华为致力于推动人工智能技术在各个领域的应用。现在要设计一个智能图像识别系统，用于识别工业生产线上的产品缺陷。该系统需要具备高准确率、实时性和可扩展性，同时要考虑在复杂环境下的性能。请详细描述系统的架构设计和实现思路。

答题要点

答题框架采用分层架构分析法，从数据采集、预处理、模型训练、推理和部署等层面进行阐述。关键要点：1. 数据采集：选择合适的图像采集设备，确保采集到清晰、准确的产品图像。2. 预处理：对采集到的图像进行去噪、增强等处理，提高图像质量。3. 模型训练：选择合适的深度学习模型，如卷积神经网络（CNN），并使用大量的标注数据进行训练。4. 推理和部署：将训练好的模型部署到生产线上，实现实时的图像识别和缺陷检测。5. 系统优化：考虑在复杂环境下的性能，如光照变化、噪声干扰等，对系统进行优化。示例思路：首先，在数据采集阶段，使用高分辨率的摄像头获取产品图像。然后，对图像进行预处理，去除噪声和增强特征。接着，选择合适的 CNN 模型，使用大量的标注数据进行训练，调整模型参数以提高准确率。将训练好的模型部署到边缘计算设备上，实现实时的图像识别。最后，针对复杂环境下的问题，采用自适应的光照补偿和噪声过滤技术，优化系统性能。