辅助系统可以帮助操作员使用叉车提前识别任何危险情况。Kiwi-eye 是由意大利Kiwitron 公司开发的驾驶辅助系统，使用人工智能和机器学习算法。让我们看看它是如何工作的以及有什么优势：

现代工业需要最先进的解决方案来实现快速、高效和日益数字化的生产。借助数字技术，可以连接多个设备、分析数据并为机器配备新功能。人工智能算法和设备的使用利用数据，使整个工业工厂自动化、安全和高效。

自学习和机器视觉：它是如何工作的？

人工智能基于创建能够连接信息并从某些输入开始生成输出的神经网络。可用的数据越多，神经网络的性能也会越高，即使在复杂的环境中也能够自主工作。在这种情况下，我们谈论的是深度学习，或机器的自主学习，在工业领域可用于训练算法以类似于人脑的方式理解图像。Kiwi-Eye 是Kiwitron 开发的驾驶辅助系统，使用深度学习通过实践和经验识别不同类别的物体。

如今，深度学习技术通常用于人工视觉或计算机视觉，专门处理图像分类和对象检测。

工业领域的Kiwi-Eye 的物体检测

对象检测允许您在图像中定位和分类对象。Kiwi-eye 使用对象检测技术从环境中提取特定特征并检测行人、手推车的位置或识别标志。

为了检测一个物体，计算机需要知道它是什么以及它在哪里。为此，组合了一个标签（称为标签）来标识它所属的类，并在对象周围应用一个框以指示其位置（称为边界框）。

为了更好地训练神经网络，您需要一个数据集，或者更确切地说是一组数据。数据集必须尽可能大且多变，以提高模型性能。元数据也出现在数据集中，这是用于在特定应用中充分利用神经网络的附加信息。

例如，在配备人工智能的物流设备数据集中，建议仅插入内部仓库环境的图像。

Kiwi-Eye 和事故预防

由于Kiwi-eye 是一种安全缓解装置，因此要检测的最重要方面是人。出于这个原因，更多引用这个特定类的数据出现在Kiwitron 数据集中。但总的来说，我们试图始终在注释之间保持平衡。

Kiwi-Eye 感兴趣的另一个参数是距离。事实上，除了检测障碍物外，相机还通过重建深度图来测量它们的距离。 得益于现代人工智能系统，操作员的技能与智能系统的精度相结合。

通过这种方式，可以通过更大的人机集成来完善手段对外部刺激的响应，从而实现商业模式5.0。