人工智能在纖維及其制品檢驗中的應用初論

李宗良

摘 要：中國制造2025確立了智能制造和創(chuàng)新驅(qū)動，人工智能和工業(yè)機器人的應用必將為工農(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)機器人在工農(nóng)生產(chǎn)中發(fā)揮更多的作用。 本文通過對人工智能、大數(shù)據(jù)、工業(yè)機器人在纖維及其制品的檢驗應用進行初步的探討，期望能解決纖維及其制品檢驗的一些重復而簡單的工作，以提高了工作效率和工作質(zhì)量，提升經(jīng)濟效益。

關鍵詞：人工智能 纖維及其制品檢驗 應用 初論

1 前言

阿爾法狗與人類頂尖棋手的人機大戰(zhàn)注定成為人工智能（AI）的里程碑事件，當人工智能變得越來越復雜，越來越聰明，以至于在多個領域超越人類的時候，我們可以嘗試用人工智能技術解決我們在纖維及其制品檢驗中的一些技術問題。纖維及其制品的檢驗工作經(jīng)歷了手工檢驗，半自動化檢驗到到儀器化檢驗，但還是有一些簡單重復性的勞動需要手工操作，比如干繭選繭檢驗、羽絨選絨檢驗工作、纖維鑒別等，這些工作簡單而枯燥，技術含量不高，都是重復性的勞動，本文旨在對這些工作中怎么應用人工智能、大數(shù)據(jù)和工業(yè)機器人進行初步的

探討。

2 系統(tǒng)分析

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

2.1 識別原理

人工智能（AI）已經(jīng)遍布我們的世界，現(xiàn)已廣泛應用我們的生活。人臉識別、車牌號識別、語音錄入、美圖秀秀，您的智能手機、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。在人工智能技術廣泛使用之前，計算機科學家花了10多年時間研究手寫識別0到9的阿拉伯數(shù)字，效率平平，識別錯誤高，自從應用人工智能技術后，甚至人眼不能識別的手寫數(shù)字，人工智能技術都能很好的

識別。

當然，人工智能（AI）并不是什么魔法，是一門嚴謹?shù)目茖W，專注于設計智能系統(tǒng)和智能機器，其中使用的算法技術在某些程度上借鑒了我們對大腦的了解。許多現(xiàn)代AI系統(tǒng)使用神經(jīng)網(wǎng)絡和計算機代碼，模擬非常簡單的、通過互相連接的單元組成的網(wǎng)絡，有點像大腦中的神經(jīng)元。這些網(wǎng)絡可以通過修改單元之間的連接來學習經(jīng)驗，有點像人類和動物的大腦通過神經(jīng)元之間的連接進行學習?，F(xiàn)代神經(jīng)網(wǎng)絡可以學習識別模式、翻譯語言、學習簡單的邏輯推理，甚至創(chuàng)建圖像并且形成新的想法。其中，“模式識別”是一項特別重要的功能——AI十分擅于識別大量數(shù)據(jù)中的模式，而這對于人類來說則沒有那么容易。

人工智能技術速猛地發(fā)展得益計算速度快速提升和大數(shù)據(jù)的發(fā)展，如果要讓計算機對羽絨、桑蠶干繭、纖維等進行模式識別，得采集數(shù)萬張圖片，包含各個地域的各種類型的，然后設計專用神經(jīng)網(wǎng)絡，調(diào)整相關的參數(shù)，用這些圖片對設計的神經(jīng)網(wǎng)絡進行訓練，如果使用普通CPU來運算，得花費很多的時間，所以可以使用用英偉達的圖形卡組成多通道運算，強大的算力是人工智能訓練的基礎，現(xiàn)代的計算機系統(tǒng)對于一般的辦公應用而言已經(jīng)算非?？焖倭?，但在人工智能訓練模型面前，就變得十分的緩慢。模型數(shù)據(jù)訓練出來后，應用識別系統(tǒng)就不需要這么大的算力。

2.2 圖片的采集和訓練

圖片使用手機app采集，把開發(fā)完成的app發(fā)送給全國同行各檢測實驗室采集圖片數(shù)據(jù)，上傳圖像數(shù)據(jù)時要標明確定的類別，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，對如此之多的圖片進行處理，得使用大數(shù)據(jù)技術，這也是為什么人工智能技術在很多年以前就有研究，最近才得到迅猛發(fā)展，這是因為人工智能需要處理海量的數(shù)據(jù)，大數(shù)據(jù)處理技術發(fā)展是人工智能技術發(fā)展的原因之一。

圖像人工智能庫分訓練集和測試集兩個類別，圖像的分辨率根據(jù)訓練的需要而定，不能太大，要不然訓練的時間將成幾何級的增長。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)絡進行訓練，訓練要使用的神經(jīng)網(wǎng)絡種類和參數(shù)要經(jīng)過實踐確定。后臺使用圖像庫服務器，采集到一定數(shù)量的圖片就可以進行神經(jīng)網(wǎng)絡的訓練，也可以通過后臺圖像庫服務器和神經(jīng)網(wǎng)絡訓練服務器結合，一邊采集一邊進行訓練。

模型的訓練并不是一件簡單的事情，并不是一步可以成功的。不同的識別領域，不同的識別種類，需要通過多次實踐確定神經(jīng)網(wǎng)絡的類型，層次的大小，收斂參數(shù)設定，這都要反復試驗測試，而每一次反復都需要耗費大量的時間，這是最難的地方。

訓練的服務器可以使用8塊英偉達的TESLA V100 型GPU運算顯卡，每塊卡的GPU芯片有5120個流處理單元，達到14T單精度浮點運算能力，這已是目前通用的運算能力比較強的圖形處理芯片，格格也不便宜，幾萬元一塊。

2.3 訓練結果集的使用

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

訓練好的的模型數(shù)據(jù)通過應用系統(tǒng)，3D視覺系統(tǒng)拍照并進行定位，應用系統(tǒng)對拍照的圖片進行識別分類，識別后再通過工業(yè)協(xié)作機器人末端操縱器對已經(jīng)定位并識別的干繭、羽絨進行分揀操作，對識別的纖維種類進行標記。

選擇工業(yè)協(xié)作機器人是因為工業(yè)協(xié)作機器人相對于工業(yè)機器人而言更安全，工業(yè)協(xié)作機器速度慢，碰到人后會自動停住，安全性高，而工業(yè)機器人速度快，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。

由于各種不同檢驗樣品分揀需求不一樣，對于蠶繭或羽絨，需要不同的末端操縱器，可以自行設計適合的末端操縱裝置，然后使用3D打印機打印并組裝測試。

2.4 相關問題

該系統(tǒng)基于我國當前技術，已算是很復雜的技術水平，技術難度高，可以分步實現(xiàn)，首先進行圖像采集并訓練模型，對訓練好的模型可通過手機APP進行廣泛驗證，驗證的原理就是通過手機拍照識別的類別和真實的類別比較，驗證模型的識別的正確率。目前國內(nèi)人工智能和工業(yè)協(xié)作機器人進行無序分揀可以做到對蘑菇進行分類分揀，但圖像掃描是在分揀平臺上方放一個掃描儀，技術細節(jié)有待深入研究。

其次，由于工業(yè)協(xié)作機器人的速度較慢，使用機器人進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)作機器人的價格昂貴，目前性價比成本比人工高出很多。

3 小結

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

參考文獻：

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

[2] 神經(jīng)網(wǎng)絡在棉花色征級檢驗中的研究應用進展， 《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中的應用， 《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、技術和未來。《新智元》2016-12-02