李金澤

摘要：智能機(jī)器人的發(fā)展有賴于數(shù)字算法和圖像識(shí)別等技術(shù)的支持，視覺作為智能機(jī)器人與現(xiàn)實(shí)世界相溝通的渠道和基礎(chǔ)，對(duì)于數(shù)字算法要求也極為苛刻。而圖像識(shí)別技術(shù)作為智能機(jī)器人視覺的基礎(chǔ)，同樣也需要算法的支持，但是受到當(dāng)前科技下算法等級(jí)的限制，智能機(jī)器人圖像識(shí)別的識(shí)別率想要進(jìn)一步發(fā)展卻受到了很大的限制。因此為了解決這一難題，我們可以通過(guò)深度神經(jīng)網(wǎng)絡(luò)，促進(jìn)智能機(jī)器人深度學(xué)習(xí)，再配合機(jī)器人分揀技術(shù)，這樣就有效可以提高機(jī)器人的智能性。

關(guān)鍵詞：機(jī)器人深度學(xué)習(xí) 圖像識(shí)別 卷積神經(jīng)網(wǎng)絡(luò)

引言

智能機(jī)器人的出現(xiàn)改變了人們的工業(yè)生產(chǎn)現(xiàn)狀以及日常生活方式，而科學(xué)技術(shù)的發(fā)展又為智能機(jī)器人不斷的增加新的功能，提高了他們的智能性。機(jī)器人的視覺識(shí)別技術(shù)在工業(yè)生產(chǎn)中發(fā)揮了很大的作用，通過(guò)對(duì)于圖像進(jìn)行掃描識(shí)別，機(jī)器人可以利用算法自行解決一些生產(chǎn)問(wèn)題，因此智能機(jī)器人對(duì)于改善生產(chǎn)效率發(fā)揮了很大的作用。但是，目前由于受到算法的限制，智能機(jī)器人的圖像掃描技術(shù)依然不理想，掃描出的圖像會(huì)出現(xiàn)模糊、殘缺、準(zhǔn)確度差、識(shí)別效率低等

不良現(xiàn)象，這些都是當(dāng)前智能機(jī)器人專業(yè)中亟待解決的問(wèn)題。

1智能機(jī)器人深度學(xué)習(xí)

所謂的智能機(jī)器人就是通過(guò)算法模擬正常人類的思維方式，再通過(guò)機(jī)器人的形式復(fù)制人類的思維方式并展示出來(lái)，思維方式越接近人類，機(jī)器人也就越智能。因此，人類想要讓自己變得更聰明就需要不斷學(xué)習(xí)，對(duì)于智能機(jī)器人而言也是同樣的道理。

在目前的人工智能領(lǐng)域中深度學(xué)習(xí)是比較熱門的一個(gè)研究課題，他也是目前科學(xué)家所發(fā)現(xiàn)的最為接近人類思維方式的一種學(xué)習(xí)模式。深度學(xué)習(xí)可以通過(guò)高精度的模擬方式，建立一個(gè)類似于人類大腦中神經(jīng)網(wǎng)絡(luò)的系統(tǒng)，全方位的模擬人類的大腦機(jī)制，并將現(xiàn)實(shí)世界分解成類似于圖像、音頻、文本等數(shù)據(jù)，利用算法思考和解決問(wèn)題，達(dá)到高精度擬人的人工智能模式。機(jī)器人的深度學(xué)習(xí)是通過(guò)神經(jīng)網(wǎng)絡(luò)將數(shù)據(jù)集合到一起作為輸入源再通過(guò)另一層神經(jīng)網(wǎng)絡(luò)激活相應(yīng)的算法函數(shù)，并將運(yùn)算完的數(shù)據(jù)再次集合到一起作為輸出源，傳遞向下一層神經(jīng)網(wǎng)絡(luò)。因此，數(shù)據(jù)在神經(jīng)網(wǎng)絡(luò)中逐層遞進(jìn)，經(jīng)過(guò)精準(zhǔn)復(fù)雜的處理，最終形成讓機(jī)器人產(chǎn)生類人行為的指令，機(jī)器人也就因此而表現(xiàn)出了智能化。智能機(jī)器人深度圖像與深度學(xué)習(xí)結(jié)合技術(shù)基本原理圖如圖一所示：

其實(shí)想讓機(jī)器人表現(xiàn)出接近人的思維方式和動(dòng)作行為都不是一個(gè)簡(jiǎn)單的問(wèn)題，其過(guò)程非常的復(fù)雜和精密過(guò)程中出現(xiàn)一點(diǎn)微小的差錯(cuò).都可能導(dǎo)致機(jī)器人的智能系統(tǒng)崩潰。因此為了能夠全面細(xì)致的進(jìn)行智能機(jī)器人的深度學(xué)習(xí)，可以將機(jī)器人的深度學(xué)習(xí)任務(wù)細(xì)分為幾個(gè)子任務(wù)進(jìn)行：

（1）機(jī)器人的智能識(shí)別是以圖像掃描識(shí)別技術(shù)為基礎(chǔ)的，因此在進(jìn)行智能識(shí)別調(diào)試時(shí)，可以結(jié)合機(jī)器人的分揀識(shí)別任務(wù)，深入研究智能機(jī)器人神經(jīng)網(wǎng)絡(luò)的運(yùn)作機(jī)理，通過(guò)深度學(xué)習(xí)和分析對(duì)同一個(gè)物體進(jìn)行多段掃描，并找出最佳的掃描識(shí)別方式。

（2）對(duì)于智能機(jī)器人而言，收集樣本、統(tǒng)計(jì)分析和處理數(shù)據(jù)是其最基本的能力，因此想要強(qiáng)化智能機(jī)器人的視覺識(shí)別技術(shù)，就要設(shè)計(jì)出精密度更大的視覺網(wǎng)絡(luò)模型，給機(jī)器人的視覺掃描足夠的技術(shù)支持。

（3）想要讓智能機(jī)器人表現(xiàn)出更精確的視覺識(shí)別技術(shù)，就要深入探究機(jī)器人的掃描識(shí)別框架以及機(jī)器人進(jìn)行圖像分類的學(xué)習(xí)框架，通過(guò)對(duì)識(shí)別框架的改良，從根本上解決機(jī)器人圖像掃描識(shí)別的問(wèn)題。

（4）通過(guò)反復(fù)試驗(yàn)驗(yàn)證學(xué)習(xí)模型的準(zhǔn)確率以及圖像模型的掃描識(shí)別率，最后進(jìn)行數(shù)據(jù)的分析和處理，并得出相應(yīng)的結(jié)論。

2國(guó)內(nèi)外研究現(xiàn)狀

目前國(guó)內(nèi)外的實(shí)驗(yàn)室對(duì)于智能機(jī)器人的圖像識(shí)別和分類技術(shù)研究已經(jīng)擁有了一定的成果，最初人們利用人工標(biāo)注的方式引導(dǎo)機(jī)器人進(jìn)行圖像識(shí)別，并將識(shí)別的圖像與機(jī)器人內(nèi)部?jī)?chǔ)存的圖像進(jìn)行對(duì)比，最后才能夠得出結(jié)論，進(jìn)行分類。但這種識(shí)別方式應(yīng)對(duì)隨機(jī)環(huán)境時(shí)表現(xiàn)出的智能性較差，且只能夠分析被標(biāo)注的、固定的圖像信息，對(duì)陌生信息的處理能力幾乎為零。因此研究人員為了改變這種狀況，通過(guò)提高計(jì)算機(jī)數(shù)字算法，企圖讓機(jī)器人擺脫人類標(biāo)注的控制。因此在各種圖像分類技術(shù)和算法的相繼提出之后，智能機(jī)器人終于可以擁有了自主的圖像掃描和識(shí)別能力，這種能力就是由基于智能機(jī)器人神經(jīng)網(wǎng)絡(luò)的的深度學(xué)習(xí)所賦予的。

研究人員通過(guò)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，配合最先進(jìn)的算法技術(shù)，讓機(jī)器人能夠自主觀察識(shí)別，并通過(guò)算法的分析，得出對(duì)物體特征性能等方面數(shù)據(jù)的分析結(jié)果，最后通過(guò)機(jī)器人的中央處理系統(tǒng)進(jìn)行一系列精密而復(fù)雜的數(shù)據(jù)處理，并對(duì)機(jī)器人發(fā)出相應(yīng)的行為指令。由于高科技算法的加入，因此這類智能機(jī)器人在圖像識(shí)別能力上與之前的機(jī)器人相比加強(qiáng)了很多，掃描識(shí)別的誤差被控制在了一個(gè)極小的范圍，圖像分類的錯(cuò)誤率也達(dá)到了可以接受的范圍程度。

3卷積神經(jīng)網(wǎng)絡(luò)

3.1卷積神經(jīng)網(wǎng)絡(luò)概述

卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史并不長(zhǎng)，使人工智能領(lǐng)域近幾年才興起的一種新型熱門技術(shù)。由于卷積神經(jīng)網(wǎng)絡(luò)具備超強(qiáng)的掃描識(shí)別和圖像處理技術(shù)，因此它被廣泛應(yīng)用到人工智能機(jī)器人身上，其次研究人員才大體上解決了智能機(jī)器人的視覺掃描和圖像分類問(wèn)題。由此可以說(shuō)，卷積神經(jīng)網(wǎng)絡(luò)在智能機(jī)器人領(lǐng)域發(fā)揮了重大的作用。

卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別和圖像掃描方面快創(chuàng)出了一條新的研究途徑，它區(qū)別于以往僅僅通過(guò)不同的算法來(lái)進(jìn)行圖像的識(shí)別和掃描。卷積神經(jīng)網(wǎng)絡(luò)根據(jù)局部感受野的啟發(fā)，利用權(quán)值共享結(jié)構(gòu)，有效的減少了神經(jīng)網(wǎng)絡(luò)運(yùn)行所需要的參數(shù)，降低了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，加快了圖像識(shí)別和掃描的速度，并且提高了準(zhǔn)確率。卷積神經(jīng)網(wǎng)絡(luò)原理圖如圖二所示：

3.2卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)相較于普通的神經(jīng)網(wǎng)絡(luò)，具備了相對(duì)簡(jiǎn)單的結(jié)構(gòu)，它除了擁有最基本的輸入層和輸出層之外還具有卷積層和全連接層。卷積神經(jīng)網(wǎng)絡(luò)利用權(quán)值共享結(jié)構(gòu)可以高效的處理圖像的掃描識(shí)別和識(shí)別任務(wù)，應(yīng)用的這種技術(shù)的機(jī)器人在反應(yīng)速度上已經(jīng)可以達(dá)到一個(gè)十分驚人的標(biāo)準(zhǔn)。

4結(jié)束語(yǔ)

伴隨世界經(jīng)濟(jì)與科技的發(fā)展，人力資源在未來(lái)必將得到充分的解放，一些重復(fù)單調(diào)、繁瑣復(fù)雜的工作完全可以由工作效率更高、精密度更大、準(zhǔn)確性更強(qiáng)的智能機(jī)器人來(lái)代替人工操作。而其余深度神經(jīng)網(wǎng)絡(luò)的視覺識(shí)別技術(shù)作為智能機(jī)器人從真實(shí)世界中獲取信息、實(shí)現(xiàn)智能的重要途徑之一，也必將在未來(lái)研究人員的深入挖掘下，使這項(xiàng)技術(shù)更加完善、高端，使智能機(jī)器人在未來(lái)?yè)碛懈鼜V闊的應(yīng)用市場(chǎng)，而智能機(jī)器人也能夠結(jié)合更多的高科技手段為人類提供更便捷、安全的服務(wù)。

參考文獻(xiàn)

[1]魏麗冉，岳峻，朱華，牟夢(mèng)嬡，楊照璐，基于深度神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作識(shí)別方法，濟(jì)南大學(xué)學(xué)報(bào)，自然科學(xué)版，2019. 03：215—223+228

[2]楊帆，基于卷積神經(jīng)網(wǎng)絡(luò)的肺結(jié)節(jié)分類算法的研究[Δ]，太原理工大學(xué)

[3]蔣鑫，基于深度學(xué)習(xí)的∑AP圖像目標(biāo)識(shí)別分類研究[Δ]電子科技大學(xué)

[4]張建恒，基于深度學(xué)習(xí)機(jī)制的智能秉性裝卸機(jī)器人視覺識(shí)別方法[Δ]重慶理工大學(xué)，2018