人工智能與工業(yè)場景融合應(yīng)用
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了人工智能與工業(yè)場景融合應(yīng)用范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。
摘要：文中分析了AI與工業(yè)的聯(lián)系，并結(jié)合具體應(yīng)用場景進(jìn)行了研究，并分析論證了AI與工業(yè)融合的研究意義。
關(guān)鍵詞：AI；工業(yè)；聯(lián)系
1前言
將AI與工業(yè)應(yīng)用相結(jié)合，是工業(yè)智能化發(fā)展的高能途徑，也是中國制造2025的主要領(lǐng)域。在各種神經(jīng)網(wǎng)絡(luò)算法中，BP神經(jīng)網(wǎng)絡(luò)算法是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。而項(xiàng)目正是結(jié)合BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法和圖像處理結(jié)合，充分考慮了工業(yè)界更高的安全性、可解釋性、可靠性要求［1］，致力于針對(duì)工業(yè)場景千變?nèi)f化所需的AI視覺，以實(shí)現(xiàn)更精確、更快、更可靠、更適用的工業(yè)視覺效果，并將其應(yīng)用于物流快遞的分揀和損壞檢測，用于解決工業(yè)問題，促進(jìn)智慧工業(yè)的發(fā)展。
2人工智能應(yīng)用在工業(yè)應(yīng)用的影響
隨著全球經(jīng)濟(jì)的發(fā)展，人工智能越來越被全球先進(jìn)的經(jīng)濟(jì)體重視。2019年全球主要的國家和地區(qū)都在推動(dòng)本土人工智能發(fā)展方面動(dòng)作不斷，力圖爭奪主導(dǎo)權(quán)。當(dāng)然我國人工智能產(chǎn)業(yè)也在高速增長，加速滲透多應(yīng)用場景，成為促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展的重要驅(qū)動(dòng)力?，F(xiàn)在AI在圖像處理領(lǐng)域是已經(jīng)取得很大的成就，但是在AI屆有一個(gè)共識(shí)，AI的真正機(jī)遇在工業(yè)界，第三次AI浪潮是曇花一現(xiàn)還是持續(xù)的發(fā)展的關(guān)鍵在于能否為工業(yè)提供商業(yè)價(jià)值［2］。但是人工智能應(yīng)用到工業(yè)界現(xiàn)在依然是有很多困難，因?yàn)楣I(yè)界有更高的安全性、可解釋性、可靠性，面對(duì)這些挑戰(zhàn)，算法必須更謹(jǐn)慎和升級(jí)，并且工業(yè)場景是千變?nèi)f化的，單純的AI和數(shù)據(jù)挖掘是不行的，它必須有更多的領(lǐng)域?qū)I(yè)知識(shí)，同時(shí)兼?zhèn)涔I(yè)領(lǐng)域和AI數(shù)據(jù)領(lǐng)域的專業(yè)知識(shí)，這樣才能搭建應(yīng)用模型以及通過AI實(shí)現(xiàn)［3］。為了面對(duì)工業(yè)界的挑戰(zhàn)和創(chuàng)造工業(yè)界的價(jià)值，項(xiàng)目將BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)算法和圖像處理結(jié)合，應(yīng)用于具體場合，用于解決物流包裹問題，實(shí)現(xiàn)智慧物流包裹的構(gòu)建。
3人工智能在工業(yè)場景應(yīng)用的主要方向
以物流包裹分揀為例，目前物流包裹人工智能應(yīng)用主要有以下兩大類，而以下的應(yīng)用依然是有限制的，并且是正在研究和探索，因此項(xiàng)目的研究有著非常巨大的現(xiàn)實(shí)意義。而本項(xiàng)目研究的主要是視覺引導(dǎo)和瑕疵檢測，具體分析如下：視覺引導(dǎo)—研究算法通過對(duì)攝像頭采集的圖形樣本進(jìn)行分析，來告訴機(jī)器人去哪抓取目標(biāo)，該去往哪放。在傳統(tǒng)的機(jī)器人中處理的都是一些相對(duì)簡單的物品，在面對(duì)比較復(fù)雜的物體上仍然沒有給出研究方案［4］。例如軟袋檢測，以前機(jī)器人處理的可能是很標(biāo)準(zhǔn)的物品，那么該物品的特征是比較好定義的。而在這個(gè)軟袋過多的場景當(dāng)中，機(jī)器人要抓的是很容易變形的袋子，這個(gè)袋子變形的形狀可以是多種多樣的，很難去預(yù)測，也很難去概括，而且在實(shí)際的工廠當(dāng)中，這個(gè)袋子的表面很有可能是更換的，也就是說可能今天用藍(lán)色的袋子，明天就變成黃色的了，而且上面的字母也會(huì)變，所以說這種應(yīng)用場景對(duì)傳統(tǒng)的視覺，傳統(tǒng)的圖形處理來說是巨大的挑戰(zhàn)，是很難去完成的。而這一類靈活多變的場景就是人工智能優(yōu)勢(shì)的所在。人工智能的算法可以處理很復(fù)雜多變的對(duì)象，所以在這種類似的場景下，人工智能的算法就是必要的，使用AI的算法才能夠很準(zhǔn)確很成功的給我們的機(jī)器人一個(gè)準(zhǔn)確的抓取點(diǎn)。瑕疵檢測——在很在很多的產(chǎn)品可能都需要瑕疵檢測，相對(duì)來說瑕疵檢測就是很難定義的，比如說產(chǎn)品表面的一個(gè)劃痕，可能是多種多樣的；或者是一個(gè)臟污，臟污的形狀也是不定的，所以這一類的問題也需要AI的算法的來解決。
4人工智能在工業(yè)應(yīng)用實(shí)例分析
如下將通過無人倉項(xiàng)目具體講解一下項(xiàng)目技術(shù)實(shí)現(xiàn)和方案，通過如下實(shí)例的技術(shù)解決形成應(yīng)用深度學(xué)習(xí)的AI工業(yè)問題解決：在分揀機(jī)械上安裝一個(gè)掃描儀，讓機(jī)器掃描大量的訓(xùn)練圖片，然后使用BP神經(jīng)網(wǎng)絡(luò)的算法來建立模型。在BP神經(jīng)網(wǎng)絡(luò)的算法中，輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元，中間層對(duì)內(nèi)部信息進(jìn)行處理，負(fù)責(zé)把信息變換，最后中間層傳遞到輸出層各神經(jīng)元，對(duì)信息進(jìn)一步處理之后就完成了一次學(xué)習(xí)正向傳播的處理過程，從而輸出層向外界輸出信息處理結(jié)果［5］。如果在正向傳播的過程中，實(shí)際輸出與預(yù)期輸出不相符時(shí)，就會(huì)進(jìn)入誤差的反向傳播階段，把誤差通過輸出層沿連接路勁返回，按誤差梯度下降的方式修正各層權(quán)值。就這樣利用大量的訓(xùn)練圖片反反復(fù)復(fù)給機(jī)器進(jìn)行訓(xùn)練與學(xué)習(xí)，讓機(jī)器不斷地學(xué)習(xí)分類圖片中的圖片信息特征，再利用BP神經(jīng)網(wǎng)絡(luò)的最后分類輸出層，使其能自動(dòng)識(shí)別圖片類別，最終達(dá)到分揀各種各樣的快遞包裹。就如實(shí)際生活中的無人倉庫，倉庫實(shí)現(xiàn)智能化和自動(dòng)化，不僅可以把人從繁雜的工作中解放出來，為倉儲(chǔ)企業(yè)節(jié)省了大量的勞動(dòng)力和節(jié)約了人工成本，還可以提高分揀的時(shí)效性以及客戶的滿意度。
5課題的研究意義與創(chuàng)新點(diǎn)
課題充分的把深度學(xué)習(xí)算法對(duì)圖像處理的高能高效與物流包裹所面對(duì)的多種多樣的視覺場景結(jié)合起來，促進(jìn)AI物流落地的發(fā)展，是AI與工業(yè)的跨領(lǐng)域輕度研究。單純的AI領(lǐng)域知識(shí)不足夠解決實(shí)際工業(yè)問題，這也是AI工業(yè)最大的困難，而項(xiàng)目團(tuán)隊(duì)正是把AI放在具體的工業(yè)場景研究，通過實(shí)例分析探尋工業(yè)AI的發(fā)展方向。AI是強(qiáng)大的，但這份神奇需要人們連接，未來的世界一定會(huì)更加美好，科技的發(fā)展將會(huì)給人類帶來更多福祉。
參考文獻(xiàn)
［1］袁練.基于北斗通信系統(tǒng)的PLC遠(yuǎn)程狀態(tài)監(jiān)控的探索［J］.電子世界，2019（9）：75-76.
［2］袁練.基于互聯(lián)網(wǎng)與手機(jī)組態(tài)技術(shù)的PLC遠(yuǎn)程監(jiān)控系統(tǒng)的研究［J］.現(xiàn)代信息科技，2019，3（9）：150-152.
［3］李德英.電氣控制與PLC［M］.同濟(jì)大學(xué)出版社，2016：10-31，42.
［4］黃風(fēng).工業(yè)機(jī)器人與自控系統(tǒng)的集成應(yīng)用［M］.北京：化學(xué)工業(yè)出版社，2017：50-82.
［5］崔堅(jiān).SIMATICS7-1500與TIA博途軟件使用指南［M］.北京：機(jī)械工業(yè)出版社，2016.
作者：黃麗娟 劉小紅 袁練 單位：湖南信息學(xué)院
