिना संपीड़न के। वैकल्पिक रूप से आंख से दिखने वाले अन्य रेंज में विशेष फोटो संवेदनशीलता के साथ विशेष कैमरे हैं। यहां तक ​​कि कैमरे भी हैं जो एक लेन पढ़ते हैं, प्रति सेकंड बहुत सारे फ्रेम लेते हैं, लेकिन एक पिक्सेल की चौड़ाई के साथ। ऐसा कैमरा कन्वेयर के ऊपर खड़ा होता है और देखता है कि वहां क्या हो रहा है।

कंप्यूटर विज़न कार्यों की एक विशिष्ट विशेषता यह है कि आउटपुट एक चित्र नहीं होना चाहिए - यह किसी को भी दिलचस्पी नहीं देता है - लेकिन एक संख्या जो हम निरीक्षण करते हैं उसकी गुणवत्ता या आकार की विशेषता है।



मैं कुछ बुनियादी कार्यों को सूचीबद्ध करना चाहता हूं। पहला प्रमुख ब्लॉक सुरक्षा से संबंधित है। परिधि नियंत्रण है ताकि उद्यम से कुछ भी बाहर न निकाला जाए। यह वीडियो एनालिटिक्स कार्यों की संख्या से एक उदाहरण है जो 15-20 वर्षों से हल किया गया है, और हर साल सब कुछ बेहतर है। यदि कोई बाड़ और एक वीडियो कैमरा है और कोई व्यक्ति चढ़ने की कोशिश कर रहा है, तो वीडियो विश्लेषण उसे निश्चित रूप से पकड़ लेगा।

अधिक जटिल कार्य हैं - कुछ क्षेत्रों में आंदोलन को नियंत्रित करना। उदाहरण के लिए, उद्यम में आप हमेशा जल सकते हैं, अपने आप को अनलोडिंग-लोडिंग क्षेत्र में या उन पटरियों पर खोजें जहां गाड़ियां चलती हैं। पहले से ही अधिक कठिन कार्य है, आपको संकीर्ण प्रतिबंधों का पालन करना चाहिए, यह समझना चाहिए कि लोग किन रास्तों पर चल सकते हैं।

सुरक्षा से संबंधित कार्य का एक और उदाहरण है जब प्लेटफॉर्म पर कैमरे लगाए जाते हैं तो उनके सिर पर हेलमेट का पता लगाना। रूस में, यह विषय बहुत खराब बेचा जाता है। जब लोग सुनते हैं कि इस तरह के सिस्टम की लागत कितनी है, तो वे कहते हैं कि हमारे पास एक विनियमन है, एक व्यक्ति को एक हेलमेट लगाना चाहिए और वह इसे लगाएगा, और यदि नहीं, तो उसने विनियमन, उसकी समस्या का उल्लंघन किया। सामान्य तौर पर, यह दुनिया में एक लोकप्रिय समाधान है जिसे विक्रेताओं और निजी कंपनियों दोनों द्वारा बढ़ावा दिया जाता है।

कार्यों का अगला ब्लॉक लेखांकन से संबंधित है। मूल रूप से, यह कुछ स्टिकर की मान्यता है। बारकोड प्रिंट करते समय विशेष स्टिकर होते हैं। तब यह थोड़ा आसान काम करता है। बारकोड या विशिष्ट रूप से मुद्रित वर्णों को पहचानने के लिए तैयार सॉफ्टवेयर का एक गुच्छा है। वे अक्सर पैसे बचाने की कोशिश करते हैं, कोडिंग सिस्टम को बदलने के लिए नहीं, बल्कि मान्यता के लिए कंप्यूटर विज़न का उपयोग करने के लिए। फिर, यह हो सकता है, उदाहरण के लिए, एक रेलवे गाड़ी और खराब रूप से अलग-अलग संख्याओं पर भरी हुई। फिर सब कुछ अधिक जटिल है, आपको इस सभी को बनाने में अधिक समय बिताने की आवश्यकता है। चोरी से निपटने और माल को नियंत्रित करने के लिए यह आवश्यक है - उद्यम में क्या हुआ, यह उसके अंदर कैसे चला गया और कहां समाप्त हुआ।



कार्यों का अंतिम ब्लॉक गुणवत्ता नियंत्रण है। इसे भी दो घटकों में विभाजित किया जा सकता है। एक भौतिक गुणवत्ता नियंत्रण से संबंधित है। आप विभिन्न वस्तुओं के आकार देख सकते हैं। सबसे अधिक बार यह छोटी चीजों की चिंता करता है: दूध के साथ पैकेज से या बोतलों से कुछ लिड्स। उनके पास काफी सरल सस्ती उत्पादन प्रक्रिया है, बहुत सारे दोष हैं, उन्हें बस फ़िल्टर करने की आवश्यकता है, जिससे उन्हें बेहतर लाभहीन बना दिया जाता है।

और एक हिस्सा है जो तस्वीर में है। पहले से ही अधिक जटिल कार्य हैं। यह तब है जब हम समझने की कोशिश करते हैं - और क्या, वास्तव में, वे हमारे उत्पाद के साथ सही कार्रवाई करते हैं। उदाहरण के लिए, आपको एक मैकेनिक की मुद्रा का मूल्यांकन करने और यह समझने की आवश्यकता है कि वह क्या ऑपरेशन करता है। या एक कार्य था जब एक मंच होता है जिस पर ड्रिलिंग रिसाव इकट्ठे होते हैं और असंतुष्ट होते हैं। सबसे बड़े क्षेत्र को इकट्ठा किया जाता है, काम करने के लिए प्रेरित किया जाता है, फिर विघटित और दूर ले जाया जाता है। एक व्यक्ति को इन कार्यों को ट्रैक करने के लिए उत्तर में रखना बहुत महंगा है, इस तथ्य के बावजूद कि वह ज्यादातर समय बेकार रहेगा। एक कैमकॉर्डर पर भी। कैमकॉर्डर का उपयोग करके, आप स्वचालित रूप से देख सकते हैं कि कौन सी ईवेंट हो रही हैं और असेंबली और डिसएस्पेशन शेड्यूल को ट्रैक करें।



एक अन्य उदाहरण सहबद्ध सॉफ्टवेयर का एक स्क्रीनशॉट है, कास्टिंग में शादी का नियंत्रण, चित्रित होने से पहले सभी प्रकार की प्लास्टिक की चीजें, जैसे कि इस तरह के रूपों में डाला जाता है। आप कैमरे का उपयोग करके विवाह का पता लगा सकते हैं।

इन समस्याओं को हल करने के लिए दो मुख्य दृष्टिकोण हैं। दोनों का आविष्कार एक लंबे समय के लिए किया गया था, लेकिन क्लासिक को कुछ प्रकार के एल्गोरिदम का उपयोग करके छवियों के साथ काम करना है।



वाम लीवर, इसे पहचानने का प्रयास। अधिकार इतना स्पष्ट नहीं है। सर्किलों को रोल किए गए स्टील शीट के रोल हैं, केंद्र में यह स्पष्ट नहीं है कि क्या है। तरीके किसी भी तरह से छवि को संसाधित करते हैं, इसके विपरीत को बढ़ाते हैं, शायद इसे दो-रंग बनाते हैं, कुछ किनारों, वस्तुओं के किनारों का चयन करते हैं, वस्तुओं को स्वयं खोजने की कोशिश करते हैं, और फिर उनके साथ काम करते हैं।



दूसरी विधि, अधिक आधुनिक, डेटा विज्ञान से संबंधित, सब कुछ तंत्रिका नेटवर्क से संबंधित है। यहाँ कुछ फायदे हैं। सबसे पहले और सबसे महत्वपूर्ण, गुणवत्ता के संदर्भ में, अधिकांश जटिल समस्याओं में उच्च परिणाम प्राप्त करना संभव है जो शास्त्रीय विधियों द्वारा हल नहीं किए जा सकते हैं। कुछ नमूना कार्य सूचीबद्ध हैं।

अनुकूलन क्षमता है, आप तंत्रिका नेटवर्क लर्निंग एल्गोरिथ्म को कॉन्फ़िगर कर सकते हैं, और कार्य से कार्य को प्रशिक्षित तंत्रिका नेटवर्क को ही नहीं, बल्कि सभी एल्गोरिदम के साथ एक साथ स्थानांतरित कर सकते हैं, और फिर थोड़ा अलग कार्यों को एक ही उपकरण से हल किया जा सकता है।

डाउनसाइड्स हैं जो अक्सर उद्योग में खेलते हैं - डेटा की कमी। दोषों की पहचान करना शुरू करने के लिए, अगर हम शास्त्रीय तरीकों के बारे में बात कर रहे हैं, तो हमें एक वीडियो स्ट्रीम की आवश्यकता है जो तैयार उत्पादों को शूट करता है, हमें यह देखने की ज़रूरत है कि क्या दोष हैं, हमारी आँखों से, उन्हें देखें और हमारा कोड उन्हें देखें। कई मापदंडों से अधिक, इसके लिए कोई मैनुअल मार्कअप की आवश्यकता नहीं है। एक तंत्रिका नेटवर्क के मामले में, आपको बड़ी संख्या में उदाहरणों की आवश्यकता है, या तो उन्हें मैन्युअल रूप से इकट्ठा करने के लिए, या उन्हें बनाने के लिए आधुनिक कलात्मक तरीकों का उपयोग करें। यह एक लंबी और जटिल प्रक्रिया है, जिसे अन्य कार्यों में स्थानांतरित करने के लिए अभी भी समय-समय पर दोहराए जाने की आवश्यकता हो सकती है।



यहां दोषों का पता लगाने से संबंधित एक ऐसी तस्वीर का उदाहरण दिया गया है। लोकप्रिय विषयों में से एक, यदि आप देखते हैं कि लेख क्या हैं, तो तस्वीर के नीचे संरचनाओं पर एक छोटी सी शादी दिखाई देती है। तंत्रिका नेटवर्क का उपयोग करना, सभी दोषों का 92% से 99% तक पता लगाना संभव है, अलग-अलग तरीकों से अलग-अलग नौकरियों में, 3-4% के स्तर पर झूठी सकारात्मक के साथ, काफी उपयुक्त परिणाम। विभिन्न उद्योगों में शादी का सामान्य स्तर 0.5% से लेकर छोटी इकाइयों तक प्रतिशत है। ऐसे संकेतक एक ऐसे व्यक्ति को बदलने के लिए काफी उपयुक्त हैं जो इन दोषों का पता लगाता है। या यहां तक ​​कि परिणामों में सुधार।



डिजिटलकरण से संबंधित कार्यों का एक और उदाहरण, विभिन्न उपकरणों को जोड़ना जो डिजिटल इंटरफेस नहीं हैं, जहां हरे तीर का लाभ है। ड्रिलर के कार्यस्थल से एक छोटा सा शॉट, जो ड्रिलिंग को नियंत्रित करता है, उसके पास कुछ लाभ है जो वह स्विच करता है। ड्रिलिंग महत्वपूर्ण है, एक महंगी प्रक्रिया, एक दिन में लाखों रूबल। और यह किसी भी तरह से रिकॉर्ड नहीं किया गया है, वह कुछ लीवर को स्विच करता है, और कहीं भी एक रिकॉर्ड नहीं है, या सबसे अच्छा मामले में, यह एक मैनुअल जर्नल में है, जो इन लीवर के स्विचिंग चल रहे थे। यह महत्वपूर्ण है।



यह एक भट्टी है जो टेम्पर्स को तार करती है। इस उदाहरण में, सोने के तार। स्टोव लगभग 25 साल पुराना है, शुद्ध सोना अंदर प्रवेश करता है, इसे पिघलाया जाता है, एक पतले धागे में डाला जाता है, और इसे गर्मी से जलाया जाता है, जलाया जाता है, ठोस सामग्री में परिवर्तित किया जाता है। यह ज्ञात है कि कभी-कभी यह तार कभी-कभी विश्वसनीय हो जाता है, सभी प्रकार की जंजीरों को इससे बुना जाता है, और कभी-कभी तार की एक निश्चित मात्रा में शादी होती है, जंजीरों की बुनाई के दौरान वे टूटते हैं, दरार करते हैं, टूटते हैं। ऐसा लगता है कि यह गर्मी उपचार व्यवस्था पर निर्भर करता है, यह देखते हुए कि कच्चा माल थोड़ा बदलता है। डेटा लकड़हारा यहां लिखा गया है, फ्रेम के दाईं ओर एक रिकॉर्डर है जो कागज के एक रोल पर इसके मापदंडों को लिख सकता है। तीन पैरामीटर हैं: कप में तापमान जिसमें सोना पिघलाया जाता है, हीटिंग तापमान भट्ठी मोड है, और जिस गति से यह सब गुजरता है।

यह समझने के लिए कि विवाह किससे जुड़ा हुआ है और क्या स्टोव को समायोजित करना संभव है, ताकि विवाह को कम किया जा सके, इन मापदंडों को डिजिटल बनाने की आवश्यकता है। कैसे? इसमें औद्योगिक कनेक्टर हैं, लेकिन यह सभी 25 साल पहले था, यह बहुत महंगा होगा, या तो रिवर्स इंजीनियरिंग के साथ संबंध बनाएं या भट्ठी निर्माता को भुगतान करें, अगर कंपनी अभी तक कनेक्शन के लिए दिवालिया नहीं हुई है। ऐसे उपकरणों को यूएसपी या एमएस सिस्टम से जोड़ना [00:14:24] लागत कर सकते हैं, उदाहरण के लिए, एक लाख रूबल। या शायद सैकड़ों हजारों। विशेष रूप से यह देखते हुए कि केवल दो ऐसे स्टोव हैं, सौ नहीं।



हम जिस टूल के बारे में बात करते हैं, उसके साथ हम इस समस्या को कैसे हल कर सकते हैं? इस मामले में OpenCV का उपयोग करने वाला शास्त्रीय दृष्टिकोण काम नहीं करता है, बहुत अधिक चकाचौंध हैं, छवि धुंधली है, यहां तक ​​कि एक व्यक्ति वास्तव में अंतर नहीं करता है कि क्या संख्याएं हैं। OCR, पाठ मान्यता के लिए तैयार पुस्तकालय भी बहुत उपयुक्त नहीं हैं।

दूसरा विकल्प रहता है - तंत्रिका नेटवर्क। इस मामले में, यह काम करता है, लेकिन बड़ी संख्या में चरण शामिल हैं। निश्चित रूप से आपको नेटवर्क प्रशिक्षण, परीक्षण के लिए कुछ मार्कअप इकट्ठा करने, कुछ नेटवर्क लेने, इसे प्रशिक्षित करने की आवश्यकता है। यह सब करने की जरूरत है, परीक्षण किया। मुझे श्रम लागत का पता चला। यहां आप चर्चा कर सकते हैं, आप इसे तेज या धीमा कर सकते हैं, लेकिन सामान्य तौर पर यह 72 घंटे निकलता है। एक अच्छे विशेषज्ञ की दर पर, यह इतना खर्च कर सकता है। उसी समय, हमें कोई बुनियादी ढांचा या सॉफ्टवेयर नहीं मिला। हमें सिर्फ एक ट्यून्ड और टेस्टिंग नेटवर्क मिला है जो इन नंबरों को अच्छी तरह से पहचानता है।

दृष्टिकोण का एक प्लस यह है कि यह काम करता है। नकारात्मक पक्ष यह है कि कोई भी इसे लागू करने के लिए तैयार नहीं है। पहले आपको यह जानने की आवश्यकता है कि इस डेटा को कैसे इकट्ठा किया जाए, और उसके बाद ही समझें कि क्या वास्तव में इस डेटा और विवाह के बीच संबंध है। यदि हां, तो आपको यह पता लगाने की आवश्यकता है कि शादी के अनुपात को कम करने के लिए कैसे और क्या बदलना है। अगर वहाँ बहुत ज्यादा है तो क्या होगा? और पायलट के लिए भुगतान करें, स्वचालन और कनेक्शन के लिए, आपको तुरंत कम से कम उतना ही चाहिए। यहां तक ​​कि, सबसे अधिक संभावना है, अधिक।



इसलिए, पिछले तीन वर्षों में, हमारे अनुभव में, ऐसी परियोजनाएं एक भी बेचने में सक्षम नहीं हैं। यदि यह एक दोषपूर्ण पाइप है जहां एक व्यक्ति खड़ा है, तो एक व्यक्ति बहुत सस्ता है। यदि यह एक जटिल बात है, तो ग्राहकों के लिए जोखिम बहुत महान हैं।

निष्कर्ष - आपको इसे प्रोडक्ट करने की आवश्यकता है।

अब दुनिया में, मशीन लर्निंग के लिए बाज़ारों में, उत्पादीकरण के लिए बहुत अधिक आंदोलन है। सभी प्रकार के ऑटो एमएल समाधान जो आपको आंशिक रूप से डेटा वैज्ञानिक, और तैयार उत्पादों या विशिष्ट अनुप्रयोगों के समाधान की जगह लेने की अनुमति देते हैं। सबसे सरल उदाहरण ई-कॉमर्स में सिफारिशें हैं। लंबे समय तक ऐसे उत्पाद हैं जहां डेटा एक मानक प्रारूप में जुड़ा हुआ है, और वे खुद सिफारिशें जारी करते हैं।

हमने कंप्यूटर दृष्टि के क्षेत्र में भी ऐसा ही करने की कोशिश की। एक उत्पाद की पेशकश करने के लिए जो आपको पुराने उपकरणों को संख्याओं की मान्यता के साथ जोड़ने के लिए परिमाण मैनुअल श्रम के एक आदेश द्वारा स्वचालित करने और कम करने की अनुमति देता है: डायल संकेतक और अन्य।



पहला काम जिसे हल करने की आवश्यकता है वह है सेटअप लागत कम करना। जब आप कैमरा लगाते हैं, तो आपको लोगों को रुचि के क्षेत्र को उजागर करने की आवश्यकता होती है। उदाहरण के लिए, एक आयत के साथ इस तरह सर्कल करें और कहें कि मैं इस क्षेत्र में क्या पहचानना चाहता हूं।



अगला सवाल यह है कि सभी कार्य अलग-अलग हैं, और बस इस जगह पर आपको कुछ तंत्रिका नेटवर्क सीखने की आवश्यकता है ताकि वे यहां अच्छा काम करें।

_{^{स्लाइड से लिंक करें}}

हम जानते हैं कि विभिन्न तंत्रिका नेटवर्क हैं। यदि हम संख्याओं के बारे में बात करते हैं, तो कई स्मार्टफोन में ऑटो-ट्रांसलेटर होते हैं: हम किसी भी पाठ को इंगित करते हैं, और यह कम या ज्यादा इसे अनुवाद करना शुरू कर देता है, चाहे वह फ़ॉन्ट या कोण का हो। ऐसे समाधान हैं, जिसका अर्थ है कि स्कोरबोर्ड का उपयोग करके आप एक नेटवर्क को प्रशिक्षित कर सकते हैं जो किसी भी स्कोरबोर्ड के साथ अच्छी तरह से काम करेगा। लेकिन इसके नुकसान होंगे - यह मुश्किल होगा, मुश्किल होगा, यह धीरे-धीरे काम करेगा, और चूंकि यह सार्वभौमिक है, गुणवत्ता एक विशिष्ट कार्य पर भुगतना होगा। इसलिए, हमने ट्यूटर-स्टूडेंट नामक एक दृष्टिकोण का उपयोग किया, जिसमें विशिष्ट कार्यों के लिए शक्तिशाली नेटवर्क का एक सेट समाधान में बनाया गया है। उदाहरण के लिए - ग्रंथों के लिए अलग से, कुछ लीवर के लिए, डायल संकेतक के लिए। ऐसे कई प्रकार के उपकरण नहीं हैं। यह प्रणाली अपने आप से काम करती है, कुछ को पहचानती है, और फिर ऑपरेटर को अतिरिक्त मार्कअप करने का अवसर देती है, अपनी आंखों से देखती है और उन त्रुटियों का 3-5% सही करती है जो वह देखती है। और फिर, पहले से ही हल्के नेटवर्क को प्रशिक्षित करने के लिए उत्पन्न मार्कअप की ऐसी एक्सप्रेस पद्धति के आधार पर, जो ग्राहक के विशिष्ट कार्य के लिए उसके डेटा के अनुसार अनुकूलित होता है। यह दृष्टिकोण कार्यान्वयन की लागत को काफी कम कर सकता है, जबकि गुणवत्ता को लगभग उसी तरह बना सकता है जैसे कि काम हाथ से चला गया।



एक हल्के जाल की बाद में आवश्यकता होती है, क्योंकि हर जगह उद्यमों में वीडियो कैमरा को किसी प्रकार के वीडियो प्रबंधन प्रणाली से जोड़ने की क्षमता नहीं होती है। यदि ऐसा कोई वीएमएस था, तो आप सर्वर पर सब कुछ कर सकते हैं, जहां संसाधन सीमा केवल लागत के साथ जुड़ी हुई है। और Nvidia Jetson, और अलग-अलग समाधानों जैसे कैमकॉर्डर में निर्मित चिप्स हैं। विशेष रूप से, हमारा समाधान ऑरेंज पीआई पर काम करता है, यह रास्पबेरी पीआई माइक्रो कंप्यूटर का एक प्रकार है, और इनपुट पर एक पूर्ण एचडी चित्र प्राप्त करते हुए, प्रति सेकंड 8-10 फ्रेम का उत्पादन करता है।



अगला भी किराने का हिस्सा है। यह सारा डेटा कहीं न कहीं डालने की जरूरत है। यह तुरंत मानक कनेक्टर्स का एक सेट प्रदान करता है।



संक्षेप में देना। इस तरह के उत्पादीकरण आपको महंगी विशेषज्ञों और डेटा वैज्ञानिकों के उपयोग के बिना, कम लागत और कम कार्यान्वयन लागत के कारण, मशीन सीखने और कंप्यूटर विज़न को एक व्यापक बाजार में ले जाने की अनुमति देता है। मुझे लगता है कि यह भविष्य है, जिसमें उद्योग भी शामिल है।