在工業(yè)自動(dòng)化領(lǐng)域的生產(chǎn)和實(shí)驗(yàn)室之外的日常生活中，人工智能(AI)的定義差異很大。

“人工智能”指的是一門包含了幾種不同技術(shù)和工程學(xué)科的科學(xué)，包括機(jī)器視覺、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。當(dāng)一個(gè)基于這些技術(shù)組合的系統(tǒng)設(shè)計(jì)得當(dāng)時(shí)（從應(yīng)用分析到最終驗(yàn)證），它可以為工廠增加巨大的價(jià)值。

人工智能在制造業(yè)的興起

被稱為“人工智能之父”的斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授JohnMcCarthy)表示，人工智能可以被定義為“制造智能機(jī)器，特別是智能計(jì)算機(jī)程序的科學(xué)和工程”。它與使用計(jì)算機(jī)了解人類智能的類似任務(wù)有關(guān)，但人工智能不必局限于生物學(xué)上可觀察到的方法。”

在這種情況下，人工智能可以為不同行業(yè)的制造商提供機(jī)器視覺系統(tǒng)自動(dòng)化檢測的有價(jià)值的工具。在人工智能中有機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的子集。機(jī)器學(xué)習(xí)使用使機(jī)器能夠“學(xué)習(xí)”以提高不同任務(wù)的技術(shù)。其中一種技術(shù)是深度學(xué)習(xí)，它使用人工神經(jīng)網(wǎng)絡(luò)，例如卷積神經(jīng)網(wǎng)絡(luò)，模擬人腦的學(xué)習(xí)過程。

作為機(jī)器學(xué)習(xí)的一個(gè)子集，深度學(xué)習(xí)以及機(jī)器學(xué)習(xí)在工業(yè)自動(dòng)化領(lǐng)域已經(jīng)變得流行，因?yàn)樗軌螂S著時(shí)間的推移從模型的持續(xù)分析中“學(xué)習(xí)”。深度學(xué)習(xí)的過程始于數(shù)據(jù)。例如，為了幫助機(jī)器視覺發(fā)現(xiàn)產(chǎn)品缺陷，制造商將通過上傳描述缺陷或特征的圖像來創(chuàng)建一個(gè)初始數(shù)據(jù)集，這些圖像必須與“好”圖像一起被檢測出來。通過協(xié)作標(biāo)記初始數(shù)據(jù)集，訓(xùn)練模型并使用原始數(shù)據(jù)集的測試圖像驗(yàn)證結(jié)果，測試生產(chǎn)中的性能，并重新訓(xùn)練以覆蓋新的案例、特征或缺陷，深度學(xué)習(xí)就隨之而來了。

當(dāng)考慮了所有因素并遵循了適當(dāng)?shù)牟襟E，將深度學(xué)習(xí)工具實(shí)現(xiàn)到新的或現(xiàn)有的自動(dòng)化檢測系統(tǒng)中時(shí)，該軟件在許多應(yīng)用程序中提供了價(jià)值，包括缺陷檢測、特征分類和裝配驗(yàn)證等任務(wù)。具體來說，這些人工智能技術(shù)可以幫助進(jìn)行主觀檢查決策，否則就需要進(jìn)行人工檢查。人工智能還可以幫助檢查由于高度復(fù)雜性或可變性而難以識別特定特征的場景。

增強(qiáng)機(jī)器視覺系統(tǒng)

并不是每個(gè)應(yīng)用程序都受益于人工智能，而且它不是獨(dú)立的技術(shù)。與其相反，人工智能技術(shù)代表了自動(dòng)化檢測工具箱的強(qiáng)大工具，可以部署在幾個(gè)不同的行業(yè)，在選擇解決方案時(shí)，制造商有多種選擇。他們可以使用PyTorch或TensorFlow等框架在內(nèi)部編寫解決方案，購買現(xiàn)成的解決方案，或者選擇特定于應(yīng)用程序的支持人工智能的產(chǎn)品或系統(tǒng)。

市場上有幾個(gè)現(xiàn)成的人工智能解決方案，允許最終用戶構(gòu)建自己的模型，而不綁定到特定的應(yīng)用程序。例如，Elementary的QA平臺(tái)提供了該公司所謂的“全堆棧視覺系統(tǒng)”，該系統(tǒng)具有攝像頭和機(jī)器學(xué)習(xí)軟件，具有先進(jìn)的分析功能，旨在識別問題，持續(xù)改進(jìn)，并解鎖對各種制造流程的新見解。該系統(tǒng)結(jié)合了傳統(tǒng)的機(jī)器視覺工具，如條形碼讀取和光學(xué)字符識別以及機(jī)器學(xué)習(xí)功能，為系統(tǒng)添加額外的檢測功能。

人工智能視覺系統(tǒng)的常見檢測應(yīng)用包括消費(fèi)品包裝(包括標(biāo)簽、帽子和配套)、醫(yī)療設(shè)備、汽車零部件和裝配以及食品和飲料產(chǎn)品(通常涉及獨(dú)特的裝配檢測版本)。

Elementary公司產(chǎn)品副總裁MikeBruchanski說:“例如，在預(yù)先包裝的早餐三明治檢查中，很難建立一種模式，讓軟件了解奶酪是否不在正確的位置，但我們的機(jī)器學(xué)習(xí)工具允許視覺系統(tǒng)查看堆疊的三明治，以快速做出判斷。我們的平臺(tái)在醫(yī)療設(shè)備組裝檢查中提供了類似的方法，同時(shí)還執(zhí)行一系列汽車檢查，從監(jiān)管標(biāo)簽識別到檢查焊縫的凹坑、空洞或裂紋。”

機(jī)器人的采用正在上升

近年來出現(xiàn)了一些特定于應(yīng)用程序的人工智能產(chǎn)品，其目標(biāo)是精簡和簡化某些任務(wù)。在某些情況下，這可能涉及到在數(shù)小時(shí)內(nèi)啟動(dòng)并運(yùn)行的整個(gè)系統(tǒng)?？焖贆C(jī)器人公司的快速機(jī)器操作員(RMO)是這種系統(tǒng)的一個(gè)主要例子。每個(gè)RMO旨在處理常見的機(jī)器操作員任務(wù)，包括一個(gè)6軸機(jī)械臂、3D深度傳感器、抓手和一個(gè)用于邊緣計(jì)算和人工智能處理的控制盒。據(jù)該公司稱，快速機(jī)器操作員(RMO)配備了預(yù)先訓(xùn)練過的人工智能算法。

人工智能的進(jìn)步使機(jī)器人自動(dòng)化比以往任何時(shí)候都更容易、更有效地部署。在自動(dòng)化領(lǐng)域，人工智能最重要的價(jià)值主張之一是自動(dòng)化人才的多樣化。普遍的說法是，自動(dòng)化已經(jīng)滲透到美國制造業(yè)。

令研究人員驚訝的是，麻省理工學(xué)院最近一份關(guān)于未來工作的報(bào)告發(fā)現(xiàn)，中小型制造商中“很少”存在機(jī)器人。

而基于人工智能的機(jī)器人部署其實(shí)有很多機(jī)會(huì)，包括質(zhì)量檢測、自主移動(dòng)機(jī)器人、組裝和生成設(shè)計(jì)。

在機(jī)器人領(lǐng)域，Photoneo公司在其自動(dòng)化解決方案中使用人工智能方法來識別，挑選和分類混合類型的物品。該公司利用卷積神經(jīng)網(wǎng)絡(luò)在一個(gè)大型對象數(shù)據(jù)集上進(jìn)行訓(xùn)練，以識別各種形狀、大小、顏色或材料的項(xiàng)目。如果人工智能系統(tǒng)遇到一個(gè)以前沒有見過的物體，它可以根據(jù)之前遇到過或訓(xùn)練過的類似物體來識別和分類該物體。此外，如果客戶需要挑選可能導(dǎo)致模型性能下降的異常或自定義項(xiàng)目，則可以在特定的數(shù)據(jù)集上對軟件進(jìn)行訓(xùn)練。

全面的定制解決方案

希望在運(yùn)營中部署人工智能軟件的公司可以更進(jìn)一步發(fā)展，構(gòu)建和集成自定義機(jī)器學(xué)習(xí)模型，包括支持?jǐn)?shù)據(jù)收集和標(biāo)記、模型訓(xùn)練和部署。

Prolucid公司首席執(zhí)行官DarcyBachert解釋說:“作為一個(gè)系統(tǒng)集成商，我們的重點(diǎn)是應(yīng)用先進(jìn)的計(jì)算機(jī)視覺和基于人工智能的模型來幫助復(fù)雜的制造檢測應(yīng)用，以及各種非制造業(yè)客戶，包括核和醫(yī)療。我們的典型方法是使用計(jì)算機(jī)視覺或其他現(xiàn)有工具以盡可能簡單的方式解決問題。如果我們遇到一個(gè)應(yīng)用程序，這些不太適合，那么會(huì)把人工智能作為一個(gè)選擇，并從尋找適合特定用例的現(xiàn)成模型開始，比如異常檢測或特征分類。”

Bachert指出，TensorFlow等開源平臺(tái)對制造業(yè)和其他應(yīng)用中采用人工智能產(chǎn)生了重大的積極影響，這些平臺(tái)附帶了為相關(guān)用例設(shè)計(jì)的預(yù)訓(xùn)練模型，以及Python生態(tài)系統(tǒng)。

展望制造業(yè)人工智能的未來

人工智能在制造業(yè)的未來，自動(dòng)化將可能涉及使用高級分析來早期識別缺陷趨勢，并最終防止它們的發(fā)生。

隨著軟件成為機(jī)器人培訓(xùn)和支持的主要工具，這些角色可能會(huì)更多地融入IT技術(shù)?？紤]到這些技術(shù)的發(fā)展速度，企業(yè)可能會(huì)決定與垂直集成的解決方案提供商合作，讓他們更專注于發(fā)展業(yè)務(wù)，而供應(yīng)商則管理機(jī)器人。在這種情況下，機(jī)器人勞動(dòng)力將從分布式團(tuán)隊(duì)轉(zhuǎn)變?yōu)榧惺椒椒?，使機(jī)器人即服務(wù)公司能夠利用規(guī)模經(jīng)濟(jì)和集中培訓(xùn)。

當(dāng)談到如何克服阻礙人工智能快速應(yīng)用的障礙時(shí)，Bachert總結(jié)道，人工智能只是另一種可以用于工業(yè)自動(dòng)化的工具。隨著開源社區(qū)的持續(xù)發(fā)展，越來越多的預(yù)訓(xùn)練模型可用，這些技術(shù)進(jìn)入現(xiàn)實(shí)應(yīng)用的門檻會(huì)降低。然而他警告說，這種采用需要最終客戶在他們的團(tuán)隊(duì)中投資培訓(xùn)，因?yàn)槿斯ぶ悄芫哂蟹浅＊?dú)特的挑戰(zhàn)，而這些挑戰(zhàn)并不總是存在于簡單的計(jì)算機(jī)視覺或檢測應(yīng)用程序中。