人(rén)工智能

PCB闆作爲(wéi / wèi)現代電子(zǐ)設備的(de)重要(yào / yāo)組成部分，是(shì)集成各種電子(zǐ)元器件的(de)信息載體，在(zài)電子(zǐ)領域中有着廣泛的(de)應用，其質量可直接影響到(dào)産品的(de)性能。 而(ér)随着電子(zǐ)科技技術的(de)發展和(hé / huò)電子(zǐ)制造業的(de)發展，由于(yú)貼片元器件體積小，安裝密度大(dà)，這(zhè)就(jiù)要(yào / yāo)求PCB闆的(de)集成度進一(yī / yì ／yí)步提高。 01生産線的(de)傳統檢測 在(zài)工業生産早期，産品的(de)質量檢測主要(yào / yāo)靠人(rén)工來(lái)完成，并且這(zhè)也(yě)是(shì)生産的(de)最後一(yī / yì ／yí)個(gè)環節。 但是(shì)随着制造業規模化和(hé / huò)自動化的(de)發展，大(dà)規模的(de)産品堆積，質檢員很難跟上(shàng)檢測速度、...

2019年，我國(guó)發布《加快培育共享制造新模式新業态，促進制造業高質量發展的(de)指導意見》，意見提出(chū)要(yào / yāo)求支持平台企業積極應用人(rén)工智能技術，發展智能檢測功能，不(bù)斷提升制造全流程的(de)智能化水平。在(zài)工業領域，機器視覺是(shì)一(yī / yì ／yí)門不(bù)可或缺的(de)技術，以(yǐ)便采用卓越的(de)質量控制以(yǐ)及簡化流程來(lái)提高生産力并最大(dà)限度地(dì / de)減少代價高昂的(de)低效率，多個(gè)技術構成的(de)系統相互協調，以(yǐ)完成程序産品的(de)任務。 制造行業的(de)企業在(zài)保持高質量、生産力和(hé / huò)可靠性标準的(de)同時(shí)增加産量比以(yǐ)往任何時(shí)候都承受着更大(dà)的(de)壓力。消...

随着人(rén)工智能技術的(de)快速發展，工業智能正在(zài)成爲(wéi / wèi)推動制造業數字化轉型的(de)重要(yào / yāo)力量。基于(yú)不(bù)同的(de)數據類型和(hé / huò)數據智能化技術，IDC将工業智能劃分爲(wéi / wèi)三個(gè)主要(yào / yāo)方向，分别是(shì)工業視覺智能、工業數據智能和(hé / huò)工業交互智能。 工業視覺智能 工業視覺智能是(shì)應用最爲(wéi / wèi)廣泛的(de)一(yī / yì ／yí)種工業智能技術。它利用2D/3D視覺識别分析技術，可實現圖像質檢、機器人(rén)分揀、安全帽識别、機器人(rén)碼垛、危險動作識别等功能。 例如：圖像質檢可以(yǐ)通過對産品圖像進行比對和(hé / huò)分析，快速檢測出(chū)産品表面...

機器人(rén)下圍棋狂虐人(rén)類世界冠軍，甚至還能進化升級奇異機器人(rén)打Dota遊戲，更是(shì)把人(rén)類戰隊團滅，這(zhè)不(bù)是(shì)科幻片，就(jiù)發生在(zài)幾年之(zhī)前，這(zhè)些智能機器的(de)名字叫做人(rén)工智能，它到(dào)底如何影響着我們的(de)生活和(hé / huò)未來(lái)的(de)進步，我們一(yī / yì ／yí)一(yī / yì ／yí)解答。 什麽是(shì)人(rén)工智能？它最早誕生于(yú)上(shàng)世紀50年代，還要(yào / yāo)從一(yī / yì ／yí)位科學家說(shuō)起，你知道(dào)嗎？蘋果公司的(de)logo是(shì)一(yī / yì ／yí)顆被咬了(le／liǎo)一(yī / yì ／yí)口的(de)蘋果，就(jiù)是(shì)喬布斯紀念吃毒蘋果自殺的(de)圖靈，圖靈寫了(le／liǎo)一(yī / yì ／yí)篇名爲(wéi / wèi)《會思考的(de)機器》的(de)論文引起學術界思索，如何制造出(chū)一(yī / yì ／yí)種具有人(rén)類所有能力的(de)機器來(lái)代替我們...

一(yī / yì ／yí)、什麽是(shì)數據标注 首先談談什麽是(shì)數據标注。數據标注有許多類型，如分類、畫框、注釋、标記等等，我們會在(zài)下面詳談。要(yào / yāo)理解數據标注，得先理解AI其實是(shì)部分替代人(rén)的(de)認知功能。回想一(yī / yì ／yí)下我們是(shì)如何學習的(de)，例如我們學習認識蘋果，那麽就(jiù)需要(yào / yāo)有人(rén)拿着一(yī / yì ／yí)個(gè)蘋果到(dào)你面前告訴你，這(zhè)是(shì)一(yī / yì ／yí)個(gè)蘋果。然後以(yǐ)後你遇到(dào)了(le／liǎo)蘋果，你才知道(dào)這(zhè)玩意兒叫做“蘋果”。類比機器學習，我們要(yào / yāo)教他(tā)認識一(yī / yì ／yí)個(gè)蘋果，你直接給它一(yī / yì ／yí)張蘋果的(de)圖片，它是(shì)完全不(bù)知道(dào)這(zhè)是(shì)個(gè)啥玩意的(de)。我們得先有蘋果的(de)圖片，上(shàng)面标注着“蘋果”兩個(gè)字，然...

在(zài)機器學習中，經常聽到(dào)一(yī / yì ／yí)個(gè)詞：“模型訓練”，不(bù)禁疑惑： 模型是(shì)什麽東西？怎麽樣訓練的(de)？訓練後得到(dào)的(de)結果是(shì)什麽？ 下面用圖簡單描述個(gè)人(rén)理解： 在(zài)人(rén)工智能中，面對大(dà)量用戶輸入的(de)數據/素材，如果要(yào / yāo)在(zài)雜亂無章的(de)内容準确、容易地(dì / de)識别，輸出(chū)我們期待輸出(chū)的(de)圖像/語音，并不(bù)是(shì)那麽容易的(de)。因此算法就(jiù)顯得尤爲(wéi / wèi)重要(yào / yāo)了(le／liǎo)。 算法就(jiù)是(shì)我們所說(shuō)的(de)模型。 當然，算法的(de)内容，除了(le／liǎo)核心識别引擎，也(yě)包括各種配置參數，例如：語音智能識别的(de)比特率、采樣率、音色、音調、音高、音頻、抑揚頓挫、...