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)學習算法。而項目正是結(jié)合BP神經(jīng)網(wǎng)絡(luò)深度學習算法和圖像處理結(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］，致力于針對工業(yè)場景千變?nèi)f化所需的AI視覺，以實現(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)濟的發(fā)展，人工智能越來越被全球先進的經(jīng)濟體重視。2019年全球主要的國家和地區(qū)都在推動本土人工智能發(fā)展方面動作不斷，力圖爭奪主導權(quán)。當然我國人工智能產(chǎn)業(yè)也在高速增長，加速滲透多應(yīng)用場景，成為促進經(jīng)濟社會發(fā)展的重要驅(qū)動力?，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屆有一個共識，AI的真正機遇在工業(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，因為工業(yè)界有更高的安全性、可解釋性、可靠性，面對這些挑戰(zhàn)，算法必須更謹慎和升級，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，同時兼?zhèn)涔I(yè)領(lǐng)域和AI數(shù)據(jù)領(lǐng)域的專業(yè)知識，這樣才能搭建應(yīng)用模型以及通過AI實現(xiàn)［3］。為了面對工業(yè)界的挑戰(zhàn)和創(chuàng)造工業(yè)界的價值，項目將BP神經(jīng)網(wǎng)絡(luò)深度學習算法和圖像處理結(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，因此項目的研究有著非常巨大的現(xiàn)實意義。而本項目研究的主要是視覺引導和瑕疵檢測，具體分析如下：視覺引導—研究算法通過對攝像頭采集的圖形樣本進行分析，來告訴機器人去哪抓取目標，該去往哪放。在傳統(tǒng)的機器人中處理的都是一些相對簡單的物品，在面對比較復雜的物體上仍然沒有給出研究方案［4］。例如軟袋檢測，以前機器人處理的可能是很標準的物品，那么該物品的特征是比較好定義的。而在這個軟袋過多的場景當中，機器人要抓的是很容易變形的袋子，這個袋子變形的形狀可以是多種多樣的，很難去預測，也很難去概括，而且在實際的工廠當中，這個袋子的表面很有可能是更換的，也就是說可能今天用藍色的袋子，明天就變成黃色的了，而且上面的字母也會變，所以說這種應(yīng)用場景對傳統(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)勢的所在。人工智能的算法可以處理很復雜多變的對象，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的算法才能夠很準確很成功的給我們的機器人一個準確的抓取點。瑕疵檢測——在很在很多的產(chǎn)品可能都需要瑕疵檢測，相對來說瑕疵檢測就是很難定義的，比如說產(chǎn)品表面的一個劃痕，可能是多種多樣的；或者是一個臟污，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)用實例分析

如下將通過無人倉項目具體講解一下項目技術(shù)實現(xiàn)和方案，通過如下實例的技術(shù)解決形成應(yīng)用深度學習的AI工業(yè)問題解決：在分揀機械上安裝一個掃描儀，讓機器掃描大量的訓練圖片，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)元負責接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元，中間層對內(nèi)部信息進行處理，負責把信息變換，最后中間層傳遞到輸出層各神經(jīng)元，對信息進一步處理之后就完成了一次學習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，實際輸出與預期輸出不相符時，就會進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練圖片反反復復給機器進行訓練與學習，讓機器不斷地學習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，使其能自動識別圖片類別，最終達到分揀各種各樣的快遞包裹。就如實際生活中的無人倉庫，倉庫實現(xiàn)智能化和自動化，不僅可以把人從繁雜的工作中解放出來，為倉儲企業(yè)節(jié)省了大量的勞動力和節(jié)約了人工成本，還可以提高分揀的時效性以及客戶的滿意度。

5課題的研究意義與創(chuàng)新點

課題充分的把深度學習算法對圖像處理的高能高效與物流包裹所面對的多種多樣的視覺場景結(jié)合起來，促進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)域知識不足夠解決實際工業(yè)問題，這也是AI工業(yè)最大的困難，而項目團隊正是把AI放在具體的工業(yè)場景研究，通過實例分析探尋工業(yè)AI的發(fā)展方向。AI是強大的，但這份神奇需要人們連接，未來的世界一定會更加美好，科技的發(fā)展將會給人類帶來更多福祉。

參考文獻

［1］袁練.基于北斗通信系統(tǒng)的PLC遠程狀態(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)與手機組態(tài)技術(shù)的PLC遠程監(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］.同濟大學出版社，2016：10-31，42.

［4］黃風.工業(yè)機器人與自控系統(tǒng)的集成應(yīng)用［M］.北京：化學工業(yè)出版社，2017：50-82.

［5］崔堅.SIMATICS7-1500與TIA博途軟件使用指南［M］.北京：機械工業(yè)出版社，2016.

作者：黃麗娟 劉小紅 袁練 單位：湖南信息學院