輔助系統可以幫助操作員使用叉車提前識別任何危險情況。Kiwi-eye 是由意大利Kiwitron 公司開發的駕駛輔助系統，使用人工智能和機器學習算法。讓我們看看它是如何工作的以及有什么優勢：

現代工業需要最先進的解決方案來實現快速、高效和日益數字化的生產。借助數字技術，可以連接多個設備、分析數據并為機器配備新功能。人工智能算法和設備的使用利用數據，使整個工業工廠自動化、安全和高效。

自學習和機器視覺：它是如何工作的？

人工智能基于創建能夠連接信息并從某些輸入開始生成輸出的神經網絡。可用的數據越多，神經網絡的性能也會越高，即使在復雜的環境中也能夠自主工作。在這種情況下，我們談論的是深度學習，或機器的自主學習，在工業領域可用于訓練算法以類似于人腦的方式理解圖像。Kiwi-Eye 是Kiwitron 開發的駕駛輔助系統，使用深度學習通過實踐和經驗識別不同類別的物體。

如今，深度學習技術通常用于人工視覺或計算機視覺，專門處理圖像分類和對象檢測。

工業領域的Kiwi-Eye 的物體檢測

對象檢測允許您在圖像中定位和分類對象。Kiwi-eye 使用對象檢測技術從環境中提取特定特征并檢測行人、手推車的位置或識別標志。

為了檢測一個物體，計算機需要知道它是什么以及它在哪里。為此，組合了一個標簽（稱為標簽）來標識它所屬的類，并在對象周圍應用一個框以指示其位置（稱為邊界框）。

為了更好地訓練神經網絡，您需要一個數據集，或者更確切地說是一組數據。數據集必須盡可能大且多變，以提高模型性能。元數據也出現在數據集中，這是用于在特定應用中充分利用神經網絡的附加信息。

例如，在配備人工智能的物流設備數據集中，建議僅插入內部倉庫環境的圖像。

Kiwi-Eye 和事故預防

由于Kiwi-eye 是一種安全緩解裝置，因此要檢測的最重要方面是人。出于這個原因，更多引用這個特定類的數據出現在Kiwitron 數據集中。但總的來說，我們試圖始終在注釋之間保持平衡。

Kiwi-Eye 感興趣的另一個參數是距離。事實上，除了檢測障礙物外，相機還通過重建深度圖來測量它們的距離。 得益于現代人工智能系統，操作員的技能與智能系統的精度相結合。

通過這種方式，可以通過更大的人機集成來完善手段對外部刺激的響應，從而實現商業模式5.0。

智能傳感器和軟件，將您的業務數字化。

意大利kiwitron公司為所有起重裝置和工業機械開發傳感器設備。通過數據收集和參數監控，您可以衡量性能并防止故障。

kiwitron 共同創建獨特的解決方案來改變您的業務。

Kiwitron 系統在駕駛車輛和機動區域時為駕駛員提供幫助。 

我們使用最先進的技術來滿足每個公司的需求。

后勤

kiwitron 從公司的實際需求出發，創造旨在創新和優化物流的產品。

kiwitron 使用可以適應任何工業環境的系統。

工業4.0

借助 ETS 遠程控制系統，您的車輛可節省 50%。 

ETS系統獲得了工業4.0適用性認證和稅收抵免認證。