杜海榮

（安陽市三角湖公園管理站，河南 安陽 455000）

0 引言

隨著社會(huì)文明程度的不斷提升，賦予景觀園林的功能也逐漸多樣化，服務(wù)對(duì)象也逐漸囊括了了所有年齡段。過去。景觀園林僅服務(wù)于老年人，而現(xiàn)代化園林已面向了兒童、中青年，因此，在開展現(xiàn)代景觀園林建筑設(shè)計(jì)中，無論是兒童公園還是中老年健身場(chǎng)館設(shè)計(jì)，都呈現(xiàn)更加精細(xì)化特點(diǎn)。這就造成傳統(tǒng)的景觀園林設(shè)計(jì)方式存在的問題越發(fā)明顯，嚴(yán)重限制了城市景觀園林建設(shè)的健康發(fā)展。本研究基于相關(guān)學(xué)者研究資料的梳理，在概述了人工智能技術(shù)專家系統(tǒng)、機(jī)器學(xué)習(xí)、智能優(yōu)化計(jì)算及遷移學(xué)習(xí)等方面內(nèi)容基礎(chǔ)上，對(duì)城市景觀園林設(shè)計(jì)中人工智能技術(shù)的具體應(yīng)用方面展開了深入分析，以求增強(qiáng)公園景觀效果。

1 人工智能技術(shù)概述

人工智能就是融合了數(shù)學(xué)、統(tǒng)計(jì)學(xué)、邏輯學(xué)與倫理學(xué)于一體的交叉性學(xué)科，其基本思路是借助計(jì)算機(jī)智能載體，實(shí)現(xiàn)相應(yīng)工作環(huán)境中的對(duì)象分析效率提升。機(jī)器學(xué)習(xí)是人工智能技術(shù)的核心研究方向，通過算法的不斷改進(jìn)，使歷史數(shù)據(jù)得到精確分析與處理?，F(xiàn)階段，應(yīng)用最為廣泛的機(jī)器學(xué)習(xí)方法主要包括傳統(tǒng)機(jī)器學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)以及智能優(yōu)化計(jì)算。隨著人工智能技術(shù)水平的進(jìn)一步提升，對(duì)于人工智能技術(shù)的研究已逐漸從淺層的傳統(tǒng)機(jī)器學(xué)習(xí)模型過渡到深度學(xué)習(xí)模型，這一轉(zhuǎn)型使電力設(shè)備狀態(tài)的分析結(jié)果更具準(zhǔn)確性與高效性[3]。

1.1 專家系統(tǒng)

專家系統(tǒng)是最早的人工智能雛形，其實(shí)現(xiàn)形式就是對(duì)專家決策能力的計(jì)算機(jī)系統(tǒng)進(jìn)行模擬，然后以知識(shí)庫為基礎(chǔ)進(jìn)行推理、演進(jìn)。知識(shí)庫的主要功能是對(duì)某領(lǐng)域內(nèi)專家所提供的知識(shí)經(jīng)驗(yàn)信息；推理機(jī)則是通過對(duì)行業(yè)領(lǐng)域內(nèi)專家思維過程的模擬，對(duì)相關(guān)問題進(jìn)行控制、求解，實(shí)現(xiàn)狀態(tài)的準(zhǔn)確識(shí)別。根據(jù)系統(tǒng)功能的不同，專家系統(tǒng)又可細(xì)分為診斷型專家系統(tǒng)、預(yù)測(cè)型專家系統(tǒng)、修理型專家系統(tǒng)及規(guī)劃型專家系統(tǒng)4 類。

1.2 機(jī)器學(xué)習(xí)

1.2.1 傳統(tǒng)機(jī)器學(xué)習(xí)

對(duì)于傳統(tǒng)機(jī)器學(xué)習(xí)而言，其主要目標(biāo)就是進(jìn)行相關(guān)數(shù)據(jù)標(biāo)識(shí)，所以，它可被細(xì)分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)及半監(jiān)督學(xué)習(xí)，學(xué)習(xí)算法過程如表1 所示。

表1 傳統(tǒng)機(jī)器學(xué)習(xí)算法

1.2.2 集成學(xué)習(xí)

集成學(xué)習(xí)就是在傳統(tǒng)機(jī)器學(xué)習(xí)基礎(chǔ)上通過不斷演進(jìn)與升華而成，其實(shí)質(zhì)就是將多個(gè)體學(xué)習(xí)結(jié)果集于一身的集成式學(xué)習(xí)方法。集成學(xué)習(xí)的基本思路就是通過對(duì)多個(gè)體學(xué)習(xí)器同時(shí)解決同一問題的思路、方法的訓(xùn)練，并對(duì)相關(guān)規(guī)格進(jìn)行學(xué)習(xí)結(jié)果整合，從而獲得更加顯著的泛化性能。

對(duì)于集成學(xué)習(xí)算法分類，可從各個(gè)體學(xué)習(xí)器生成方式及依賴程度進(jìn)行考慮，一般將其分為Boosting 算法和Bagging 算法。Boosting 算法就是在初始訓(xùn)練集時(shí)，對(duì)各個(gè)訓(xùn)練樣本的初始權(quán)重進(jìn)行平均分配，訓(xùn)練處弱學(xué)習(xí)器1，然后再根據(jù)計(jì)算錯(cuò)誤率進(jìn)行訓(xùn)練樣本權(quán)重更新，從而訓(xùn)練處弱學(xué)習(xí)器2，如此往復(fù)，直至達(dá)到最大迭代輪數(shù)T，最后再結(jié)合相關(guān)策略對(duì)所有弱學(xué)習(xí)器進(jìn)行整合，形成強(qiáng)學(xué)習(xí)器。Boosting 算法原理如圖1 所示。

圖1 Boosting 算法原理

1.2.3 深度學(xué)習(xí)

集成學(xué)習(xí)是基于傳統(tǒng)機(jī)器學(xué)習(xí)的不斷演進(jìn)與升華，它是集眾多個(gè)體學(xué)習(xí)器學(xué)習(xí)結(jié)果于一身的集成式學(xué)習(xí)方法。其基本思路是通過對(duì)各學(xué)習(xí)器在解決同一問題思路、方法的訓(xùn)練，并結(jié)合相關(guān)規(guī)格進(jìn)行學(xué)習(xí)結(jié)果的整合，從而獲得比單一學(xué)習(xí)器更加顯著的泛化性能。

從個(gè)體學(xué)習(xí)器生成方式及不同學(xué)習(xí)器依賴程度分析，集成學(xué)習(xí)可被分為Boosting 算法和Bagging 算法2 類。首先Boosting 算法的基本原理是先在初始訓(xùn)練集之初，就為各訓(xùn)練樣本的初始權(quán)重進(jìn)行平均分配，訓(xùn)練出弱學(xué)習(xí)器1；其次依據(jù)學(xué)習(xí)錯(cuò)誤率進(jìn)行訓(xùn)練樣本權(quán)重更新，并訓(xùn)練出弱學(xué)習(xí)器2；再次逐次重復(fù)，直至達(dá)到最大迭代輪數(shù)T；最后，依據(jù)相關(guān)策略對(duì)全部弱學(xué)習(xí)器進(jìn)行整合，最終形成強(qiáng)學(xué)習(xí)器。深度學(xué)習(xí)回歸預(yù)測(cè)模型如圖2 所示。

圖2 深度學(xué)習(xí)回歸預(yù)測(cè)模型

1.3 智能優(yōu)化計(jì)算

受到自然界與生物界規(guī)律的啟迪，智能優(yōu)化計(jì)算模型才得以形成，它是對(duì)問題求解算法的模仿設(shè)計(jì)，其中最具代表性的算法有進(jìn)化計(jì)算與群智能計(jì)算。在進(jìn)化計(jì)算中，遺傳算法最為典型；而群智能算法則以粒子群優(yōu)化算法和蟻群優(yōu)化算法為典型。相較于傳統(tǒng)的經(jīng)典數(shù)學(xué)算法，智能優(yōu)化計(jì)算的通用性及穩(wěn)定性更強(qiáng)，在實(shí)際運(yùn)用過程中，壓根就不需要通過建立相關(guān)數(shù)學(xué)模型或知識(shí)標(biāo)識(shí)，就能直接處理所輸入的數(shù)據(jù)信息，尤其在傳統(tǒng)算法無法快速有效解決的非線性問題上最突出，是數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)系統(tǒng)中最可靠的一種算法。

1.4 遷移學(xué)習(xí)

遷移學(xué)習(xí)就是將機(jī)器從一個(gè)場(chǎng)景遷移至另一個(gè)場(chǎng)景，對(duì)既有模型與目標(biāo)模型間的關(guān)系進(jìn)行分析，這一過程其實(shí)是模擬運(yùn)用人類所學(xué)解決現(xiàn)實(shí)生活中的問題的過程。在遷移學(xué)習(xí)中，沒有太多的局限性，可以在訓(xùn)練中應(yīng)用不同的數(shù)據(jù)域，這一特性不僅使算法性能得到改善，還能有效縮減訓(xùn)練時(shí)間，使學(xué)習(xí)算法的泛化性能得到有效提升，保障了樣本訓(xùn)練效率的提升。

2 現(xiàn)代景觀園林設(shè)計(jì)與人工智能之間的關(guān)系

現(xiàn)階段，中國(guó)景觀園林設(shè)計(jì)中還存在較多問題，其中最顯著的就是設(shè)計(jì)理念落后問題，致使設(shè)計(jì)方案脫離實(shí)際，但通過人工智能技術(shù)的應(yīng)用，就可很好地解決此問題。在人工智能技術(shù)應(yīng)用實(shí)踐中，需天譴對(duì)相關(guān)資料進(jìn)行收集、整理。同時(shí)提出預(yù)測(cè)性問題，設(shè)計(jì)人員結(jié)合自身知識(shí)儲(chǔ)備及工作經(jīng)驗(yàn)進(jìn)行一一解決，如此一來，就要求設(shè)計(jì)人員必須擁有豐富的專業(yè)知識(shí)儲(chǔ)備量，并能熟練運(yùn)用人工智能技術(shù)，運(yùn)用計(jì)算機(jī)系統(tǒng)自動(dòng)完成工程資料、數(shù)據(jù)信息、同類方案的剪碎、顯示與整理，實(shí)現(xiàn)人們環(huán)境的有效融合。例如，依托智能照明技術(shù)，在有效控制光污染基礎(chǔ)上創(chuàng)造出更美觀、更實(shí)用、更節(jié)能的照明景觀，以最大限度地提升現(xiàn)代盡管園林的實(shí)際效益。

3 現(xiàn)代景觀園林設(shè)計(jì)中工智能技術(shù)應(yīng)用機(jī)理

3.1 園林設(shè)計(jì)中電氣設(shè)備狀態(tài)特征提取

在現(xiàn)代智慧園林景觀設(shè)計(jì)中，很多基礎(chǔ)設(shè)施都包含有大量電氣設(shè)備，而這些電氣設(shè)備狀態(tài)數(shù)據(jù)信息源廣、體量大、關(guān)聯(lián)復(fù)雜程度高，依靠傳統(tǒng)的人工搜集與整理不僅加大工作人員的工作量，還無法保證信息的準(zhǔn)確性，但通過人工智能技術(shù)的科學(xué)應(yīng)用，就可借助相關(guān)傳感器進(jìn)行數(shù)據(jù)信息的自動(dòng)化收集與處理，同時(shí)結(jié)合計(jì)算結(jié)果進(jìn)行設(shè)備狀態(tài)診斷，確保各電氣設(shè)備始終處于安全運(yùn)行狀態(tài)中。

3.2 基礎(chǔ)設(shè)施設(shè)備運(yùn)維狀態(tài)的文本信息挖掘

伴隨著各類基礎(chǔ)設(shè)施設(shè)備夜以繼日的工作運(yùn)行，相關(guān)運(yùn)維工作也從未終止，在此期間會(huì)產(chǎn)生大量周期性巡檢日志、及運(yùn)維報(bào)告，耳褶系文本類數(shù)據(jù)信息中又包含了大量結(jié)構(gòu)化數(shù)據(jù)以外的設(shè)備故障信息，并夾帶大量數(shù)字、字母符號(hào)，使得關(guān)鍵信息的提取難度倍增，因此，只能提前對(duì)文本信息進(jìn)行精細(xì)化處理，并運(yùn)用對(duì)照表將其轉(zhuǎn)化為計(jì)算編碼，然后實(shí)現(xiàn)精準(zhǔn)提取，保障了數(shù)據(jù)信息的真實(shí)有效性。

3.3 圖像的特征識(shí)別

當(dāng)前，人工智能技術(shù)在挖掘數(shù)據(jù)特征時(shí)，主要通過三種方式實(shí)現(xiàn)，即圖像分割、圖像識(shí)別及語義分割。

因電園林設(shè)計(jì)中各類設(shè)備圖像背景異常復(fù)雜，因此，在進(jìn)行圖像分割時(shí)，首先應(yīng)將輸入圖像進(jìn)行統(tǒng)一的非重疊區(qū)域劃分，避免其受到干擾背景的影響，確保設(shè)備狀態(tài)評(píng)估的準(zhǔn)確性。最具代表性的圖像分割技術(shù)是K-means 硬聚類算法與FCM 軟聚類算法。前者計(jì)算過程較為復(fù)雜，其主要機(jī)理是借助余弦距離對(duì)圖像分層，將部分非關(guān)聯(lián)數(shù)據(jù)進(jìn)行剔除；而FCM 軟聚類算法則是通過對(duì)電力設(shè)備圖像信息中存在的不確定性的準(zhǔn)確描述，然后實(shí)現(xiàn)溫度特征的提取，有效改進(jìn)了初始值敏感缺點(diǎn)，保障了圖像分割的準(zhǔn)確性。

4 現(xiàn)在景觀園林設(shè)計(jì)中人工智能技術(shù)的科學(xué)應(yīng)用實(shí)踐

4.1 人工智能技術(shù)在照明景觀設(shè)計(jì)中的應(yīng)用

在傳統(tǒng)景觀園林設(shè)計(jì)中，照明設(shè)計(jì)房網(wǎng)往往只注重照明功能設(shè)計(jì)及氣氛調(diào)節(jié)設(shè)計(jì)，忽略了照明景觀設(shè)計(jì)中的人性化與互動(dòng)性。而通過人工智能技術(shù)的科學(xué)應(yīng)用，不僅能增強(qiáng)人們的視覺體驗(yàn)感，還能有效彌補(bǔ)以往照明景觀設(shè)計(jì)中存在的電力資源浪費(fèi)、燈光顏色搭配不合理等缺陷。在智能照明系統(tǒng)建設(shè)中，應(yīng)注重智能感應(yīng)系統(tǒng)設(shè)計(jì)，這一系統(tǒng)的主要功能是感知環(huán)境光線，并根據(jù)環(huán)境變化進(jìn)行光照強(qiáng)度及顏色太正，實(shí)現(xiàn)照明景觀的互動(dòng)性。

此外，傳統(tǒng)照明系統(tǒng)中，很多照明設(shè)備的狀態(tài)巡檢基本都是依靠人工進(jìn)行定期巡檢。在進(jìn)行人工巡檢時(shí)，會(huì)暴露出許許多多的問題，如安全系數(shù)低、受主觀影響強(qiáng)、受外界客觀因素影響大等。隨著深度學(xué)習(xí)技術(shù)水平的不斷提升，深度學(xué)習(xí)在照明景觀設(shè)備巡檢影像處理中得到了大范圍運(yùn)用，其實(shí)現(xiàn)過程就是借助機(jī)器人所采集到的各類數(shù)據(jù)信息進(jìn)行科學(xué)分析，從而實(shí)現(xiàn)對(duì)照明設(shè)備類型、異常運(yùn)行及內(nèi)部缺陷識(shí)別，真正做到了照明設(shè)備的無人化智能巡檢。基于深度學(xué)習(xí)的照明設(shè)備狀態(tài)智能化識(shí)別基本流程為：首先，要對(duì)大量數(shù)據(jù)信息進(jìn)行預(yù)處理，而后根據(jù)分析結(jié)果對(duì)異常數(shù)據(jù)進(jìn)行剔除，同時(shí)結(jié)合設(shè)備形態(tài)進(jìn)行樣本標(biāo)注訓(xùn)練；其次，在公共數(shù)據(jù)集下執(zhí)行深度學(xué)習(xí)模型預(yù)訓(xùn)練后，使用標(biāo)識(shí)訓(xùn)練集微調(diào)模型，使之得到大幅改善；最后，通過由機(jī)器人、無人機(jī)等將巡檢測(cè)試圖像傳輸至微調(diào)模型，從而獲得準(zhǔn)確識(shí)別結(jié)果。此過程中，圖像獲取與預(yù)處理犯法基本相同，因此無須進(jìn)行擴(kuò)展。照明設(shè)備狀態(tài)智能識(shí)別的關(guān)鍵是使用深度學(xué)習(xí)分析框架有效地檢測(cè)目標(biāo)，并提取和挖掘目標(biāo)特征。智能照明的實(shí)現(xiàn)，不僅極大地減輕了人們的作業(yè)強(qiáng)度，還極大地保障了照明效果及電力資源節(jié)約，促進(jìn)了城市的可持續(xù)發(fā)展。

4.2 人工智能技術(shù)在水景景觀設(shè)計(jì)中的應(yīng)用

在城市園林景觀中，水景景觀所占比例較大，其設(shè)計(jì)質(zhì)量會(huì)對(duì)整個(gè)園林景觀效果產(chǎn)生直接影響。過去，人們?cè)谶M(jìn)行水景景觀設(shè)計(jì)中，常用方法是水流引入、假山堆砌、噴泉系統(tǒng)構(gòu)建，但這一方式雖能夠到給人們一定的視覺沖擊，但縱觀整個(gè)水景景觀，活力不足，可循環(huán)程度低，后期維護(hù)成本極高，不利于城市園林管理單位的成本控制，基于此，只有在水景景觀設(shè)計(jì)中科學(xué)應(yīng)用人工智能技術(shù)，才能真正實(shí)現(xiàn)城市園林景觀建設(shè)的可持續(xù)發(fā)展。

在應(yīng)用實(shí)踐中，可借助人工智能感應(yīng)技術(shù)，形成光影水池、音樂噴泉等，構(gòu)建可持續(xù)性強(qiáng)的循環(huán)水體，充分發(fā)揮出水景活力功能。例如，在噴泉中心區(qū)域設(shè)計(jì)重力感應(yīng)裝置，當(dāng)?shù)乇碇亓_(dá)到一定程度后，噴泉水流及周邊匹配燈光便自行啟動(dòng)，增強(qiáng)美觀效果，當(dāng)運(yùn)行一段時(shí)間后，系統(tǒng)自行停止，此時(shí)，在噴泉周圍游玩的人們可拍照、嬉戲，增強(qiáng)與水景的互動(dòng)性。

4.3 在智能噴灌設(shè)計(jì)中的應(yīng)用

在建設(shè)現(xiàn)代景觀園林工程時(shí)，除考慮其時(shí)效性與美觀程度外，還應(yīng)考慮其后續(xù)養(yǎng)護(hù)問題。具體而言，就是在工程設(shè)計(jì)中，盡可能延長(zhǎng)園林景觀存在年限，提高植被成活率，保障現(xiàn)代園林景觀使用壽命，并使之維持在高水平范圍內(nèi)。為實(shí)現(xiàn)此目標(biāo)，就應(yīng)該在景觀園林設(shè)計(jì)過程中設(shè)計(jì)智能噴灌系統(tǒng)，并對(duì)噴灌系統(tǒng)進(jìn)行智能化控制設(shè)計(jì)。例如，在園林內(nèi)各方位安裝攝像頭，以及時(shí)獲取地表土壤信息獲取，如土壤溫濕度、肥沃度等，并運(yùn)用計(jì)算機(jī)技術(shù)對(duì)何時(shí)開啟/關(guān)閉噴灌系統(tǒng)進(jìn)行準(zhǔn)確判斷；當(dāng)控制系統(tǒng)判斷結(jié)果為土壤含水量低時(shí)，噴灌系統(tǒng)便就自動(dòng)開啟，實(shí)現(xiàn)園林內(nèi)植被的自動(dòng)化澆灌，待濕度達(dá)到一定程度后，自行切斷，保證園林內(nèi)植物不被干旱所擾。

4.4 在智能鋪裝設(shè)計(jì)中的應(yīng)用

地面鋪裝是實(shí)現(xiàn)現(xiàn)代園林景觀設(shè)計(jì)中的主要內(nèi)容。在進(jìn)行園林景觀鋪裝設(shè)計(jì)中，首先要保證其強(qiáng)度，其次才是視覺效果與美觀程度。過去，人們?cè)趫@林景觀地面鋪裝設(shè)計(jì)中，往往只注重其美觀效果，其功能效果無法真正體現(xiàn)。而現(xiàn)階段通過人工智能技術(shù)的應(yīng)用，就可實(shí)現(xiàn)鋪裝板塊的自動(dòng)生成及鋪裝顏色的科學(xué)選定，從而生成三維導(dǎo)視圖。在應(yīng)用實(shí)踐中，借助計(jì)算機(jī)系統(tǒng)根據(jù)現(xiàn)場(chǎng)地勢(shì)地貌進(jìn)行圖像投放動(dòng)態(tài)，實(shí)現(xiàn)動(dòng)園林地面鋪裝設(shè)計(jì)的優(yōu)化升級(jí)。此外，在運(yùn)用人工智能技術(shù)進(jìn)行地面鋪裝設(shè)計(jì)時(shí)，可借鑒其他成功案例，構(gòu)建“地面琴鍵”景觀，實(shí)現(xiàn)人、景的友好互動(dòng)，增強(qiáng)人們的喜悅感受。

5 人工智能技術(shù)應(yīng)用的局限性

5.1 人工智能技術(shù)尚缺乏理論層面的支撐

盡管當(dāng)前景觀園林設(shè)計(jì)中對(duì)于人工智能技術(shù)應(yīng)用表現(xiàn)出了較強(qiáng)的智能性、準(zhǔn)確性優(yōu)勢(shì)，但該技術(shù)應(yīng)問世尚晚，沒有太長(zhǎng)的應(yīng)用史，部分有價(jià)值的應(yīng)用經(jīng)驗(yàn)及數(shù)學(xué)理論支撐較為欠缺，因此，仍待進(jìn)一步研究，注重設(shè)備運(yùn)行機(jī)理、物理規(guī)律及專家經(jīng)驗(yàn)融合方面的智能算法深究，從而使數(shù)據(jù)分析與挖掘更具高效性與準(zhǔn)確性。

5.2 宏觀泛化能力不足

結(jié)合人工智能技術(shù)在景觀園林工程相關(guān)設(shè)備狀態(tài)分析應(yīng)用實(shí)踐來開，在某些特定設(shè)備的單一狀態(tài)分析中已顯示出較強(qiáng)的分析和學(xué)習(xí)能力，但僅適用于局部層面的設(shè)備部件類型、故障類型、故障定位的分析與判斷，泛化協(xié)調(diào)能力依然較弱。以人工智能技術(shù)為核心算法的電力設(shè)施狀態(tài)分析往往有助于決策制定，因此，應(yīng)進(jìn)一步加強(qiáng)現(xiàn)有分析、評(píng)估技術(shù)方法的整合優(yōu)化，建立更加完善的設(shè)施狀態(tài)數(shù)據(jù)融合框架。

5.3 快速解決問題

由于園林工程中很多電氣設(shè)備的運(yùn)行狀態(tài)會(huì)隨運(yùn)行實(shí)踐不停變化，且各設(shè)備運(yùn)行條件也不同，所以，在進(jìn)行狀態(tài)分析時(shí)，必須要求所用模型具備較為快速的響應(yīng)能力及在線處理能力?，F(xiàn)階段，設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)已呈現(xiàn)出多遠(yuǎn)異構(gòu)性質(zhì)，且人工智能技術(shù)應(yīng)用實(shí)踐中存在圖像處理時(shí)耗時(shí)過長(zhǎng)問題，難以滿足毫秒級(jí)處理要求，所以，必須對(duì)系統(tǒng)快速響應(yīng)能力進(jìn)行重點(diǎn)研究。一方面，要實(shí)現(xiàn)一、二次設(shè)備融合技術(shù)與邊緣計(jì)算技術(shù)的優(yōu)化，將數(shù)據(jù)識(shí)別系統(tǒng)、狀態(tài)分析系統(tǒng)及設(shè)備行為納入智能傳感器中，同時(shí)對(duì)集成傳感器與深度學(xué)習(xí)芯片進(jìn)行科學(xué)整合，實(shí)現(xiàn)園林基礎(chǔ)設(shè)施設(shè)備狀態(tài)的精準(zhǔn)分析。另一方面借助設(shè)備云后臺(tái)進(jìn)行設(shè)備故障算法訓(xùn)練，并將診斷依據(jù)通過物聯(lián)網(wǎng)傳輸至邊緣計(jì)算設(shè)備中，實(shí)現(xiàn)狀態(tài)分析算法響應(yīng)時(shí)間的有效縮減。

6 結(jié)語

在大數(shù)據(jù)技術(shù)水平不斷提升背景下，人工智能技術(shù)被廣泛應(yīng)用于各行業(yè)領(lǐng)域內(nèi)，尤其是在景觀園林設(shè)計(jì)中得到有效應(yīng)用，使得園林景觀性、經(jīng)濟(jì)性及環(huán)保性效果更佳。然而，基于人工智能技術(shù)在園林景觀設(shè)計(jì)中的運(yùn)用還尚處在進(jìn)一步探索階段，一些核心技術(shù)仍需在進(jìn)一步探索研究中進(jìn)行優(yōu)化。本文主要介紹了以深度學(xué)習(xí)為核心的人工智能技術(shù)在照明景觀、水景景觀及鋪裝景觀方面的應(yīng)用，已凸顯其強(qiáng)大的泛化能力，相信隨著研究工作的進(jìn)一步深入，必將為城市景觀園林建設(shè)作出更大貢獻(xiàn)。