人工智能在电子工程中的应用

文/刘晓

我国正在大力开展企业转型升级，其中人工智能技术是企业成功完成转型升级的关键，能够有效的提升生产力水平。电子工程作为提升生产效率的手段，智能化将是其未来发展必然趋势。随着技术的发展，人工智能技术已经全面的应用在电子工程中，例如机械设备中的专家系统、智能算法、模糊推理系统等，其在电子工程的智能化发挥了重要作用，大幅度的提升了企业智能化和自动化水平。因此，相关的电子生产企业应重视产品的人工智能技术应用，同时培养和储备人工智能技术方面的专业技术人才，提升产品的市场竞争力。

1 人工智能技术与电子工程概述

1.1 人工智能技术

人工智能技术是在计算机技术的基础上，综合了控制学、生物学以及语言学等多种学科而成的智能学科领域，具有较强的综合性。人工智能在早期主要被应用在博弈研究以及翻译工作中，目前则在设备自动化、机器人以及专家系统等领域得到了长足的发展。

1.2 电子工程技术

电子工程指的是采用计算机和网络技术，对电子信息进行处理。这是现代技术的一个重要分支。它包括多种技术，如通信技术、电路系统技术、智能技术等。随着人工智能技术的发展，电子工程技术具备如下特点：首先，其性能趋于完善。结合智能技术发展，其性能更加完善。例如，机器人技术带动了电子工程技术发展，并解决了智能化程度较低的问题。其次，产业类型新颖。随着电子工程技术的迅速发展，在各领域得到广泛应用，其类型也越新颖。最后，技术智能化、节能。人工智能技术的迅速发展，对电子技术节能和智能化提出列高的要求，因此电子工程技术也朝这方向进行发展。

2 智能化技术在电子工程中的应用

在目前的电子工程领域内，人工智能技术已经得到了较为广泛的应用，主要有专家系统、视觉传感器、模糊推理系统以及神经网络系统等。

2.1 专家系统

随着技术不断的发展，设备的功能越来越多，电子元器件的数量急剧增加，使得设备故障检测和维修的难度非常大，如果仅仅依靠传统的人力，需要耗费大量时间。为了提升设备故障检测效率和运行安全，采用专家系统对设备的运行实时状态进行监测，而且当设备发生故障时还能够准确的评定出发生故障的位置及原因，并采用紧急措施保证设备运行的安全。专家系统是基于人工智能技术发展起来的计算机程序，其通过将大量积累的专家经验及知识以程序的形式储存至计算机系统中，从而建立起故障诊断数据库，同时数据库还能够不断的更新和完善。一旦设备发生故障，系统将会根据发生故障出现的现象和位置与数据库进行对比分析，给出故障诊断结果，为技术人员维修提供支持。

2.2 视觉传感器

在电子工程中的众多信人工智能技术中，视觉传感器是较早应用在电子工程领域中的技术。视觉传感器在电子工程中的主要工作原理是通过视觉传感器判定工作步骤的合理性，其可以判断的类型有多种，例如工位是否有工人、工作设备是处于工作状态还是闲置状态等。同时视觉传感器还可以通过在机械电子设备各个关节安装不同传感器的方式来判断设备的工作步骤是否合理，从而评价其对施工环境的影响。

2.3 模糊推理系统

模糊推理系统在电子工程中主要用来分析工程中的数据。模糊推理系统具有对模糊信息进行推理和处理的能力，使得电子工程中大量的模糊数据得到了有效地处理，从而提升了机械电子产品的精度。模糊推理系统的主要工作原理是模拟人类大脑思考和推理的过程，并将推理过程使用计算机语言表达出来。在一定的网络软件支持下，电子工程中数据的模糊推理过程能够使用函数将其表达，并使用函数储存的方式进行储存。模糊推理系统的劣势是目前和机械电子系统的联接尚不稳定，且模糊数据的推理精确度还不够高，使得其在电子工程中的广泛应用受到了一定的限制。

2.4 神经网络系统

神经网络系统在电子工程中主要用来存储工程中的数据。神经网络系统模拟人类大脑神经元的记忆储存方式，将电子工程生产过程中的数据储存在建立好的类神经元记忆模块中，其不但能够储存数据，还能够对这些数据进行一定的动态计算，整个计算过程就是模拟人类的神经元工作方式，通过信息储存以及定向提取的过程完成计算。神经网络系统能够精确且快速的储存和计算电子工程生产过程中的数据，从而提高电子工程生产过程中的生产质量和效率。

3 人工智能技术在电子工程中的应用实例

随着我国车辆数量的日益攀升，车牌定位系统在我们日常的生活和出行具有非常重要的作用。车牌定位系统不仅可以应用在智能交通领域，而且还可以广泛应用在停车场、小区车辆管理系统、收费站等诸多领域中。为了便以对车辆进行科学合理的管理，越来越多的研究者为了提高车牌定位系统的定位准确率和准确性，开始研究车牌定位系统。本文将以边缘特征提取、颜色特征、AlexNet卷积神经网络多种方法相结合的方式在车牌定位系统中的应用实例为研究对象。

3.1 车牌初定位算法实现

采用边缘特征提取、颜色特征、AlexNet卷积神经网络多种方法相结合的方式对车牌信息进行提取分析。首先需要对车牌图片进行预处理分析，然后采用AlexNet卷积神经网络进行识别分析，从而实现车牌的定位。因此，车牌初定位主要包括图像的预处理、颜色判断、形态学处理、车牌信息的提取和定位等过程。

图像的预处理主要是将信息采集的图像进行颜色特征提取（RGB图像处理）和边缘特征提取（HIS转化），预处理完成后系统将会对车牌图像信息进行颜色的判断分析，随后对车牌上的数据形态进行分析处理，处理完成后系统将会选取车牌一定的区域作为车牌的定位选取区域。系统选取的区域范围的宽度与高度比值处于8.5～9.5之间。在RGB图像处理过程中，图像处理结果只有两个，当车牌为黄色和蓝色时，则处理结果显示为白色，此时系统将会赋值为255，当车牌颜色为其它时，处理后的结果显示为黑色，系统将会赋值为0。形态学处理主要的功能是通过对图像进行左右移动处理，从而确保处理结果显示为白色。从上面所描述的流程图可以发现，在进行车牌定位的初期时，首先需要将原始得到的与车牌相关的图片进行转换，需要将图片从色彩形式转换到灰度图像形式下，转换过程从第二章中已经确定好分量的公式可以得出。

3.2 车牌精定位算法实现

完成车牌的初定位程序后，下一步就是进行车牌的精定位。为了防止AlexNet分类器对图像进行全扫描，降低系统的工作效率和准确度，在进行分类器进行车牌识别前，对图像进行图像预处理过程。精定位主要包括图像预处理、投影、车牌区域判定、分类器处理分析等过程。

投影过程将会把处理的图像进行投影处理，处理结果主要是以数组a[n]的形式显示处理，本文将会对数组a[n]进行结果判定，判定的程序如下：

经过上述的判断程序处理分析后，所得到的数组a[n]中第一个序列的宽度为W1，而W2为最后一个非零序列的宽度。从而最后以W1为车牌的左边框，而W2为车牌的右边框，最终确定车牌选取的区域，然后经过分类器进行分类训练，最终获得车牌定位信息。

经过初定位和精定位，即可完成对车牌的定位。

4 结语

智能化技术已经全面应用在各个领域中，尤其是在电子工程中的应用，全面的提升了工业生产电子设备的加工精度和自动化水平，为我国企业的转型升级提供了强大助力。随着智能化技术在电子工程领域应用不断深入，将会促进电子工程自动化控制想柔性化、高效化、高精度化等方向发展，为企业提升产品质量和工作效率的同时，降低企业生产成本。