机器学习在工业生产中的应用场景

机器学习在工业生产中的应用场景  Machine Learning in induatry production
      机器学习作为人工智能的最有效的实现方法，已经在工业制造等众多场景中得到了广泛应用，以下是机器学习在工业生产中的五个应用场景。       （一）代替肉眼检查作业，实现制造检查智能化和无人化       例如工程岩体的分类，目前主要是通过有经验的工程师通过仔细鉴别来判断，效率比较低，并且因人而异会产生不同的判断偏差。通过采用人工智能，把工程师的经验转化为深度学习算法，判断的准确率和人工判断相当，得到对应的权值后开发出APP，这样工程人员在使用平板拍照后，就可以通过APP自动得到工程岩体分类的结果，高效而且准确率高。       （二）大幅改善工业机器人的作业性能，提升制造流程的自动化和无人化       工业上有许多需要分捡的作业，如果采用人工的作业，速度缓慢且成本高，而且还需要提供适宜的工作温度环境。如果采用工业机器人的话，可以大幅减低成本，提高速度。例如图4所示的Bin Picking机器人。  

图1 机器学习 
    但是，一般需要分捡的零件并没有被整齐摆放，机器人虽然有摄像机看到零件，但却不知道如何把零件成功的捡起来。在这种情况下，利用机器学习，先让工业机器人随机的进行一次分捡动作，然后告诉它这次动作是成功分捡到零件还是抓空了，经过多次训练之后，机器人就会知道按照怎样的顺序来分捡才有更高的成功率，如图2所示。
      图2 利用机器学习来进行散堆拾取       如图3所示，经过机器学习后，机器人知道了分捡时夹圆柱的哪个位置会有更高的捡起成功率。
    图3 实验影像       如图4表明通过机器学习后，机器人知道按照怎样的顺序分捡，成功率会更高，图中数字是分捡的先后次序。  

      图4 确定分拣顺序       如图5所示，经过8个小时的学习后，机器人的分捡成功率可以达到90%，和熟练工人的水平相当。  

    图5 分捡成功率大幅提升