上周，英特爾成都主辦第一次人工智能論壇，邀請到全國各地多所高校的專家學者及40多位英特爾資深工程師出席。

論壇主要聚焦于圖像識別、數據挖掘的學術及應用分享討論，以達到促進人工智能在制造領域的實踐應用，助力高效人工智能應用人才的培養，開拓英特爾工程師思路，共同促進發展的目的。

英特爾成都希望通過此次論壇搭建高校和企業之間的橋梁，鼓勵創新，將學術研究和產業應用緊密結合起來，互相促進，助推人工智能技術的應用和發展。

“人工智能是大勢所趨，而且速度會越來越快。”

——卞成剛(英特爾制造與供應鏈事業部副總裁、英特爾產品(成都)公司總經理 )

英特爾制造與供應鏈事業部副總裁、英特爾產品(成都)公司總經理卞成剛在開場致辭中表示，“對英特爾來說，我們的人工智能戰略分三大塊：培育生態系統，推動共同發展;塑造開源軟件，取勝行業競爭;集成產品優勢，構造最佳平臺。”

他還對人工智能的幾個陷阱進行了分析，提醒工程師們在學習和運用人工智能功能的時候，避免掉入幾個明顯的陷阱。

“智能制造是工業4.0的核心技術和驅動力。”

——陳玉榮(英特爾中國研究院首席AI科學家)

英特爾中國研究院、英特爾首席AI科學家陳玉榮介紹了工業時代4.0中，人工智能+工業互聯網+數字化制造——智能制造是當下的核心技術和驅動力。

巨量信息處理的過程中，人工智能發揮了不可替代的作用，通過對圖像、自然語言的分類、處理及挖掘，軟硬件結合同時助力智能制造。

擴展邊緣深度視覺智能及應用也同樣體現在產品升級上：通過高效CNN結構設計提升準確率、降低資源需求;深度模型壓縮優化，軟硬結合提升性能;視覺學習擴展 ，權衡準確率和效率。

“多元化、非結構、非線性數據的處理為智能信息處理領域提出了新的挑戰!”

——劉靜 (西安電子科技大學廣州研究院副院長)

西安電子科技大學廣州研究院副院長劉靜分享了團隊在智能優化、復雜網絡系統和計算機視覺的研究與應用。

其中，智能優化提供了非結構化海量數據的高效優化、非結構化非線性數據的自適應學習和識別的解決方案，優秀應用案例中還涉及到多AGV調度、點膠路徑規劃和智能芯片布圖，充分體現了人工智能在智能制造中的應用。

在復雜網絡系統方面，通過將系統的組成部分表示成網絡節點、將連接表示成邊的方式把相互作用的實體之間的關系表示成網絡，對復雜網絡的研究就可以獲得對應系統的行為、性能等特性。

劉靜還介紹了計算機視覺在工業中的廣泛應用，例如：視頻檢測、成品良率檢測、X光違禁物品檢測、高速掉落物品缺陷檢測、和工廠熟悉的AGV視覺導航系統。

“人工智能是解決工業檢測問題的可行解決方式。”

——汪國有(華中科技大學

人工智能與自動化學院教授)

隨著人工智能的發展，模式識別、計算機視覺、機器學習等理論與算法在工業視覺檢測和工業大數據分析中已得到廣泛應用。

在許多實際業務領域，仍面臨算法的魯棒性不夠、訓練樣本數量不足、訓練樣本標記欠缺等挑戰，影響了人工智能技術的推廣應用。

華中科技大學人工智能與自動化學院教授汪國有分享了團隊通過圖像復原，圖像語義分割，視頻行為理解的方法，提出了可能的解決思路，包括魯棒模式識別的深度原型學習、小樣本學習、半監督學習等。

最后，介紹了在工業視覺檢測和工業大數據分析中的相關成果，包括生產零件圖像檢測、機器視覺以及物聯制造大數據的機器學習與性能預測共性關鍵技術研發。

“我們的視界，充滿AI。”

——吳曉(西南交通大學

計算機與人工智能學院教授 )

隨著人工智能的飛速發展，尤其是近年來深度學習在各行各業的應用落地，西南交通大學計算機與人工智能學院教授吳曉主要介紹了團隊在智能交通、智能風險管控、智能安防等領域的最新研究成果和項目應用。

通過深度學習、計算機視覺和圖像/視頻處理，將人工智能運用到主要四大工業，例如智能交通平臺，加油站安全風險及服務管控、化工廠智能監控和智能醫療影像分析，將人工智能運用于實際生活，助力民生。

令現場工程師感興趣的是在安全風險、服務管控及智能監控平臺中，人工智能在計算機視覺、圖像、視頻處理中的廣泛運用，對工廠的人員調度、工作流程標準化和工廠環境安全有極大啟發。

“思考和展望，感算共融，將智能推向極致的邊緣。”

——喬飛(清華大學電子工程系副研究員)

設計和實現具有持續智能感知能力的集成物聯網節點是實現各種終端設備智能化的必由之路，也是解決當前物聯網系統功耗、實時性和安全隱私性難題的關鍵技術。

喬飛的團隊提出面向智能持續感知的“傳感-計算”共融體系架構和集成電路設計方法，將面向視覺、聽覺和觸覺等多模態感知和多場景感知的需求，設計能夠持續開機工作的智能持續感知芯片和超低功耗物聯網節點。

相關“傳感-計算”共融智能持續感知架構和低功耗混合信號集成電路設計技術，以及體系化的設計方法將是在新興需求下對于傳統數字化感知處理體系的顯著拓展，也必將對于超低功耗智能持續感知芯片的設計引領新的設計方向。

“數據賦能智能制造。”

——楊潤星(英特爾成都數據科學家)

“數據前饋讓制造工廠更加高效。”

——侯宗林 (英特爾成都封裝測試部工程師)

楊潤星介紹了芯片工廠的生產流程，強調數據在工廠提升產品良率，降低成本，實現精益生產方面的巨大效能，同時，他也指出了工廠追求更高質量生產方面的挑戰領域，希望能在此次論壇能獲取更多人工智能在深度學習、圖像視覺處理方面的啟迪，進而運用于工廠的實際生產中。

侯宗林介紹了數據在智能智造中節約成本、提高生產效率的實際案例。使用DFF(Data Feed Forward)模型，對生產結果數據進行分析，及時改進操作流程，提高設備檢測精準度，減少產量預估誤差。數據可以在高產量要求工廠中全面運用，賦能智能制造。

“人工智能在臨床醫學圖像質量優化方面起到了至關重要的作用。”

——蒲曉蓉(電子科技大學

計算機科學與工程學院 首席教授)

20世紀90年以來，肺癌篩查進入低劑量LDCT ( Low-Dose Computed-Tomography)時代，并已成為肺癌篩查研究的熱點。研究表明，與X線胸片相比，采用LDCT對肺癌高危人群進行篩查可使肺癌病死率下降20% 。

一般地，自然圖像的降噪依賴于噪聲類型，而低劑量CT噪聲被認為是量子噪聲和電子高斯噪聲的總和。因此，傳統圖像降噪算法難以勝任LDCT圖像降噪。近年來，深度學習被大量用于LDCT圖像降噪和去除偽影。但很多降噪圖像會出現外觀模糊、缺少病灶細節等不利于臨床診斷的致命缺陷。

蒲曉蓉的團隊聚焦幾個核心問題，提出面向臨床應用的LDCT圖像降噪的系列深度學習方法，包括：(1)由于臨床難以采集獲得結構信息完全匹配的LDCT和NDCT (Normal-Dose，正常劑量CT)樣本對，用于有監督訓練，我們提出一種噪聲估計、學習與擴充新方法，利用豐富易得的NDCT樣本獲得偽LDCT配對方法，實現即插即用無配對LDCT降噪通用架構。該研究成果榮獲2020圖像計算與數字醫療國際會議比賽冠軍和大會論文收錄。(2)現有LDCT降噪方法較少關注感興趣區域(ROI)，且降噪與高階任務(如病灶檢測等)無關聯等不足，提出將醫學圖像降噪與病灶檢測有機結合新架構，構建了多損失集成和網絡協同訓練新方法，研究成果發表于CCF A類國際會議ACM MM。

“人工智能助力英特爾智能制造，大有可為。

——劉倩(英特爾運營制造部自動化 部門經理)

劉倩作為自動化部門經理跟大家分享了人工智能在英特爾制造流程中的趨勢、挑戰以及應用。

比如生產線上的某一臺機器，每分鐘就能產出大約10G的數據，我們如何快速、精準、保質保量的對數據進行處理，是一個挑戰。這表明，英特爾既是一個數據應用者，又是一個大規模數據的產出者。從14nm技術之后，大規模數據的井噴，推動著半導體制造行業從人為檢測，逐步代替機器檢測，從而保證精益生產。

人工智能在英特爾制造中的應用分別是自動缺陷分類、設計部門優化、老化性測試、預測性維護和聲學檢測，數據處理從難度和價值上來講分為三個階段“是什么”、“為什么”、“如何避免”，主要聚焦于如何適應流程變化、如何處理巨量數據、如何優化產品測試、如何幫助解決方案制定這五大方面。英特爾成都制造工廠正致力于第三階段，推動數據分析預見性在制造生產中的實際應用，實現質量、成本的雙面提高。

“人工智能是人從經驗中學習和認知，再將這樣的思維運用于機器。”

——楊維平(英特爾成都封裝制造首席工程師)

英特爾封裝制造首席工程師楊維平作為閉幕致辭嘉賓對到場的學院老師及工程師代表表示了感謝。英特爾成都始終致力于產教融合、加強校企合作，在互相交流中碰撞出新的火花，培養產業導向的優秀學子，更新和提高了工程師的知識面，為產業的可持續發展不斷培養創新人才。

現場，他還跟大家分享了數據和圖像處理在工業4.0時代在制造業實際運用：運用Smart System，處理Smart Data，通過AI，實現智能制造。運用數據來輔佐決策，在需要時以被需要的形式出現在制造流程的改進過程中。

此次研討會通過主題演講分享英特爾人工智能生態，為教育注入創新思維，同時通過深入探討數據挖掘、圖像處理等人工智能技術熱點與趨勢，探索產學研合作新途徑，展示學術界AI最新教學與科研成就，進行多形式的學術交流與互動，進而提升產業多元化發展，為社會帶來更多新機遇。

原文標題：“共建產學生態，引領智造創新” - 英特爾人工智能學術論壇成功舉辦

文章出處：【微信公眾號：英特爾責任芯】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅