人工智能技术助力铸造行业发展

傅骏　吴高静　李 强　蔺虹宾　赵晓露　顾诗艺

关键词：人工智能;铸造;EasyDL;Tkinter

为引导铸造企业规范发展，促进行业产业结构调整、优化和转型升级，2019年9月，中国铸造协会颁布了团体标准《铸造企业规范条件》，从2020年1月1日起开始施行。该标准对铸造企业的建设条件与布局、企业规模、生产工艺、生产装备、质量管控、能源消耗、环境保护、安全生产及职业健康和监督管理、员工素质等提出了规范条件，提升新入职员工培养和老员工复训质量、在铸造生产环节引入智能技术手段已经迫在眉睫，采用人工智能技术将引领铸造业开始新一轮变革。

目前，很多工作依赖人工的大量、繁复劳动，需要旷日持久的经验训练，比如医生判断病情、家具行业缺陷检测、人工监控生产区域安全状况，借助人工智能可以有效避免人的心理、生理因素波动和经验欠缺造成的结果不确定、不稳定。

本项目团队利用开源人工智能平台开发了一系列铸造用软件，助力行业技术提升与员工培训，将铸造员工从繁杂的体力劳动中解放出来。

1 系统开发

深度学习是机器学习领域的一个研究方向。深度学习是通过大量的样本训练，计算机自动学习样本数据的内在规律和表示层次，最终达到能像人一样具有分析学习能力的目的。深度学习在搜索技术、数据挖掘、机器学习、机器翻译、自然语言处理、多媒体学习、语音、推荐、个性化技术以及其他领域都取得了较多成果，与传统的利用人工设计特征提取算法相比，基于深度学习的网络模型具有自动抽取海量数据高维特征的能力。深度卷积网络通过从输入层到输出层的多层非线性映射和网络的反向传播完成层次特征的提取和学习。基于卷积神经网络的深度学习算法，通过多层卷积和池化操作，能自动提取图像特征，可显著提高图像识别的准确率，无需人工干预，快速且准确率高达95%[1]。

1.1 开源人工智能技术开发平台

百度公司提供了百度大脑以及一系列人工智能开放功能和开放平台，不要求用户掌握高深的深度学习理论。其中，EasyDL人工智能技术开发平台集成了深度学习功能，用户只需输入素材（图片、声音、文本等），平台就可以自动进行训练，提供软件开发工具包（Software Development Kit，SDK），具有图像分类、物体检测、文本分类、声音分类和视频分类五大功能，低成本、高精度的EasyDL正在众多实际应用中为各行企业赋能[2]。

1.2 使用流程

百度EasyDL平台的主要使用流程包括素材准备、训练、发布3个环节。

1.2.1 素材准备

深度学习最重要的工作是分类、收集素材和分类整理。针对拟开发的模块，收集照片并分类存放。EasyDL平台要求每张图片都归属于一个分类，一个模型最多支持1 000个分类。分类名由数字、中英文、中/下划线组成，长度上限为256字符。

在收集素材时，要保证权威性和准确性。一般选择每个类别的90%左右生成zip压缩包作为训练用，其余10%左右的图片用作测试。

1.2.2 训练

每个类型训练基本可在1 h内完成，短的15 min左右。在训练时，可以离开页面、可以关机，由后台自动训练。训练完成后，消息发送到手机。采用测试集图片测试效果。正确率偏低，可以用测试集纠正或者上传更多照片重新训练，确保每一类正确率不低于95%，方可投入使用。

1.2.3 发布

训练完成后，根据需要，分别发布公有云、设备SDK、私有服务器、软硬件一体化4种类型。其中，对于公有云，训练完成后，在“体验H5”中设置相关信息，用手机扫描二维码后即可使用。用户上传手机中的照片或现场拍摄，系统自动给出识别结果。对于设备SDK，百度AI开放平台使用OAuth2.0授权调用开放API，推荐使用POST方法。对训练获得的库通过http请求获得结果，关键代码：

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 设备SDK的GUI界面开发

对设备SDK方式获得的代码进行了基于Tkinter的二次开发。其中，选择图片文件，并在图形用户界面（GraphicalUser Interface，GUI）的标签上显示关键代码：

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 “金相识别”系统

四川航检科技公司和北京航空材料研究院合作，面向西南片区的航空航天企业开展高温合金等材料的物理性能检测。目前在评定晶粒度时，采用划分表格、对比标准图片进行评定，对检测人员的水平和经验依赖性较高，工作强度大，引入人工智能技术势在必行。

项目组开发了“金相识别”系统。其中，在创建数据集时，将所有收集来的50 μm金相分为5个等级，分别是7.5级、8.0级、8.5级、9.0级、9.5级。文件夹和图片名一一对应，将收集的300余张图片通过裁剪的方式分成10张图片，共获得3 000余张图片，放入对应的文件夹。

使用者可以利用手机App或者网页、单机PC版等方式，将金相图片导入系统，系统将快速识别出该金相的晶粒度等级。“金相识别”的电脑版如图1所示。

1.5“青铜器识别”系统

目前，已出土的青铜器数量众多，让人们感受到我国传统文化的悠久历史和深厚沉淀，其博大精深的思想内涵已构成我国的民族之魂。但数量和种类繁多的青铜器也给人们准确识别年代、形制、铭文造成了困扰。目前，传统的青铜器识别方法主要为专家判断，当青铜器种类较多时，需要大量专家参与，不仅工作量极大，同时结果也容易受专家主观因素的影响[3]。

项目组为宣扬青铜器，帮助更多的人认识古代铸造文化，设计了“青铜器识别”系统，将需要识别的青铜器分为5个类别，并进行上传和训练。人们可以就此识别青铜器形制、纹饰和铭文，并学习青铜器和我国传统文化相关知识。图2为“青铜器识别”手机系统界面，用百度或微信App扫描二维码，在手机端體验模型效果。

2 结语

随着人工智能技术的进一步研究，铸造水平不断提高，人工智能在铸造中的应用前景更加广阔。但就目前的情况来看，在现有基础上拓宽应用的范围和提高应用的效果，主要还需在人工智能技术上作进一步研究。铸造生产的多变复杂性及操作的人工经验性，使人工智能的应用受到限制。此外，一些工艺参数的定量化实现也不容易，可通过提高铸造生产的自动化水平、减少人为干预进行解决。随着技术的飞速发展，人工智能技术也在进一步完善，如多种方法混合技术、多专家系统技术、机器学习方法、并行分布处理技术等目前已引人注目，有效的新型人工智能技术指日可待，铸造业也会有更广阔的发展前景。