康耐视博客

制造业人工智能:术语表

deep learning glossary brain

好像仅博士学位的人才有资格讨论人工智能,而实际上并非如此。只要理解几个与人工智能相关的基本术语和概念,就可以很容易地理解工厂自动化领域的一些最新技术和检测进步。

这些是工厂自动化人工智能研讨和文章中最常见的术语。

算法:帮助计算机实现目标的一系列指令和计算。在工厂自动化中,算法可以整理传感器、扫描仪和数字相机提供的海量数据,从中发现效率低下的地方,从而提高质量并推荐改进措施。学习算法使用试错和范例学习方法,在无人工干预的情况下优化生产流程。

人工智能 (AI):尝试模拟人类决策过程的计算技术,使用自动化执行人类难以完成的任务。AI 算法是工厂自动化的核心,因为此技术能够使用图像识别和自然语言处理等技术减少人为错误并预测生产挑战。

大数据:综合多种来源的大量数据,然后使用工具生成独特见解的技术。大数据是 AI 的基础,因为学习算法需要大量信息才能模拟人类决策过程并生成准确的预测。自动化工厂使用大数据分析充实其 AI 计划。

分类:将数据分为不同的类别以提高 AI 效果。在工厂自动化中,数据收集设备扫描生产环境并识别特定的物体,例如机器零件和电子组件。AI 算法可帮助分类这些物体,将它们送到生产线上的正确目的地。

聚类:将一组数据分到聚类中,以确定哪些是相似的,哪些是不同的。学习算法扫描聚类并解释其含义,然后预测正确的行动过程。例如,聚类算法处理光学扫描设备的数据,然后确定扫描检测到产品缺陷时应该怎么做。

数据清理:删除缺陷数据,提高学习算法的效果。AI 依赖于成熟的数据模型,这些模型必须有准确、可靠且一致的数据源。遗憾的是,数据收集过程中经常产生冗余、不准确、过时或者无用的信息。因此,清理数据可以降低风险并提高 AI 准确性。

深度学习:使用神经网络和范例学习算法在无人帮助的情况下实现逐渐自我改进的 AI 方法。与规则式算法的数据处理能力有严格界限不同,随着处理数据的增多,深度学习算法的效果会变得越来越好。在工厂自动化中,深度学习算法可以像人类一样标记出产品缺陷 −,但要快得多。

下载我们的免费资源:深度学习和机器视觉电子书

图像识别使用 AI 分析数字图像的内容。图像识别算法扫描成百万上亿的像素,然后使用深度学习区别人、位置和东西。这些技术使条码扫描和自动检测成为可能,从而大幅提高了自动化工厂的生产力。另见:机器视觉。

物联网 (IoT):将一个传感器网络连接到互联网,收集机器和人类行为的实时信息。设备包括手机、可穿戴设备、摄像头、交通监控器和机械与生产线中的传感器。IoT 传感器会生成机器学习所需的大量数量。

机器学习:无需人类编程即可改进结果的计算流程。机器学习算法训练计算机如何取得成功,避免获得学习成果所需经历的成百万上亿次的失败。例如图像识别,通过分析成百万上亿张图像学会区别数字图片中的不同物体。另见:训练数据。

机器视觉:识别物体特定特征的基于规则的算法。机器视觉技术使用光学扫描仪和数字相机的数据检测生产线上的零件和扫描配送中心的条码。虽然机器视觉工具的工作速度比人眼快得多,但深度学习可以大幅提高这些工具的准确性和效果。

神经网络:以人类神经系统的神经通路为灵感设计的算法和数据节点。神经网络模拟神经细胞接收信息,对它进行处理,然后发送给其他神经。神经网络中成千上万的处理节点负责找到例如图像、文本和说出的单词等数据中的模式。这些模式帮助算法判断下一步做什么,并从每一次成功任务中学习如何做得更好。

光学字符识别 (OCR):将印刷的数字、字母和字符转换成有意义的数字数据。虽然 OCR 技术已经有几十年的历史,但它仍然是工厂自动化和产品销售的关键。此外,人工智能技术极大地提高了 OCR 的准确性,使其能够扫描弯曲、撕裂、损坏和被塑料包装纸遮盖的标签。

机器人流程自动化 (RPA): 自动化生产流程的设备、软件和流程,可以提高生产力,将人类从繁琐的重复性任务中解放出来。RPA 设备包括完成焊接汽车零件或装配微处理器等任务的机械人臂。RPA 软件包括能够使之前需要人类输入的流程实现自动化的算法和应用。

结构化和非结构化数据:帮助机器理解数据意义并准确地进行处理的各种框架结构。结构化数据保存在一致的格式中,例如行、列、以及电子数据表的单元格中。非结构化数据就像文字处理文件中的文本或视频中的像素。AI 算法使工厂自动化系统能够从两种数据中提取“知识”。

群体智能:一起工作的一个算法集合,其智能超过群体中单个的能力。群体智能是以蜜蜂、鱼、鸟和其他社会组织为基础建立的模型,它将简单、具体的任务分配给个体机器学习算法。这些算法共同运行可以产生远超单个算法的学习成果。另外:神经网络。

训练数据:帮助 AI 算法学习的数字信息。深度学习和神经网络算法必须要了解好坏数据的差异。训练数据就是让算法学习这一点。例如在自动化工厂中,数字图像提供的训练数据可以帮助算法学习识别有缺陷的机器零件,避免其混入成品中。

若要了解如何使用 AI 和深度学习检测技术,请下载我们的免费 VisionPro ViDi 数据表

更多帖子

关于康耐视基于图像的条码读码器的更多信息:

获得更多产品支持与培训

加入MYCOGNEX

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

联系我们