国产一区二区中文/国产精品久久久久久久久久尿/av黄色片/国产网站精品 - 国产叼嘿视频在线观看网站

四、深度學(xué)習(xí)

       隨著數(shù)據(jù)爆炸式增長，傳統(tǒng)的統(tǒng)計(jì)建模方式已經(jīng)難以處理高維度、非結(jié)構(gòu)化的數(shù)據(jù)。此時(shí)，深度學(xué)習(xí)技術(shù)因其具備處理高維度、非線性數(shù)據(jù)模式的固有能力，開始登上歷史舞臺。

      智能制造大力發(fā)展的今天，深度學(xué)習(xí)技術(shù)可以輔助零部件和材料缺陷檢測。在生產(chǎn)制造過程中，可能會出現(xiàn)劃痕、裂紋等損壞，使產(chǎn)品不能用于生產(chǎn)線上的下一道工序。深度學(xué)習(xí)技術(shù)可以在毫秒內(nèi)檢測到裂紋、劃傷等缺陷。具體地，通過深度神經(jīng)網(wǎng)絡(luò)系統(tǒng)，可以從歷史樣本中自動提取各種缺陷特征，從圖片中自動識別可能的缺陷并加以標(biāo)識，能夠讓工作人員快速發(fā)現(xiàn)并且糾正，從而提升產(chǎn)品質(zhì)量和工作效率。其實(shí)這種應(yīng)用非常類似于之前Watson的醫(yī)療診斷應(yīng)用，都是通過圖片信息來識別問題所在，這方面機(jī)器的效率要遠(yuǎn)遠(yuǎn)高于普通工人。幾萬張圖片，深度學(xué)習(xí)的機(jī)器可以在一秒之內(nèi)完成識別和標(biāo)注，如果人為的話至少需要兩個(gè)小時(shí)。據(jù)IBM資料顯示，通過深度學(xué)習(xí)，機(jī)器還可以在更多生產(chǎn)領(lǐng)域?qū)崿F(xiàn)智能制造。比如工件定位，也就是工件在機(jī)械臂上的位置情況；工件精度測量、不良品分揀以及工件裝配檢查等方面。

      斯坦福大學(xué)計(jì)算機(jī)系教授吳恩達(dá)（Andrew Ng）攜手富士康，幫助傳統(tǒng)制造業(yè)借助人工智能轉(zhuǎn)型升級。比如：通過利用深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，可以讓電腦快速學(xué)習(xí)做自動檢測的工作。人工智能介入了以后，工廠的誤判率會在上線時(shí)達(dá)到3%~4%的水平，并且會逐步減少到最低。

      2018年漢諾威工業(yè)展上，西門子展位展示的是搭載西門子Autonomous系統(tǒng)（用人工智能技術(shù)打造的增加生產(chǎn)柔性的系統(tǒng)）的KUKA機(jī)器人，這款機(jī)器人的最大優(yōu)勢在于其出色的靈活性。其中一臺樣機(jī)搭載了三維感知攝像機(jī)，基于圖像識別和深度學(xué)習(xí)技術(shù)，能對現(xiàn)場任何環(huán)境變化做出靈敏反應(yīng)，即時(shí)調(diào)整操作軌跡。這種技術(shù)可以大大增強(qiáng)生產(chǎn)線的柔性，不再局限于生產(chǎn)標(biāo)準(zhǔn)化產(chǎn)品。

此外，深度學(xué)習(xí)系統(tǒng)可以根據(jù)數(shù)百個(gè)工廠過程參數(shù)和產(chǎn)品設(shè)計(jì)變量來跟蹤用電量的模式，并可以動態(tài)地推薦最佳實(shí)踐以實(shí)現(xiàn)最佳利用率。例如，在可再生能源行業(yè)，可以利用深度學(xué)習(xí)算法的預(yù)測來繪制從依賴化石燃料到使用可持續(xù)能源的最佳過渡軌跡，而傳統(tǒng)的預(yù)測分析方法很難處理這種模式。

       另外，一條生產(chǎn)線突然發(fā)出故障報(bào)警，利用深度學(xué)習(xí)算法，可以使得機(jī)器能夠自己進(jìn)行診斷，找到問題出在哪里，原因是什么，同時(shí)還能夠根據(jù)歷史維護(hù)的記錄或者維護(hù)標(biāo)準(zhǔn)，告訴管理者如何解決故障，甚至讓機(jī)器自己解決問題、自我恢復(fù)。例如，在一個(gè)電網(wǎng)中，當(dāng)出現(xiàn)故障時(shí)，若利用常規(guī)方法識別電網(wǎng)的哪個(gè)地方出現(xiàn)了問題，通常準(zhǔn)確識別定位的可靠概率是80%。而西門子利用了深度學(xué)習(xí)技術(shù)對歷史故障事件學(xué)習(xí)，通過已經(jīng)分布在電網(wǎng)中的繼電器，來更好地判斷電網(wǎng)出了什么問題，出在哪個(gè)地方等。

      在智能制造的過程中，可將深度學(xué)習(xí)技術(shù)與其他技術(shù)進(jìn)行過融合，從而使得智能制造的過程更加精確和高效。例如，將神經(jīng)網(wǎng)絡(luò)融合到模式和圖像識別技術(shù)中，有助于提取圖像特征、優(yōu)選特征向量組成方案，從而優(yōu)化智能制造系統(tǒng)圖像識別技術(shù)。其次，利用基于多物理域信息多模式融合與深度學(xué)習(xí)的智能加工機(jī)器自主感知方法，從而可以有效地解決智能機(jī)器自主感知問題。而且，在深度學(xué)習(xí)的基礎(chǔ)上利用大數(shù)據(jù)分析技術(shù)，可以提高對機(jī)械零部件故障診斷的識別分類精度。此外，將深度學(xué)習(xí)、數(shù)字孿生（digital twin，DT）和信息物理系統(tǒng)（cyber-physical system，CPS）的架構(gòu)進(jìn)行集成，可以促進(jìn)傳統(tǒng)制造向智能制造和工業(yè)4.0的轉(zhuǎn)型。

未完待續(xù)......