人工智能技術(shù)助力鑄造行業(yè)發(fā)展

傅駿　吳高靜　李 強(qiáng)　藺虹賓　趙曉露　顧詩(shī)藝

關(guān)鍵詞：人工智能;鑄造;EasyDL;Tkinter

為引導(dǎo)鑄造企業(yè)規(guī)范發(fā)展，促進(jìn)行業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、優(yōu)化和轉(zhuǎn)型升級(jí)，2019年9月，中國(guó)鑄造協(xié)會(huì)頒布了團(tuán)體標(biāo)準(zhǔn)《鑄造企業(yè)規(guī)范條件》，從2020年1月1日起開(kāi)始施行。該標(biāo)準(zhǔn)對(duì)鑄造企業(yè)的建設(shè)條件與布局、企業(yè)規(guī)模、生產(chǎn)工藝、生產(chǎn)裝備、質(zhì)量管控、能源消耗、環(huán)境保護(hù)、安全生產(chǎn)及職業(yè)健康和監(jiān)督管理、員工素質(zhì)等提出了規(guī)范條件，提升新入職員工培養(yǎng)和老員工復(fù)訓(xùn)質(zhì)量、在鑄造生產(chǎn)環(huán)節(jié)引入智能技術(shù)手段已經(jīng)迫在眉睫，采用人工智能技術(shù)將引領(lǐng)鑄造業(yè)開(kāi)始新一輪變革。

目前，很多工作依賴(lài)人工的大量、繁復(fù)勞動(dòng)，需要曠日持久的經(jīng)驗(yàn)訓(xùn)練，比如醫(yī)生判斷病情、家具行業(yè)缺陷檢測(cè)、人工監(jiān)控生產(chǎn)區(qū)域安全狀況，借助人工智能可以有效避免人的心理、生理因素波動(dòng)和經(jīng)驗(yàn)欠缺造成的結(jié)果不確定、不穩(wěn)定。

本項(xiàng)目團(tuán)隊(duì)利用開(kāi)源人工智能平臺(tái)開(kāi)發(fā)了一系列鑄造用軟件，助力行業(yè)技術(shù)提升與員工培訓(xùn)，將鑄造員工從繁雜的體力勞動(dòng)中解放出來(lái)。

1 系統(tǒng)開(kāi)發(fā)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究方向。深度學(xué)習(xí)是通過(guò)大量的樣本訓(xùn)練，計(jì)算機(jī)自動(dòng)學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，最終達(dá)到能像人一樣具有分析學(xué)習(xí)能力的目的。深度學(xué)習(xí)在搜索技術(shù)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、機(jī)器翻譯、自然語(yǔ)言處理、多媒體學(xué)習(xí)、語(yǔ)音、推薦、個(gè)性化技術(shù)以及其他領(lǐng)域都取得了較多成果，與傳統(tǒng)的利用人工設(shè)計(jì)特征提取算法相比，基于深度學(xué)習(xí)的網(wǎng)絡(luò)模型具有自動(dòng)抽取海量數(shù)據(jù)高維特征的能力。深度卷積網(wǎng)絡(luò)通過(guò)從輸入層到輸出層的多層非線(xiàn)性映射和網(wǎng)絡(luò)的反向傳播完成層次特征的提取和學(xué)習(xí)。基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，通過(guò)多層卷積和池化操作，能自動(dòng)提取圖像特征，可顯著提高圖像識(shí)別的準(zhǔn)確率，無(wú)需人工干預(yù)，快速且準(zhǔn)確率高達(dá)95%[1]。

1.1 開(kāi)源人工智能技術(shù)開(kāi)發(fā)平臺(tái)

百度公司提供了百度大腦以及一系列人工智能開(kāi)放功能和開(kāi)放平臺(tái)，不要求用戶(hù)掌握高深的深度學(xué)習(xí)理論。其中，EasyDL人工智能技術(shù)開(kāi)發(fā)平臺(tái)集成了深度學(xué)習(xí)功能，用戶(hù)只需輸入素材（圖片、聲音、文本等），平臺(tái)就可以自動(dòng)進(jìn)行訓(xùn)練，提供軟件開(kāi)發(fā)工具包（Software Development Kit，SDK），具有圖像分類(lèi)、物體檢測(cè)、文本分類(lèi)、聲音分類(lèi)和視頻分類(lèi)五大功能，低成本、高精度的EasyDL正在眾多實(shí)際應(yīng)用中為各行企業(yè)賦能[2]。

1.2 使用流程

百度EasyDL平臺(tái)的主要使用流程包括素材準(zhǔn)備、訓(xùn)練、發(fā)布3個(gè)環(huán)節(jié)。

1.2.1 素材準(zhǔn)備

深度學(xué)習(xí)最重要的工作是分類(lèi)、收集素材和分類(lèi)整理。針對(duì)擬開(kāi)發(fā)的模塊，收集照片并分類(lèi)存放。EasyDL平臺(tái)要求每張圖片都?xì)w屬于一個(gè)分類(lèi)，一個(gè)模型最多支持1 000個(gè)分類(lèi)。分類(lèi)名由數(shù)字、中英文、中/下劃線(xiàn)組成，長(zhǎng)度上限為256字符。

在收集素材時(shí)，要保證權(quán)威性和準(zhǔn)確性。一般選擇每個(gè)類(lèi)別的90%左右生成zip壓縮包作為訓(xùn)練用，其余10%左右的圖片用作測(cè)試。

1.2.2 訓(xùn)練

每個(gè)類(lèi)型訓(xùn)練基本可在1 h內(nèi)完成，短的15 min左右。在訓(xùn)練時(shí)，可以離開(kāi)頁(yè)面、可以關(guān)機(jī)，由后臺(tái)自動(dòng)訓(xùn)練。訓(xùn)練完成后，消息發(fā)送到手機(jī)。采用測(cè)試集圖片測(cè)試效果。正確率偏低，可以用測(cè)試集糾正或者上傳更多照片重新訓(xùn)練，確保每一類(lèi)正確率不低于95%，方可投入使用。

1.2.3 發(fā)布

訓(xùn)練完成后，根據(jù)需要，分別發(fā)布公有云、設(shè)備SDK、私有服務(wù)器、軟硬件一體化4種類(lèi)型。其中，對(duì)于公有云，訓(xùn)練完成后，在“體驗(yàn)H5”中設(shè)置相關(guān)信息，用手機(jī)掃描二維碼后即可使用。用戶(hù)上傳手機(jī)中的照片或現(xiàn)場(chǎng)拍攝，系統(tǒng)自動(dòng)給出識(shí)別結(jié)果。對(duì)于設(shè)備SDK，百度AI開(kāi)放平臺(tái)使用OAuth2.0授權(quán)調(diào)用開(kāi)放API，推薦使用POST方法。對(duì)訓(xùn)練獲得的庫(kù)通過(guò)http請(qǐng)求獲得結(jié)果，關(guān)鍵代碼：

http=urllib3.PoolManager（）

img = base64.b64encode（pic.read（））

encoded_data = json.dumps（params）.encode（'utf-8'）

request=http.request（'POST'， url，body，headers）

1.3 設(shè)備SDK的GUI界面開(kāi)發(fā)

對(duì)設(shè)備SDK方式獲得的代碼進(jìn)行了基于Tkinter的二次開(kāi)發(fā)。其中，選擇圖片文件，并在圖形用戶(hù)界面（GraphicalUser Interface，GUI）的標(biāo)簽上顯示關(guān)鍵代碼：

pilImage = Image.open（filename）

hh=int（pilImage.height）

ww=int（pilImage.width）

tkImage = ImageTk.PhotoImage（image=pilImage）

labe1 =Label（root，image=tkImage）

labe1 .place（x=0，y=0）

1.4 “金相識(shí)別”系統(tǒng)

四川航檢科技公司和北京航空材料研究院合作，面向西南片區(qū)的航空航天企業(yè)開(kāi)展高溫合金等材料的物理性能檢測(cè)。目前在評(píng)定晶粒度時(shí)，采用劃分表格、對(duì)比標(biāo)準(zhǔn)圖片進(jìn)行評(píng)定，對(duì)檢測(cè)人員的水平和經(jīng)驗(yàn)依賴(lài)性較高，工作強(qiáng)度大，引入人工智能技術(shù)勢(shì)在必行。

項(xiàng)目組開(kāi)發(fā)了“金相識(shí)別”系統(tǒng)。其中，在創(chuàng)建數(shù)據(jù)集時(shí)，將所有收集來(lái)的50 μm金相分為5個(gè)等級(jí)，分別是7.5級(jí)、8.0級(jí)、8.5級(jí)、9.0級(jí)、9.5級(jí)。文件夾和圖片名一一對(duì)應(yīng)，將收集的300余張圖片通過(guò)裁剪的方式分成10張圖片，共獲得3 000余張圖片，放入對(duì)應(yīng)的文件夾。

使用者可以利用手機(jī)App或者網(wǎng)頁(yè)、單機(jī)PC版等方式，將金相圖片導(dǎo)入系統(tǒng)，系統(tǒng)將快速識(shí)別出該金相的晶粒度等級(jí)?！敖鹣嘧R(shí)別”的電腦版如圖1所示。

1.5“青銅器識(shí)別”系統(tǒng)

目前，已出土的青銅器數(shù)量眾多，讓人們感受到我國(guó)傳統(tǒng)文化的悠久歷史和深厚沉淀，其博大精深的思想內(nèi)涵已構(gòu)成我國(guó)的民族之魂。但數(shù)量和種類(lèi)繁多的青銅器也給人們準(zhǔn)確識(shí)別年代、形制、銘文造成了困擾。目前，傳統(tǒng)的青銅器識(shí)別方法主要為專(zhuān)家判斷，當(dāng)青銅器種類(lèi)較多時(shí)，需要大量專(zhuān)家參與，不僅工作量極大，同時(shí)結(jié)果也容易受專(zhuān)家主觀因素的影響[3]。

項(xiàng)目組為宣揚(yáng)青銅器，幫助更多的人認(rèn)識(shí)古代鑄造文化，設(shè)計(jì)了“青銅器識(shí)別”系統(tǒng)，將需要識(shí)別的青銅器分為5個(gè)類(lèi)別，并進(jìn)行上傳和訓(xùn)練。人們可以就此識(shí)別青銅器形制、紋飾和銘文，并學(xué)習(xí)青銅器和我國(guó)傳統(tǒng)文化相關(guān)知識(shí)。圖2為“青銅器識(shí)別”手機(jī)系統(tǒng)界面，用百度或微信App掃描二維碼，在手機(jī)端體驗(yàn)?zāi)Ｐ托Ч?/p>

2 結(jié)語(yǔ)

隨著人工智能技術(shù)的進(jìn)一步研究，鑄造水平不斷提高，人工智能在鑄造中的應(yīng)用前景更加廣闊。但就目前的情況來(lái)看，在現(xiàn)有基礎(chǔ)上拓寬應(yīng)用的范圍和提高應(yīng)用的效果，主要還需在人工智能技術(shù)上作進(jìn)一步研究。鑄造生產(chǎn)的多變復(fù)雜性及操作的人工經(jīng)驗(yàn)性，使人工智能的應(yīng)用受到限制。此外，一些工藝參數(shù)的定量化實(shí)現(xiàn)也不容易，可通過(guò)提高鑄造生產(chǎn)的自動(dòng)化水平、減少人為干預(yù)進(jìn)行解決。隨著技術(shù)的飛速發(fā)展，人工智能技術(shù)也在進(jìn)一步完善，如多種方法混合技術(shù)、多專(zhuān)家系統(tǒng)技術(shù)、機(jī)器學(xué)習(xí)方法、并行分布處理技術(shù)等目前已引人注目，有效的新型人工智能技術(shù)指日可待，鑄造業(yè)也會(huì)有更廣闊的發(fā)展前景。