《人工智能与工业场景融合应用(共2723字).doc》由会员分享，可在线阅读，更多相关《人工智能与工业场景融合应用(共2723字).doc（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、人工智能与工业场景融合应用(共2723字)摘要：文中分析了AI与工业的联系，并结合具体应用场景进行了研究，并分析论证了AI与工业融合的研究意义。关键词：AI；工业；联系将AI与工业应用相结合，是工业智能化发展的高能途径，也是中国制造2025的主要领域。在各种神经网络算法中，BP神经网络算法是应用最广泛的神经网络学习算法。而项目正是结合BP神经网络深度学习算法和图像处理结合，充分考虑了工业界更高的安全性、可解释性、可靠性要求1，致力于针对工业场景千变万化所需的AI视觉，以实现更精确、更快、更可靠、更适用的工业视觉效果，并将其应用于物流快递的分拣和损坏检测，用于解决工业问题，促进智慧工业的发展。2
2、人工智能应用在工业应用的影响随着全球经济的发展，人工智能越来越被全球先进的经济体重视。2019年全球主要的国家和地区都在推动本土人工智能发展方面动作不断，力图争夺主导权。当然我国人工智能产业也在高速增长，加速渗透多应用场景，成为促进经济社会发展的重要驱动力。现在AI在图像处理领域是已经取得很大的成就，但是在AI届有一个共识，AI的真正机遇在工业界，第三次AI浪潮是昙花一现还是持续的发展的关键在于能否为工业提供商业价值2。但是人工智能应用到工业界现在依然是有很多困难，因为工业界有更高的安全性、可解释性、可靠性，面对这些挑战，算法必须更谨慎和升级，并且工业场景是千变万化的，单纯的AI和数据挖掘是不
3、行的，它必须有更多的领域专业知识，同时兼备工业领域和AI数据领域的专业知识，这样才能搭建应用模型以及通过AI实现3。为了面对工业界的挑战和创造工业界的价值，项目将BP神经网络深度学习算法和图像处理结合，应用于具体场合，用于解决物流包裹问题，实现智慧物流包裹的构建。3人工智能在工业场景应用的主要方向以物流包裹分拣为例，目前物流包裹人工智能应用主要有以下两大类，而以下的应用依然是有限制的，并且是正在研究和探索，因此项目的研究有着非常巨大的现实意义。而本项目研究的主要是视觉引导和瑕疵检测，具体分析如下：视觉引导研究算法通过对摄像头采集的图形样本进行分析，来告诉机器人去哪抓取目标，该去往哪放。在传统的
4、机器人中处理的都是一些相对简单的物品，在面对比较复杂的物体上仍然没有给出研究方案4。例如软袋检测，以前机器人处理的可能是很标准的物品，那么该物品的特征是比较好定义的。而在这个软袋过多的场景当中，机器人要抓的是很容易变形的袋子，这个袋子变形的形状可以是多种多样的，很难去预测，也很难去概括，而且在实际的工厂当中，这个袋子的表面很有可能是更换的，也就是说可能今天用蓝色的袋子，明天就变成黄色的了，而且上面的字母也会变，所以说这种应用场景对传统的视觉，传统的图形处理来说是巨大的挑战，是很难去完成的。而这一类灵活多变的场景就是人工智能优势的所在。人工智能的算法可以处理很复杂多变的对象，所以在这种类似的场景
5、下，人工智能的算法就是必要的，使用AI的算法才能够很准确很成功的给我们的机器人一个准确的抓取点。瑕疵检测在很在很多的产品可能都需要瑕疵检测，相对来说瑕疵检测就是很难定义的，比如说产品表面的一个划痕，可能是多种多样的；或者是一个脏污，脏污的形状也是不定的，所以这一类的问题也需要AI的算法的来解决。4人工智能在工业应用实例分析如下将通过无人仓项目具体讲解一下项目技术实现和方案，通过如下实例的技术解决形成应用深度学习的AI工业问题解决：在分拣机械上安装一个扫描仪，让机器扫描大量的训练图片，然后使用BP神经网络的算法来建立模型。在BP神经网络的算法中，输入层各神经元负责接收来自外界的输入信息，并传递给
6、中间层各神经元，中间层对内部信息进行处理，负责把信息变换，最后中间层传递到输出层各神经元，对信息进一步处理之后就完成了一次学习正向传播的处理过程，从而输出层向外界输出信息处理结果5。如果在正向传播的过程中，实际输出与预期输出不相符时，就会进入误差的反向传播阶段，把误差通过输出层沿连接路劲返回，按误差梯度下降的方式修正各层权值。就这样利用大量的训练图片反反复复给机器进行训练与学习，让机器不断地学习分类图片中的图片信息特征，再利用BP神经网络的最后分类输出层，使其能自动识别图片类别，最终达到分拣各种各样的快递包裹。就如实际生活中的无人仓库，仓库实现智能化和自动化，不仅可以把人从繁杂的工作中解放出来
7、，为仓储企业节省了大量的劳动力和节约了人工成本，还可以提高分拣的时效性以及客户的满意度。5课题的研究意义与创新点课题充分的把深度学习算法对图像处理的高能高效与物流包裹所面对的多种多样的视觉场景结合起来，促进AI物流落地的发展，是AI与工业的跨领域轻度研究。单纯的AI领域知识不足够解决实际工业问题，这也是AI工业最大的困难，而项目团队正是把AI放在具体的工业场景研究，通过实例分析探寻工业AI的发展方向。AI是强大的，但这份神奇需要人们连接，未来的世界一定会更加美好，科技的发展将会给人类带来更多福祉。参考文献1袁练.基于北斗通信系统的PLC远程状态监控的探索J.电子世界，2019（9）：75-76.2袁练.基于互联网与手机组态技术的PLC远程监控系统的研究J.现代信息科技，2019，3（9）：150-152.3李德英.电气控制与PLCM.同济大学出版社，2016：10-31，42.4黄风.工业机器人与自控系统的集成应用M.北京：化学工业出版社，2017：50-82.5崔坚.SIMATICS7-1500与TIA博途软件使用指南M.北京：机械工业出版社，2016.第 5 页 共 5 页