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(mén)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(jué)、計(jì)算機(jī)視覺(jué)、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(jué)系統(tǒng)自動(dòng)化檢測(cè)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(guò)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(guò)程始于數(shù)據(jù)。例如，為了幫助機(jī)器視覺(jué)發(fā)現(xiàn)產(chǎn)品缺陷，制造商將通過(guò)上傳描述缺陷或特征的圖像來(lái)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(cè)出來(lái)。通過(guò)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(cè)試圖像驗(yàn)證結(jié)果，測(cè)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(lái)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(cè)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(cè)、特征分類和裝配驗(yàn)證等任務(wù)。具體來(lái)說(shuō)，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(shí)別特定特征的場(chǎng)景。

增強(qiáng)機(jī)器視覺(jué)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(cè)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(xiě)解決方案，購(gòu)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(chǎng)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(jué)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(shí)別問(wèn)題，持續(xù)改進(jìn)，并解鎖對(duì)各種制造流程的新見(jiàn)解。該系統(tǒng)結(jié)合了傳統(tǒng)的機(jī)器視覺(jué)工具，如條形碼讀取和光學(xué)字符識(shí)別以及機(jī)器學(xué)習(xí)功能，為系統(tǒng)添加額外的檢測(cè)功能。

產(chǎn)品副總裁MikeBruchanski表示:“人工智能不是魔法，它不能做所有事情，但它可以為自動(dòng)檢測(cè)系統(tǒng)添加強(qiáng)大的新功能。異常檢測(cè)——比如在谷物中找到一片透明的塑料——是一個(gè)基于機(jī)器學(xué)習(xí)的視覺(jué)工具的明確例子，它可以與機(jī)器視覺(jué)系統(tǒng)協(xié)同工作，進(jìn)行質(zhì)量控制。”

布魯尚斯基表示，Elementary視覺(jué)系統(tǒng)的常見(jiàn)檢測(cè)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(cè)版本)。

他說(shuō):“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或根本沒(méi)有，但我們的機(jī)器學(xué)習(xí)工具允許視覺(jué)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(shí)別到檢查焊縫的凹坑、空洞或裂縫。”

機(jī)器人的采用正在上升

近年來(lái)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(jiǎn)和簡(jiǎn)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(jiàn)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，rmo配備了預(yù)先訓(xùn)練過(guò)的人工智能算法。

RapidRobotics產(chǎn)品副總裁JuanAparicio表示:“每個(gè)RMO都是為滿足客戶獨(dú)特的生產(chǎn)要求而設(shè)計(jì)的。這些模塊化的工作單元可以讓制造商快速、低成本、低風(fēng)險(xiǎn)地?cái)U(kuò)展自動(dòng)化。”

阿帕里西奧表示，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。

“在我們的領(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(shuō)法是，自動(dòng)化已經(jīng)滲透到美國(guó)制造業(yè)。通過(guò)我們的工作，我們發(fā)現(xiàn)情況肯定不是這樣的。”

他補(bǔ)充說(shuō):“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(lái)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。”

Aparicio表示，基于人工智能的機(jī)器人部署有很多機(jī)會(huì)，包括質(zhì)量檢測(cè)、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在其自動(dòng)化解決方案中使用人工智能方法來(lái)識(shí)別，挑選和分類混合類型的物品。該公司利用cnn在一個(gè)大型對(duì)象數(shù)據(jù)集上進(jìn)行訓(xùn)練，以識(shí)別各種形狀、大小、顏色或材料的項(xiàng)目。如果軟件遇到一個(gè)它以前沒(méi)有見(jiàn)過(guò)的物體，它可以根據(jù)之前遇到過(guò)或訓(xùn)練過(guò)的類似物體來(lái)識(shí)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?；蜃远x項(xiàng)目，則可以在特定的數(shù)據(jù)集上對(duì)軟件進(jìn)行訓(xùn)練。

Photoneo公關(guān)專家AndreaPufflerova表示:“客戶通常需要一個(gè)機(jī)器人物品挑選系統(tǒng)，可以識(shí)別、挑選和分類各種形狀、大小、顏色或材料的物品。“將人工智能集成到這樣的解決方案中，使客戶能夠本地化和處理混合對(duì)象類型，包括水果或魚(yú)等有機(jī)產(chǎn)品。”

她補(bǔ)充說(shuō):“這甚至可能包括那些通常難以識(shí)別的物品，比如靈活、易變形、充滿褶皺和不規(guī)則的袋子。”

全面的定制解決方案

希望在運(yùn)營(yíng)中部署人工智能軟件的公司可以更進(jìn)一步，讓Prolucid這樣的公司構(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首席執(zhí)行官DarcyBachert解釋說(shuō):“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(jué)和基于人工智能的模型來(lái)幫助復(fù)雜的制造檢測(cè)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(jué)或其他現(xiàn)有工具以盡可能簡(jiǎn)單的方式解決問(wèn)題。如果我們遇到一個(gè)應(yīng)用程序，這些不太適合，那么我們會(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(kāi)始，比如異常檢測(cè)或特征分類。”

Bachert指出，TensorFlow等開(kāi)源平臺(tái)對(duì)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，以及整個(gè)Python生態(tài)系統(tǒng)。

他解釋說(shuō):“從零開(kāi)始開(kāi)發(fā)一個(gè)模型可能非常耗時(shí)，這對(duì)制造業(yè)客戶來(lái)說(shuō)往往是不切實(shí)際的。”然而，如果可以利用預(yù)先訓(xùn)練的版本，那么它就大大簡(jiǎn)化了初始投資。”

展望制造業(yè)人工智能的未來(lái)

人工智能在制造業(yè)的未來(lái)，自動(dòng)化將可能涉及使用高級(jí)分析來(lái)早期識(shí)別缺陷趨勢(shì)，并最終防止它們的發(fā)生。例如，機(jī)器學(xué)習(xí)可以識(shí)別出一家公司在一天中的某些時(shí)間內(nèi)什么時(shí)候產(chǎn)生了更多的缺陷，或者什么時(shí)候由于打印機(jī)墨水不足而導(dǎo)致日期代碼標(biāo)簽開(kāi)始褪色。根據(jù)Bruchanski的說(shuō)法，該技術(shù)將識(shí)別出進(jìn)程何時(shí)趨于糟糕，并向系統(tǒng)或操作員發(fā)送命令進(jìn)行調(diào)整。

他說(shuō):“在未來(lái)，機(jī)器學(xué)習(xí)可以通過(guò)檢測(cè)缺陷、識(shí)別錯(cuò)誤根源的趨勢(shì)來(lái)幫助優(yōu)化流程，并將這些數(shù)據(jù)提供給制造商，最終幫助他們進(jìn)一步實(shí)現(xiàn)無(wú)缺陷的環(huán)境。”

Pufflerova認(rèn)為，結(jié)合基于模型和人工智能驅(qū)動(dòng)方法的混合人工智能模型的發(fā)展也為工業(yè)應(yīng)用提供了潛力。

她說(shuō):“今天訓(xùn)練一個(gè)在有限的例子集上工作得相當(dāng)不錯(cuò)的系統(tǒng)可能還不夠——人們還需要理解它的內(nèi)部表示。與傳統(tǒng)的黑盒機(jī)器學(xué)習(xí)或深度學(xué)習(xí)方法相比，混合人工智能模型提供了更快、更簡(jiǎn)單的學(xué)習(xí)，以及更好的解釋性。”

對(duì)于Aparicio來(lái)說(shuō)，談?wù)摍C(jī)器人自動(dòng)化就很難不談?wù)撐磥?lái)的勞動(dòng)力。

他說(shuō):“就人工智能和自動(dòng)化使人類角色過(guò)時(shí)而言，機(jī)器人創(chuàng)新將帶來(lái)變化，但最終將為人類帶來(lái)更多機(jī)會(huì)。”“例如，機(jī)器人的部署總是需要工程師的參與，因?yàn)樗麄冃枰獏f(xié)調(diào)各種集成流程，混合硬件和軟件，并設(shè)計(jì)一個(gè)可靠的系統(tǒng)。”

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?？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)器人車隊(duì)。Bachert解釋說(shuō)，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)，巴切特總結(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。然而，他警告說(shuō)，“隨著開(kāi)源社區(qū)的持續(xù)發(fā)展，越來(lái)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(mén)檻會(huì)降低。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(jiǎn)單的計(jì)算機(jī)視覺(jué)或檢測(cè)應(yīng)用程序中。