借助计算机视觉，从可视化结果中获取业务洞察

计算机视觉是人工智能（AI）的一个子领域，让机器能够解读视觉数据并据此做出决策。展示计算机视觉应用时，通常会呈现各种视觉输出，例如添加了边界框或分割掩码的图像或视频，以突出显示感兴趣的目标。尽管这些视觉效果令人印象深刻，但它们并不总能清楚地说明可以据此获得哪些可执行的洞察。

以一家零售店为例。像 Ultralytics YOLOv8这样的计算机视觉模型可以生成热力图，显示顾客在哪里停留时间最长。可视化结果可能是一张彩色地图，标出大多数顾客经常经过或逗留的区域。但真正有价值的洞察是能够找出表现不佳的店铺区域。零售商可以利用这些可执行的洞察重新安排商品陈列、优化货架空间，或调整促销展示，以提高顾客参与度和销售额。

图 1. 使用 Ultralytics YOLOv8 为零售商店生成的热力图示例。

计算机视觉的真正价值，在于将这些视觉输出转化为有意义的业务洞察，从而直接改善和优化运营，推动增长并提升效率。本文将探讨计算机视觉能为企业带来什么，以及它如何切实影响企业运营。我们还将讨论如何超越视觉输出，利用可执行的洞察取得实际成效。

AI 中的可视化与洞见：常见误解#

我们先来了解可视化结果与洞察之间的区别。在计算机视觉中，边界框和热力图等可视化结果有助于理解模型的输出。这些视觉输出是理解计算机视觉能力和局限性的起点。但洞察不止于视觉呈现，还能提供有价值的信息，帮助你做出明智决策、改进流程或深入理解规律。洞察能将原始视觉数据转化为有意义的结论，帮助发现趋势、预测结果或优化策略。

例如，计算机视觉健身监测系统可以使用姿态估计和 Ultralytics YOLOv8 等模型，通过识别关节和四肢等关键点来跟踪身体动作。动画骨架等视觉输出能够展示一个人的动作，观看起来可能很有趣。不过，真正的价值在于这些数据提供的可量化洞察，例如完成的俯卧撑或深蹲次数、每项运动的持续时间、重复动作的一致性，以及整个训练期间保持的动作质量。

教练可以利用这些洞察分析客户的运动姿势，发现可能导致受伤的错误动作，跟踪长期表现，并了解训练习惯。这些洞察有助于教练提供更好的反馈、制定更有效的训练计划，并帮助客户更安全、更高效地实现健身目标。

图 2. 使用 Ultralytics YOLOv8 跟踪身体动作。

利用计算机视觉创造业务价值#

随着技术不断进步，企业总在寻找保持竞争优势的方法，而计算机视觉可以助其一臂之力。将计算机视觉洞察融入现有工作流，企业就能看到真正可衡量的成效。

这些洞见可以为企业的多个领域提供有价值的信息，例如：

• 性能指标：用于突出关键绩效指标和规律的定量数据。
• 趋势分析：了解客户行为或市场状况随时间推移出现的新趋势和变化。
• 预测性洞见：利用历史数据和实时数据预测未来结果或识别潜在问题。
• 实时警报：针对需要关注的重要事件、异常或变化发出即时通知。

例如，在石油和天然气行业，过去通常通过人工监控或基础传感器系统来检测炉窑火灾或气体泄漏。这些方法往往缺乏及早发现潜在危险所需的速度和精度。计算机视觉可以使用摄像头和目标检测模型（如 Ultralytics YOLOv8）持续监控炉窑，从而改进这一流程，并快速发现异常火焰、烟雾过多或气体泄漏等问题。

该应用的可视化输出可以是在图像中用边界框标出检测到火灾的区域。不过，真正的益处在于将这些视觉信号转化为可执行的洞见。这些洞见有助于找出火灾原因、预测设备问题并规划维护，以防止未来出现故障。借助这些洞见，工业企业可以迅速应对潜在火灾，避免高额损失、减少停机时间，并提升安全性和效率。

图 3. 使用 Ultralytics YOLOv8 检测火灾。

利用 AI 做出数据驱动的决策#

训练后模型的视觉输出可以转化为洞察，并整理到仪表板和数据库中，以便进行深入分析。仪表板尤其有助于企业主清晰查看性能指标、发现异常，并根据实时信息做出数据驱动的决策。

例如，在交通监控中，可以使用像 Ultralytics YOLOv8 这样的计算机视觉模型分析实时交通视频，检测并追踪道路上的汽车、厢式货车和公交车等不同车辆。可视化输出可以显示带有标签的车辆，并追踪进出特定区域的车辆数量。这些信息也可以显示在仪表盘上，按区域细分车辆数量，并计算车辆总数和平均速度等关键指标。

图 4. 使用 Ultralytics YOLOv8 检测和跟踪交通状况。

这些洞见有助于交通管理团队了解交通流量、找出拥堵点、预测交通堵塞，并调整交通信号灯或路线，让交通保持顺畅。通过将视觉数据转化为可执行的洞见，该系统能帮助城市规划者做出明智决策，改善交通流量并减少道路问题。

弥合 AI 与业务需求之间的差距#

现在，我们已经讨论了可执行的计算机视觉洞察对业务的影响，接下来看看如何弥合数据可视化与业务洞察之间的差距。在开发 AI 解决方案时，这些考量至关重要，因为它们能帮助我们超越简单的计算机视觉任务，转而理解数据中的背景和关联。深入分析有助于形成更有意义、也更符合业务需求的洞察。

首先，改善 AI 开发者与业务负责人之间的沟通至关重要。AI 开发者可以与业务利益相关者坦诚交流，以了解他们的目标、挑战和期望。从企业主的角度思考，更容易判断计算机视觉如何直接解决具体问题。开发者不必开发通用解决方案，而是可以专注于创建能够解决实际业务需求的计算机视觉应用。

例如，在前面讨论的石油和天然气场景中，直接与业务利益相关者沟通，可能有助于开发者了解具体需求，例如根据检测到的火灾规模和严重程度发送警报。了解这些细节有助于开发者定制解决方案，优先发送关键警报，从而加快响应速度、降低风险，并提升安全性和效率。

图 5. 沟通至关重要。图片来源：Envato Elements。

建立清晰的沟通机制后，下一步是关注数据质量和处理。开发者可以确保用于训练和分析的数据干净、一致，并符合客户需求。简化数据处理流程有助于减少延迟，并及时提供准确的洞见。此外，将计算机视觉系统与现有业务工具集成，可以改善决策制定，并让企业迅速响应重要洞见。

以下是其他一些需要考虑的因素：

• 易于使用的可视化：确保可视化输出简单易懂，方便非技术利益相关者解读。
• 可扩展性：设计能够适应企业不断增长的数据需求和运营变化的 AI 解决方案。
• 实时分析：纳入实时数据处理，及时提供可促成立即行动的洞见。
• 安全与隐私：保护数据的完整性和机密性，尤其是在处理敏感信息时。
• 持续学习与适应：实施持续学习和模型更新机制，以适应不断变化的业务环境和数据模式。

计算机视觉在商业领域的未来#

边界框和掩码等可视化输出展示了计算机视觉的能力，但企业需要的不只是可视化呈现；企业还需要能够推动决策制定和运营改进的可执行洞见。开发者通过了解业务目标并将计算机视觉应用于现实问题，可以提供改善运营、提升客户体验并降低成本的洞见。

要弥合可视化与可执行洞见之间的差距，开发者可以与利益相关者清晰沟通、使用高质量数据并改进数据处理。这些步骤有助于企业充分发挥计算机视觉技术的价值，将洞见转化为实际收益。

让我们一起学习和探索！访问我们的 GitHub 代码库，了解我们在 AI 领域的贡献，也别忘了加入我们的社区交流。了解我们如何利用 AI 技术重新定义制造业和医疗保健等行业。