人工智能在纤维及其制品检验中的应用初论

李宗良

摘 要：中国制造2025确立了智能制造和创新驱动，人工智能和工业机器人的应用必将为工农生产带来颠覆性的变化，人口老龄化也期待人工智能及工业机器人在工农生产中发挥更多的作用。 本文通过对人工智能、大数据、工业机器人在纤维及其制品的检验应用进行初步的探讨，期望能解决纤维及其制品检验的一些重复而简单的工作，以提高了工作效率和工作质量，提升经济效益。

关键词：人工智能 纤维及其制品检验 应用 初论

1 前言

阿尔法狗与人类顶尖棋手的人机大战注定成为人工智能（AI）的里程碑事件，当人工智能变得越来越复杂，越来越聪明，以至于在多个领域超越人类的时候，我们可以尝试用人工智能技术解决我们在纤维及其制品检验中的一些技术问题。纤维及其制品的检验工作经历了手工检验，半自动化检验到到仪器化检验，但还是有一些简单重复性的劳动需要手工操作，比如干茧选茧检验、羽绒选绒检验工作、纤维鉴别等，这些工作简单而枯燥，技术含量不高，都是重复性的劳动，本文旨在对这些工作中怎么应用人工智能、大数据和工业机器人进行初步的

探讨。

2 系统分析

为了在纤维及其制品检验中让机器人替代人手，以羽绒选绒检验为例，首先得让计算机系统识别什么是毛片、羽丝、绒丝、绒子；以桑蚕干茧选茧为例，必须得让计算机系统识别什么是毛脚茧、双宫茧、柴印茧、特小茧、薄皮茧、口茧等，这实际上就是让人工智能进行图像分类，专业技术称模式识别。为了能识别并进行分类，计算机系统必须要安装有3D视觉系统，识别并确定位置，通过事先训练好的模型数据，识别出类别后，再通过工业协作机器人的机器臂末端操纵器分拣到相应器具中。

2.1 识别原理

人工智能（AI）已经遍布我们的世界，现已广泛应用我们的生活。人脸识别、车牌号识别、语音录入、美图秀秀，您的智能手机、各种商城的智能推送，各大搜索引擎的搜索算法都有着或多或少的人工智能的身影。在人工智能技术广泛使用之前，计算机科学家花了10多年时间研究手写识别0到9的阿拉伯数字，效率平平，识别错误高，自从应用人工智能技术后，甚至人眼不能识别的手写数字，人工智能技术都能很好的

识别。

当然，人工智能（AI）并不是什么魔法，是一门严谨的科学，专注于设计智能系统和智能机器，其中使用的算法技术在某些程度上借鉴了我们对大脑的了解。许多现代AI系统使用神经网络和计算机代码，模拟非常简单的、通过互相连接的单元组成的网络，有点像大脑中的神经元。这些网络可以通过修改单元之间的连接来学习经验，有点像人类和动物的大脑通过神经元之间的连接进行学习。现代神经网络可以学习识别模式、翻译语言、学习简单的逻辑推理，甚至创建图像并且形成新的想法。其中，“模式识别”是一项特别重要的功能——AI十分擅于识别大量数据中的模式，而这对于人类来说则没有那么容易。

人工智能技术速猛地发展得益计算速度快速提升和大数据的发展，如果要让计算机对羽绒、桑蚕干茧、纤维等进行模式识别，得采集数万张图片，包含各个地域的各种类型的，然后设计专用神经网络，调整相关的参数，用这些图片对设计的神经网络进行训练，如果使用普通CPU来运算，得花费很多的时间，所以可以使用用英伟达的图形卡组成多通道运算，强大的算力是人工智能训练的基础，现代的计算机系统对于一般的办公应用而言已经算非常快速了，但在人工智能训练模型面前，就变得十分的缓慢。模型数据训练出来后，应用识别系统就不需要这么大的算力。

2.2 图片的采集和训练

图片使用手机app采集，把开发完成的app发送给全国同行各检测实验室采集图片数据，上传图像数据时要标明确定的类别，比如：毛脚茧、双宫茧或羽丝、绒子等等，采集图像数量5到10万张，对如此之多的图片进行处理，得使用大数据技术，这也是为什么人工智能技术在很多年以前就有研究，最近才得到迅猛發展，这是因为人工智能需要处理海量的数据，大数据处理技术发展是人工智能技术发展的原因之一。

图像人工智能库分训练集和测试集两个类别，图像的分辨率根据训练的需要而定，不能太大，要不然训练的时间将成几何级的增长。所有采集到的图片要经过整理和人工事先确定类别，通过事先确定的分类告知神经网络进行训练，训练要使用的神经网络种类和参数要经过实践确定。后台使用图像库服务器，采集到一定数量的图片就可以进行神经网络的训练，也可以通过后台图像库服务器和神经网络训练服务器结合，一边采集一边进行训练。

模型的训练并不是一件简单的事情，并不是一步可以成功的。不同的识别领域，不同的识别种类，需要通过多次实践确定神经网络的类型，层次的大小，收敛参数设定，这都要反复试验测试，而每一次反复都需要耗费大量的时间，这是最难的地方。

训练的服务器可以使用8块英伟达的TESLA V100 型GPU运算显卡，每块卡的GPU芯片有5120个流处理单元，达到14T单精度浮点运算能力，这已是目前通用的运算能力比较强的图形处理芯片，格格也不便宜，几万元一块。

2.3 训练结果集的使用

一旦经过了大量样本数据库的训练，训练的模型就包含了这些已经标记图片的特征，对未知图像的识别分类就依赖这些训练好的“特征”模型，通过视觉系统拍照并进行分类。

训练好的的模型数据通过应用系统，3D视觉系统拍照并进行定位，应用系统对拍照的图片进行识别分类，识别后再通过工业协作机器人末端操纵器对已经定位并识别的干茧、羽绒进行分拣操作，对识别的纤维种类进行标记。

选择工业协作机器人是因为工业协作机器人相对于工业机器人而言更安全，工业协作机器速度慢，碰到人后会自动停住，安全性高，而工业机器人速度快，必须使用围栏（含电子围栏）围住才能保证区域内的人身安全。

由于各种不同检验样品分拣需求不一样，对于蚕茧或羽绒，需要不同的末端操纵器，可以自行设计适合的末端操纵装置，然后使用3D打印机打印并组装测试。

2.4 相关问题

该系统基于我国当前技术，已算是很复杂的技术水平，技术难度高，可以分步实现，首先进行图像采集并训练模型，对训练好的模型可通过手机APP进行广泛验证，验证的原理就是通过手机拍照识别的类别和真实的类别比较，验证模型的识别的正确率。目前国内人工智能和工业协作机器人进行无序分拣可以做到对蘑菇进行分类分拣，但图像扫描是在分拣平台上方放一个扫描仪，技术细节有待深入研究。

其次，由于工业协作机器人的速度较慢，使用机器人进行智能分拣的速度不一定比人工分拣速度快，甚至还要慢，再加上工业协作机器人的价格昂贵，目前性价比成本比人工高出很多。

3 小结

任何科技的进步都不是一蹴而就的，有时需要很长时间的研究和实践。本文对人工智能、大数据及工业协作机器人在纤维及制品检验中的应用进行了初步讨论，旨在起到抛砖引玉的作用，目前研究意义大于实际使用意义，在未来人工智能芯片和机器人成本大幅下降时性价比才有可能超过人工的方式，实际使用意义才较大。

参考文献：

[1] 纺织纤维与产品鉴别应用手册， 刑声远、周硕、曹小红著，化学工业出版社；

[2] 神经网络在棉花色征级检验中的研究应用进展， 《中国纤检》，2008（5）：60-63， 作者 雷雷

[3] 模糊逻辑理论在棉花色征检验中的应用， 《中国纤检》，2004（8）：22-25， 作者 雷雷

[4] Yann LeCun带你看懂人工智能：原理、技术和未来。《新智元》2016-12-02