机器学习、人工智能在日本工业领域的应用

这一轮的人工智能更加强调“技术＋产业＋应用”的发展路径，已经逐渐延伸出AI＋零售，AI＋媒体，AI＋金融；AI＋医疗，AI＋安防，AI＋汽车等几个消费领域率先获得突破；而在数据不够殷实的工业领域，目前实际应用较为缺乏，具体应用以探索为主。

本文介绍日本工业领域的实际应用，从案例介绍来看，主要应用目标为提高作业效率、降低成本等为导向的。

国内的情况不了解，本人在东京从事人工智能的工作，日本这边人工智能技术应用于工业界的比较多，随便举几个例子吧：

（1）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，并且因人有不同的判断偏差。通过采用人工智能，把工程师的经验转化为深度学习算法，判断的淮确率和人工判断相当。得到对应的权值后开发出 app，这样现场工程人员在使用 tablet 拍照后，就可以通过 app 自动得到工程岩体分类的结果，高效且淮确率高。

还有汽车零部件厂商，目前检查生产出的零件磨损种类与等级情况时，多是有经验的人工。同样，通过採用深度学习算法，可以把人工的检测经验转化为算法，从而实现无人化检测。

（2）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

例如 bin picking 机器人，工业上有许多需要分捡的作业，如上图所示的零件分捡，采用人工的话，速度缓慢且成本高，而且还需要提供适宜的工作温度环境（夏天的空调，冬天的暖气等），如果采用工业机器人的话，可以大幅减低成本，提高速度。

但是，一般需要分捡的零件是没有整齐摆放的，机器人虽然有 camera 看到零件，但却不知道如何把零件成功的捡起来。这种情况下，使用机器学习，先让工业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，机器人会知道按照怎样的顺序来分捡，会有更高的成功率，如下图。

（上面的图片显示，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）

（上面的图片表明通过机器学习后，机器人知道按照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）