在将人工智能模型从开发阶段过渡到边缘端的实际部署时，工业团队仍面临诸多挑战。从模型的训练和优化，到在不同硬件加速器上的部署，这一过程不仅会延缓产品上市时间，还会增加系统复杂性。与此同时，传统的检测系统往往依赖昂贵的集中式计算，这限制了系统的可扩展性和灵活性。
本次网络研讨会将探讨企业如何从人工智能模型开发过渡到实际部署，并在边缘端实现持续优化。通过食品生产中的实际光学检测案例，本次研讨会将展示边缘人工智能与云服务如何协同工作，从而简化从训练、部署到监控及持续改进的整个生命周期。
演讲者将详细介绍完整的工作流程，包括如何在嵌入式平台上部署模型、管理跨加速器的性能，以及如何通过基于云的更新和监控来长期维护系统。本次会议还将重点介绍云服务如何通过模型重新训练、空中更新和系统可视化来支持持续改进。
与会者将学习如何：
- 在工业环境中部署边缘人工智能，实现实时光学检测
- 管理跨多个加速器的模型训练、优化和部署
- 利用云基础设施对设备进行监控，并随时间推移更新模型
- 与传统的检测方法相比，可降低系统成本并简化系统结构
- 在保持性能和灵活性的同时，将 AI 应用扩展至各种用例