李宗良

摘 要：中國制造2025確立了智能制造和創(chuàng)新驅(qū)動(dòng)，人工智能和工業(yè)機(jī)器人的應(yīng)用必將為工農(nóng)生產(chǎn)帶來顛覆性的變化，人口老齡化也期待人工智能及工業(yè)機(jī)器人在工農(nóng)生產(chǎn)中發(fā)揮更多的作用。 本文通過對(duì)人工智能、大數(shù)據(jù)、工業(yè)機(jī)器人在纖維及其制品的檢驗(yàn)應(yīng)用進(jìn)行初步的探討，期望能解決纖維及其制品檢驗(yàn)的一些重復(fù)而簡單的工作，以提高了工作效率和工作質(zhì)量，提升經(jīng)濟(jì)效益。

關(guān)鍵詞：人工智能 纖維及其制品檢驗(yàn) 應(yīng)用 初論

1 前言

阿爾法狗與人類頂尖棋手的人機(jī)大戰(zhàn)注定成為人工智能（AI）的里程碑事件，當(dāng)人工智能變得越來越復(fù)雜，越來越聰明，以至于在多個(gè)領(lǐng)域超越人類的時(shí)候，我們可以嘗試用人工智能技術(shù)解決我們?cè)诶w維及其制品檢驗(yàn)中的一些技術(shù)問題。纖維及其制品的檢驗(yàn)工作經(jīng)歷了手工檢驗(yàn)，半自動(dòng)化檢驗(yàn)到到儀器化檢驗(yàn)，但還是有一些簡單重復(fù)性的勞動(dòng)需要手工操作，比如干繭選繭檢驗(yàn)、羽絨選絨檢驗(yàn)工作、纖維鑒別等，這些工作簡單而枯燥，技術(shù)含量不高，都是重復(fù)性的勞動(dòng)，本文旨在對(duì)這些工作中怎么應(yīng)用人工智能、大數(shù)據(jù)和工業(yè)機(jī)器人進(jìn)行初步的

探討。

2 系統(tǒng)分析

為了在纖維及其制品檢驗(yàn)中讓機(jī)器人替代人手，以羽絨選絨檢驗(yàn)為例，首先得讓計(jì)算機(jī)系統(tǒng)識(shí)別什么是毛片、羽絲、絨絲、絨子；以桑蠶干繭選繭為例，必須得讓計(jì)算機(jī)系統(tǒng)識(shí)別什么是毛腳繭、雙宮繭、柴印繭、特小繭、薄皮繭、口繭等，這實(shí)際上就是讓人工智能進(jìn)行圖像分類，專業(yè)技術(shù)稱模式識(shí)別。為了能識(shí)別并進(jìn)行分類，計(jì)算機(jī)系統(tǒng)必須要安裝有3D視覺系統(tǒng)，識(shí)別并確定位置，通過事先訓(xùn)練好的模型數(shù)據(jù)，識(shí)別出類別后，再通過工業(yè)協(xié)作機(jī)器人的機(jī)器臂末端操縱器分揀到相應(yīng)器具中。

2.1 識(shí)別原理

人工智能（AI）已經(jīng)遍布我們的世界，現(xiàn)已廣泛應(yīng)用我們的生活。人臉識(shí)別、車牌號(hào)識(shí)別、語音錄入、美圖秀秀，您的智能手機(jī)、各種商城的智能推送，各大搜索引擎的搜索算法都有著或多或少的人工智能的身影。在人工智能技術(shù)廣泛使用之前，計(jì)算機(jī)科學(xué)家花了10多年時(shí)間研究手寫識(shí)別0到9的阿拉伯?dāng)?shù)字，效率平平，識(shí)別錯(cuò)誤高，自從應(yīng)用人工智能技術(shù)后，甚至人眼不能識(shí)別的手寫數(shù)字，人工智能技術(shù)都能很好的

識(shí)別。

當(dāng)然，人工智能（AI）并不是什么魔法，是一門嚴(yán)謹(jǐn)?shù)目茖W(xué)，專注于設(shè)計(jì)智能系統(tǒng)和智能機(jī)器，其中使用的算法技術(shù)在某些程度上借鑒了我們對(duì)大腦的了解。許多現(xiàn)代AI系統(tǒng)使用神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)代碼，模擬非常簡單的、通過互相連接的單元組成的網(wǎng)絡(luò)，有點(diǎn)像大腦中的神經(jīng)元。這些網(wǎng)絡(luò)可以通過修改單元之間的連接來學(xué)習(xí)經(jīng)驗(yàn)，有點(diǎn)像人類和動(dòng)物的大腦通過神經(jīng)元之間的連接進(jìn)行學(xué)習(xí)?，F(xiàn)代神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)識(shí)別模式、翻譯語言、學(xué)習(xí)簡單的邏輯推理，甚至創(chuàng)建圖像并且形成新的想法。其中，“模式識(shí)別”是一項(xiàng)特別重要的功能——AI十分擅于識(shí)別大量數(shù)據(jù)中的模式，而這對(duì)于人類來說則沒有那么容易。

人工智能技術(shù)速猛地發(fā)展得益計(jì)算速度快速提升和大數(shù)據(jù)的發(fā)展，如果要讓計(jì)算機(jī)對(duì)羽絨、桑蠶干繭、纖維等進(jìn)行模式識(shí)別，得采集數(shù)萬張圖片，包含各個(gè)地域的各種類型的，然后設(shè)計(jì)專用神經(jīng)網(wǎng)絡(luò)，調(diào)整相關(guān)的參數(shù)，用這些圖片對(duì)設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，如果使用普通CPU來運(yùn)算，得花費(fèi)很多的時(shí)間，所以可以使用用英偉達(dá)的圖形卡組成多通道運(yùn)算，強(qiáng)大的算力是人工智能訓(xùn)練的基礎(chǔ)，現(xiàn)代的計(jì)算機(jī)系統(tǒng)對(duì)于一般的辦公應(yīng)用而言已經(jīng)算非?？焖倭?，但在人工智能訓(xùn)練模型面前，就變得十分的緩慢。模型數(shù)據(jù)訓(xùn)練出來后，應(yīng)用識(shí)別系統(tǒng)就不需要這么大的算力。

2.2 圖片的采集和訓(xùn)練

圖片使用手機(jī)app采集，把開發(fā)完成的app發(fā)送給全國同行各檢測(cè)實(shí)驗(yàn)室采集圖片數(shù)據(jù)，上傳圖像數(shù)據(jù)時(shí)要標(biāo)明確定的類別，比如：毛腳繭、雙宮繭或羽絲、絨子等等，采集圖像數(shù)量5到10萬張，對(duì)如此之多的圖片進(jìn)行處理，得使用大數(shù)據(jù)技術(shù)，這也是為什么人工智能技術(shù)在很多年以前就有研究，最近才得到迅猛發(fā)展，這是因?yàn)槿斯ぶ悄苄枰幚砗Ａ康臄?shù)據(jù)，大數(shù)據(jù)處理技術(shù)發(fā)展是人工智能技術(shù)發(fā)展的原因之一。

圖像人工智能庫分訓(xùn)練集和測(cè)試集兩個(gè)類別，圖像的分辨率根據(jù)訓(xùn)練的需要而定，不能太大，要不然訓(xùn)練的時(shí)間將成幾何級(jí)的增長。所有采集到的圖片要經(jīng)過整理和人工事先確定類別，通過事先確定的分類告知神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練要使用的神經(jīng)網(wǎng)絡(luò)種類和參數(shù)要經(jīng)過實(shí)踐確定。后臺(tái)使用圖像庫服務(wù)器，采集到一定數(shù)量的圖片就可以進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，也可以通過后臺(tái)圖像庫服務(wù)器和神經(jīng)網(wǎng)絡(luò)訓(xùn)練服務(wù)器結(jié)合，一邊采集一邊進(jìn)行訓(xùn)練。

模型的訓(xùn)練并不是一件簡單的事情，并不是一步可以成功的。不同的識(shí)別領(lǐng)域，不同的識(shí)別種類，需要通過多次實(shí)踐確定神經(jīng)網(wǎng)絡(luò)的類型，層次的大小，收斂參數(shù)設(shè)定，這都要反復(fù)試驗(yàn)測(cè)試，而每一次反復(fù)都需要耗費(fèi)大量的時(shí)間，這是最難的地方。

訓(xùn)練的服務(wù)器可以使用8塊英偉達(dá)的TESLA V100 型GPU運(yùn)算顯卡，每塊卡的GPU芯片有5120個(gè)流處理單元，達(dá)到14T單精度浮點(diǎn)運(yùn)算能力，這已是目前通用的運(yùn)算能力比較強(qiáng)的圖形處理芯片，格格也不便宜，幾萬元一塊。

2.3 訓(xùn)練結(jié)果集的使用

一旦經(jīng)過了大量樣本數(shù)據(jù)庫的訓(xùn)練，訓(xùn)練的模型就包含了這些已經(jīng)標(biāo)記圖片的特征，對(duì)未知圖像的識(shí)別分類就依賴這些訓(xùn)練好的“特征”模型，通過視覺系統(tǒng)拍照并進(jìn)行分類。

訓(xùn)練好的的模型數(shù)據(jù)通過應(yīng)用系統(tǒng)，3D視覺系統(tǒng)拍照并進(jìn)行定位，應(yīng)用系統(tǒng)對(duì)拍照的圖片進(jìn)行識(shí)別分類，識(shí)別后再通過工業(yè)協(xié)作機(jī)器人末端操縱器對(duì)已經(jīng)定位并識(shí)別的干繭、羽絨進(jìn)行分揀操作，對(duì)識(shí)別的纖維種類進(jìn)行標(biāo)記。

選擇工業(yè)協(xié)作機(jī)器人是因?yàn)楣I(yè)協(xié)作機(jī)器人相對(duì)于工業(yè)機(jī)器人而言更安全，工業(yè)協(xié)作機(jī)器速度慢，碰到人后會(huì)自動(dòng)停住，安全性高，而工業(yè)機(jī)器人速度快，必須使用圍欄（含電子圍欄）圍住才能保證區(qū)域內(nèi)的人身安全。

由于各種不同檢驗(yàn)樣品分揀需求不一樣，對(duì)于蠶繭或羽絨，需要不同的末端操縱器，可以自行設(shè)計(jì)適合的末端操縱裝置，然后使用3D打印機(jī)打印并組裝測(cè)試。

2.4 相關(guān)問題

該系統(tǒng)基于我國當(dāng)前技術(shù)，已算是很復(fù)雜的技術(shù)水平，技術(shù)難度高，可以分步實(shí)現(xiàn)，首先進(jìn)行圖像采集并訓(xùn)練模型，對(duì)訓(xùn)練好的模型可通過手機(jī)APP進(jìn)行廣泛驗(yàn)證，驗(yàn)證的原理就是通過手機(jī)拍照識(shí)別的類別和真實(shí)的類別比較，驗(yàn)證模型的識(shí)別的正確率。目前國內(nèi)人工智能和工業(yè)協(xié)作機(jī)器人進(jìn)行無序分揀可以做到對(duì)蘑菇進(jìn)行分類分揀，但圖像掃描是在分揀平臺(tái)上方放一個(gè)掃描儀，技術(shù)細(xì)節(jié)有待深入研究。

其次，由于工業(yè)協(xié)作機(jī)器人的速度較慢，使用機(jī)器人進(jìn)行智能分揀的速度不一定比人工分揀速度快，甚至還要慢，再加上工業(yè)協(xié)作機(jī)器人的價(jià)格昂貴，目前性價(jià)比成本比人工高出很多。

3 小結(jié)

任何科技的進(jìn)步都不是一蹴而就的，有時(shí)需要很長時(shí)間的研究和實(shí)踐。本文對(duì)人工智能、大數(shù)據(jù)及工業(yè)協(xié)作機(jī)器人在纖維及制品檢驗(yàn)中的應(yīng)用進(jìn)行了初步討論，旨在起到拋磚引玉的作用，目前研究意義大于實(shí)際使用意義，在未來人工智能芯片和機(jī)器人成本大幅下降時(shí)性價(jià)比才有可能超過人工的方式，實(shí)際使用意義才較大。

參考文獻(xiàn)：

[1] 紡織纖維與產(chǎn)品鑒別應(yīng)用手冊(cè)， 刑聲遠(yuǎn)、周碩、曹小紅著，化學(xué)工業(yè)出版社；

[2] 神經(jīng)網(wǎng)絡(luò)在棉花色征級(jí)檢驗(yàn)中的研究應(yīng)用進(jìn)展， 《中國纖檢》，2008（5）：60-63， 作者 雷雷

[3] 模糊邏輯理論在棉花色征檢驗(yàn)中的應(yīng)用， 《中國纖檢》，2004（8）：22-25， 作者 雷雷

[4] Yann LeCun帶你看懂人工智能：原理、技術(shù)和未來?！缎轮窃?016-12-02