前几天发现了一个人工智能学习网站，通俗易懂，幽默幽默，没有广告，忍不住和大家分享。(点击跳转人工智能学习资料)
现在我们都在谈论智能制造，实现智能制造需要设备、人员、工艺流程等传统制造部分，也需要IT技术部分，如计算、分析、建模等，如何连接两者是自动化需要做的——数据采集、控制信号传输和执行。
可以将自动化发展分为两部分。 一是以控制为核心的基本自动化。另一种是前沿自动化，它不仅以控制为主要功能，还包括利用各种技术工具延伸人们的信息感知、分析处理、决策控制和执行优化能力。
基本自动化显然不是未来发展方向的主要方向，但前沿自动化不能与基本自动化的支持分开。没有控制器、变频器、驱动器和工业监控软件的自动化，它就失去了原来的外观和自动化的基础。
这里主要谈前沿自动化。我认为上述技术工具是计算机、通信、物联网等学科，使用这些技术工具往往是信息、智能，即人工智能。由于各种算法的实现和优化，人工智能在自动化领域发挥着越来越重要的作用。自动化专业的主要任务不是研究这些算法，而是使用和调整参数来满足我们的场景需求。
接下来，我将举一些百度飞桨人工智能平台在制造业中的应用实例。 一是中兴克拉-工厂传统仪器统计监控。工矿企业传统机械指针表的人工数据采集面临诸多挑战：工厂范围大，仪器位置分散，人工检查时间长，无法实时监控，给设备安全运行带来风险；仪器种类繁多，人工读表容易出错。ZTE克拉利用桨深入研究开源框架的检测、压缩和部署，实现了各种多尺度仪器的分割、检测和读数，大大提高了仪器上线后的读数效果。
二是新能源汽车锂电池隔膜的质量检验。隔膜作为新能源汽车电池的重要组成部分，是隔离电池的正负极。如果隔膜有绝缘材料漏涂、异物、孔洞等问题，很可能导致电池和新能源汽车自燃。大恒图像应用桨深度学习开源框架，开发电池隔膜智能质量检验算法。与原方案相比，缺陷检测精度显著提高，上线速度提高 50 倍。算法设计和整体系统构建完成后，大恒图像实现 分割精度82%，缺陷分类精度98%，与传统方法相比，上线后浅缺陷检测精度提高30%，质检时间达到 2 毫秒，比传统方法更好 50 倍。
三是工厂人员违规检测。工厂人员管理一直是工厂正常运行的重要管理模块。利用计算机视觉技术，实现工作服穿戴检测、员工到岗检测、员工疲劳检测等人员管理场景 AI 可帮助客户提高工厂人员管理效率，降低企业管理成本。在百度飞桨平台的帮助下，上海音智达实现了基于视频流数据的净化检测和到岗 / 离岗检测、疲劳检测等功能， 并在客户方成功上线，推理速度达到 5FPS，事件级违规识别准确率平均 90% 以上，满足了上线要求。
第四，随着经济和社会的发展，我们对工业产品的要求越来越高，对自动化和高效生产的需求越来越大，安全生产越来越受到重视。在接线机柜场景下，有大量的设备间端子排接线，而这些端子排接线的正确与否直接关系到生产安全甚至是人身安全，对其进行检测是企业生产的必要环节。然而，大量的生产需求使检测工作越来越繁重。目前，接线柜的检查主要依靠人眼检查或手持扫描设备的扫描检查。这两种检查方法都离不开人员作业，消耗大量人力资源，无法满足自动化生产的要求。人眼目检不仅效率低，而且随着人眼疲劳，检测精度大大降低。扫描效率低、误检、漏检率高。国机智能技术研究院在发现人工检测效率相对较低的问题后，对检测中的几种方法进行了比较。人工检测存在成本高、效率低、检测标准不统一等问题。传统机器视觉技术辨别能力差，抗干扰能力弱，圆柱面字符识别效果差，算法无法重用。深度学习技术适应性强，算法精度高，模型可重用，意义可迭代，产业升级潜力大。针对深度学习落地面临的问题，国机智能技术研究院找到了解决方案，使用百度桨 PaddleOCR检测线号管上的英文字符和数字。经过多次测试，识别成功率较别的OCR该方法相对较高，操作简单，代码量小。也能很好地识别不同光纤环境和线号管的平整度。
未来，技术与专业之间的界限将变得模糊，技术之间的深度交叉——合力将解决领域和行业遇到的问题。以智能传感为例，传感技术是自动化技术的一个小分支，智能算法实际上属于人工智能技术，智能传感最终反映在应用环境中的产品——智能传感器或智能传感系统，这与通信技术不可分割，传输方式可以是5G信号。这样，未来的自动化，无论是专业还是技术方向，物联网、通信、计算机技术不再有非常清晰的边界，根据不同的场景，可以分为当前的名称，但实际上已经成为一个交叉学科，这是未来的方向，它们的交叉集成只是智能。