（圖來(lái)源：Shutterstock）

全球制造業(yè)吹起一股工業(yè)4.0 的轉(zhuǎn)型風(fēng)潮，制造商在生產(chǎn)設(shè)備裝上各類(lèi)感測(cè)器，搜集產(chǎn)品與設(shè)備運(yùn)作的狀況，同時(shí)透過(guò)工業(yè)物聯(lián)網(wǎng)串聯(lián)各個(gè)設(shè)備的資訊。數(shù)據(jù)經(jīng)過(guò)處理和分析后不但能運(yùn)用于工廠(chǎng)管理，亦能有效提升生產(chǎn)良率。

由此看來(lái)，自動(dòng)化或資訊化是工廠(chǎng)數(shù)位轉(zhuǎn)型的重要基礎(chǔ)，也就是說(shuō)，對(duì)于人工作業(yè)比重較高的工廠(chǎng)來(lái)說(shuō)，如果要實(shí)現(xiàn)工業(yè)4.0 轉(zhuǎn)型目標(biāo)，勢(shì)必得從改造產(chǎn)線(xiàn)做起，引進(jìn)機(jī)械自動(dòng)化設(shè)備取代人力，才有辦法搜集生產(chǎn)線(xiàn)上的資料。

然而，改造產(chǎn)線(xiàn)談何容易，企業(yè)不只要投資大量時(shí)間、金錢(qián)與人力，還有可能影響既定生產(chǎn)排程，由于改造產(chǎn)線(xiàn)困難較大，推出人體骨干分析技術(shù)，協(xié)助制造業(yè)者解決這個(gè)難題，透過(guò)攝影機(jī)搜集產(chǎn)線(xiàn)員工的作業(yè)行為，再進(jìn)行AI 運(yùn)算分析，確認(rèn)員工作業(yè)流程是否符合標(biāo)準(zhǔn)，提高產(chǎn)品良率，讓制造業(yè)者不必大規(guī)模改造產(chǎn)線(xiàn)，也能提高生產(chǎn)品質(zhì)，持續(xù)往工業(yè)4.0 轉(zhuǎn)型之路邁進(jìn)。

一、AI怎么實(shí)現(xiàn)運(yùn)算分析

1. 數(shù)據(jù)收集和處理

數(shù)據(jù)收集的過(guò)程是，在安裝拍照攝像設(shè)備之后，從動(dòng)態(tài)的場(chǎng)景與復(fù)雜的背景中判斷是否存在識(shí)別的對(duì)象，并分離出對(duì)象。采集到照片。因此測(cè)試需要從至少這兩方面來(lái)考慮。

a) 采集的素材
圖片的像素、大小、清晰度、色彩、復(fù)雜度、噪聲等，會(huì)直接影響到計(jì)算機(jī)識(shí)別的結(jié)果。

舉個(gè)例子來(lái)說(shuō)，下方的三個(gè)圖，對(duì)于肉眼和計(jì)算機(jī)學(xué)習(xí)去區(qū)分的難度是明顯不一樣的。識(shí)別的難度A一定小于B和C。

圖A

圖B

圖C

b) 采集的器材
圖片一般是用攝像頭拍攝獲得的，那么不同品牌和參數(shù)的攝像頭，拍攝出來(lái)的照片像素、清晰度、色彩，甚至是層次都會(huì)有差異。

2. 數(shù)據(jù)理解和特征提取

數(shù)據(jù)理解的目的在于，獲取到原始數(shù)據(jù)之后，分析數(shù)據(jù)的有效性，并且將數(shù)據(jù)里有用的， 并且將有典型特征的抽取出來(lái)。比如我們拍攝的各種照片，需要從中識(shí)別出是包含一朵花的，還是包含一個(gè)人的，是一輛自行車(chē)還是一輛小汽車(chē)。這個(gè)唯一的解決方案是，讓機(jī)器拿到足夠多的樣本進(jìn)行訓(xùn)練，訓(xùn)練的越多，模型將越準(zhǔn)確。

二、AI 充當(dāng)員工的聰明助手，找出真正有問(wèn)題的產(chǎn)品

目前日本第二大鋼鐵廠(chǎng)JFE 利用一個(gè)解決方案來(lái)確認(rèn)員工是否確實(shí)遵守SOP，進(jìn)行產(chǎn)線(xiàn)升級(jí)。

當(dāng)工廠(chǎng)在產(chǎn)線(xiàn)上安裝攝影機(jī)，經(jīng)由人體骨干分析技術(shù)，分析作業(yè)員在制程的行為上是否有按照SOP 進(jìn)行，并透過(guò)AI 即時(shí)偵錯(cuò)，提醒工廠(chǎng)領(lǐng)班產(chǎn)線(xiàn)上因人為疏失而導(dǎo)致良率下降的問(wèn)題，并解決目前只能事后抽驗(yàn)，但卻不一定能檢查出瑕疵品的困擾。

在制程的每一階段，作業(yè)員都需要站立或蹲在不同的區(qū)域，如果產(chǎn)線(xiàn)員工遺漏或不遵守SOP 要求， 攝影機(jī)就會(huì)告訴中控系統(tǒng)，再由系統(tǒng)通知領(lǐng)班，避免讓此產(chǎn)品進(jìn)入下一階段。

對(duì)于鋼材的生產(chǎn)，最重視產(chǎn)品品質(zhì)，假如作業(yè)員沒(méi)有確實(shí)遵守標(biāo)準(zhǔn)作業(yè)流程（SOP），就有可能影響產(chǎn)品良率甚至產(chǎn)線(xiàn)上的工作安全，而鋼材的應(yīng)用通常都與大型建設(shè)或及交通設(shè)施有關(guān)，若品質(zhì)不良，后果十分嚴(yán)重。

通過(guò)影像分析技術(shù)，可以真正攔截到品質(zhì)有瑕疵的產(chǎn)品，節(jié)省事后大動(dòng)作召回或維修的成本。

三、從人臉辨識(shí)走向行為分析，AI 用“看”找出潛藏工安危機(jī)

人體骨干影像分析技術(shù)，除了可以識(shí)別人體行為姿勢(shì)外，也能做到工廠(chǎng)人員的偵測(cè)。

舉例來(lái)說(shuō)，結(jié)合骨干分析的智慧攝影機(jī)，能有效在作業(yè)員過(guò)于接近大型機(jī)具和執(zhí)行危險(xiǎn)行為時(shí)，即時(shí)通報(bào)系統(tǒng)并警示操作人員，讓現(xiàn)在人員能在危險(xiǎn)發(fā)生前，提早做好危機(jī)處理，有效降低工作環(huán)境的出事機(jī)率。不只工廠(chǎng)的工安管理，在工廠(chǎng)的管理面上，也可以透過(guò)結(jié)合骨干分析技術(shù)來(lái)優(yōu)化管理流程，例如人體骨干影像分析技術(shù)可以作為員工上產(chǎn)線(xiàn)出勤的依據(jù)，只要透過(guò)鏡頭中的辨識(shí)技術(shù)，就可以輕松做到產(chǎn)線(xiàn)上人員之控管，節(jié)省多余人力配置。

其實(shí)，除了制造業(yè)以外，包括公共運(yùn)輸、零售等各個(gè)產(chǎn)業(yè)，都能以人體骨干分析技術(shù)為核心，根據(jù)使用者的需求去定義行為模型，透過(guò)AI 影像辨識(shí)的幫助下，有效的解決企業(yè)營(yíng)運(yùn)難題推出更具創(chuàng)新的服務(wù)，進(jìn)而跟上全球這股智慧轉(zhuǎn)型的浪潮。

本文由電子發(fā)燒友綜合報(bào)道，內(nèi)容參考自CSDN、科技新報(bào)，轉(zhuǎn)載請(qǐng)注明以上來(lái)源。