人工智能AI 行业应用整体建设解决方案

人工智能 AI+行业应用

解决方案

2019 年3 月8 日

目录

第一章计算机视觉发展历程 (3)

1.1 当前计算机视觉技术的位置 (4)

第二章变电站智能化监控 (5)

2.1项目背景 (5)

2.2解决方案 (5)

2.3系统功能 (5)

第三章电力隧道智能化监控 (6)

3.1项目背景 (6)

3.2解决方案 (6)

3.3系统功能 (7)

第四章电塔防破智能化监控 (7)

4.1项目背景 (7)

4.2解决方案 (8)

4.3系统功能 (8)

第五章加油站智能化监控 (9)

5.1项目背景 (9)

5.2解决方案 (9)

5.3系统功能 (9)

第六章配电室智能运维 (10)

6.1项目背景 (10)

6.2解决方案 (10)

6.3系统功能 (10)

第七章采油机智能化监控 (11)

7.1项目背景 (11)

7.2解决方案 (11)

7.3系统功能 (12)

第八章输油管线 (12)

8.1项目背景 (12)

8.2解决方案 (13)

8.3系统功能 (13)

第一章计算机视觉发展历程

计算机视觉的发展历史可以追溯到 1966 年，在这一年著名人工智能学家

马文·明斯基给他的学生布置了一道作业，让学生在电脑前面连一个摄像头，

然后想办法写一个程序，让计算机告诉我们摄像头看到了什么。这道题代表

了计算机视觉的全部，通过一个摄像头让机器告诉我们它到底看到了什么。

所以，1966 年被认为是计算机视觉的起始年。

1970 年代，研究者开始去试图解决这样一个问题，就是让计算机告知他到

底看到了什么东西。当时，大家认为要让计算机认知到底看到了什么，首先要

了解人是怎样去理解这个世界的。当时有一种普遍的认知，认为人之所以理解

这个世界，是因为人看到的世界是立体的，能够从立体的形状里面理解世界。在这种认知情况下，研究者希望先把三维结构从图像里面恢复出来，在此基

础上再去做理解和判断。

1980 年代，是人工智能发展的一个非常重要的阶段。当时，在人工智能界

开始做很多类似于现在的专家系统，计算机视觉的方法论也开始在这个阶段产

生一些改变。在这个阶段，人们发现要让计算机理解图像，不一定先要恢复物

体的三维结构。例如：让计算机识别一个苹果，假设计算机事先知道对苹果的

形状或其他特征，并且建立了这样一个先验知识库，那么计算机就可以将这样

的先验知识和看到物体表征进行匹配。如果能够匹配上，计算机就算识别或

者理解了看到的物体。所以，80 年代出现了很多方法，包括几何以及代数的

方法，将我们已知的物品转化成一些先验表征，然后和计算机看到的物品图像

进行匹配。

90 年代，人工智能界又出现了一次比较大的变革，也就是统计方法的出现。

在这个阶

段，经历了一些比较大的发展点，比如现在还广泛使用的局部特征。随着 90

年代统计方法的流行，研究者找到了一种统计手段，能够刻画物品最本质的

一些局部特征，比如：要识别一辆卡车，通过形状、颜色、纹理，可能并不

稳定，如果通过局部特征，即使视角、灯光变化了，也会非常稳定。我们可

以对物品建立一个局部特征索引，通过局部特征可以找到相似的物品。通过

这样一些局部点，可以让匹配更加精准。

到 2000 年左右，机器学习开始兴起。以前需要通过一些规则、知识或者统

计模型去识别图像所代表的物品是什么，但是机器学习的方法和以前完全不一样。机器学习能够从我们给定的海量数据里面去自动归纳物品的特征，然后去识别它。在这样一个时间点，计算机视觉界有几个非常有代表性的工作，比如：人脸识别。你要识别一个人脸，第一步需要从图片里面把待识别的人脸区域给提取出来，我

们一般叫做人脸检测。像在大家拍照的时候，会看到相机上有个小方框在闪，那其实是人脸识别必要的第一步工作，也就是人脸框的检测。在以前，这是非常困难的工作，但是在 2000 年左右，出现了一种非常好的算法，它能够基于机器学习，非常快速的去检测人脸。

机器学习的出现是伴随着一个必要条件出现的。在 2000 年左右，整个互联网的出现和爆发，产生了海量的数据，大规模数据集也相伴而生，这为通过机器学习的方法来做计算机视觉提供了很好的土壤。在这期间，出现了大量学术官方的，针对不同领域评测的数据集。

其中比较有代表性的就是 ImageNet。这是由著名的斯坦福大学教授李飞飞发

起的一个项目，她通过众包的方式，大概标注 1400 万张图片，分了大概 2 万多个类别，

这些类别包

罗万物，比如像动物，里边可能分为鸟类、鱼类等；植物，里面可能会分为树和花。她的理想很宏大，就是希望提供这样一个数据集，为计算机视觉算法提供一个数据土壤，让未来的机器能够认识世界上的一切物品。在 2000 年代，人工智能经历了一个快速发展期以后，整个人工智能在很多行业取得了非常好的应用，比如：视觉之外有搜索引擎排序和计算广告等等，视觉领域人脸检测器也被用在了各种各样的相机里面。

到 2010 年代，进入了深度学习的年代。深度学习从本质上给整个人工智能带来了一次革命。在早期多层神经网络经历 2000 年左右的一个低谷后，2006 年Hinton 教授在《科学》发表了对于深层神经网络的训练方法，带来了深度学习的蓬勃发展。

深度学习出现以后，对各种各样的视觉识别任务的精度都进行了大幅度的提升。以人脸来进行举例，在深度学习出现之前，一个普通的识别算法，如使用颜色、纹理、形状或者局部特征，可以将各种特征糅合在一起，对于人脸识别率最高也只能做到 94%~95%。在很多的实际系统，如人脸考勤，当时只能做到 90%~92%的识别率。深度学习出现以后，直接将精度提高到了99.5%上，将错误率降低了 10 倍。深度学习的出现使得以前视觉方法不太实用的一些应用领域，基本上都可以通过深度学习的方法来获得一个良好的应用。

1.1 当前计算机视觉技术的位置

从以上的发展历史可以看到，计算机视觉在深度学习技术引入之前，其局限性很多。随着大数据和算力的爆发，深度学习技术得以引入计算机视觉领域，将计算机视觉技术推向一个前所未有的高度，计算机视觉技术才真正的被广泛使用在人们的生活中。

纵观计算机视觉技术的发展历程，可以看到，计算机视觉技术目前还处在一个早期阶段。当下的技术仍然无法解决最初提出的关键问题——像人一样理解图像。基于图像的认知技术，是计算机视觉技术的极大挑战。人类可以定义图像中的物体，基于图像中的场景理解其中的物体，根据图像的上下文理解事件，这些能力当前的计算机视觉技术都还不能很好的实现。计算机

视觉今后的一个重要方向，是融合语义理解等技术，让计算机真正理解图像。

第二章变电站智能化监控

2.1 项目背景

随着我国电网调度自动化的提高，变电站的无人值守运行是电力系统的发展趋势，由于目前变电站安装的各类辅助监控系统处于各自独立的工作状态，没有整合在一起协同工作，更没有实现“智能化”，同时存在以下问题：

1、缺失一套对所有辅助系统进行统一管理的平台，无法实现对视频安防设施、变电站内辅助设施的实时监控以及智能化管理；

2、变电站天气情况、站内环境及排水管网状况、高压室内六氟化硫、氧气

浓度等重要信息无法实时掌握，且无历史记录，运行人员不能根据现场状况

快速做出反应；

3、变电站内的风机、照明、空调目前都只能现场手动控制或独立实现自动

控制，无法实现应急时的联动远程控制；

4、目前现有的辅助系统均未直接或间接参与现场安全生产管理工作，如及

时发现变电站是否有外部人员入侵、纠正现场工作运维人员着装是否规范的

智能化自动监控。

2.2 解决方案

针对以上变电站目前所存在问题，建设一套基于人工智能的无人值守变电站智能辅助运维管理平台非常有必要。本平台对原有视频安防系统进行升级，增加人工智能服务器自动识别检测变电站内是否存在外来人员入侵、对设备区运维人员标准穿戴进行自动检测，发现异常及时报警上传异常画面。对变电站环境系统进行维护升级，增加变电站现场气象监测、高压室内部环境监测，同时增加水管道水位监测、故障油池水位与油位监测。对变电站自动化控制系统进行维护升级，实现环境异常时自动排风，同时实现对照明、空调、风机的远程控制与状态反馈。具体架构图如下：

2.3 系统功能

1视频监控系统：变电站内主要位置安装视频监控系统，同时搭载人工智能算法利用

机器视觉技术进行自动识别，检测变电站内是否有外来人员出侵，电力运维

人员在运维过程中是否符合标准着装规范，如有异常自动报警并上传报警截图，运行人员可实时接收数据与报警信息。减少运行人员工作量，节省人力

成本。

2环境检测系统：利用小型气象监测站对变电站风速风向、大气温湿度、

大气压力、降雨量进行监测，为变电站运维工作提供有力的数据支撑，防止

变电站因被淹而导致设备损坏，减少安全事故发生，保证变电站安全运行。

高压室内新增六氟化硫、温湿度、氧气传感器进行环境监测，实现环境异常

自动排风，同时实现对照明、空调、风机的远程控制与状态反馈。

3排水监测系统：对变电站内故障油池新增水油位监测装置，排水管道内

水位监测装置，防止变电站排水主管网排水不畅、主变充氮灭火装置向事故

油池微渗等情况出现时无法得知。

第三章电力隧道智能化监控

3.1 项目背景

电力隧道监控领域目前尚处于初级阶段，不同隧道根据自身的需求和特点，配置一种或多种监控装置，每种装置各自独立完成单一的监控功能，相互间缺乏必要的协作，尚未建立起真正意义上的综合性电力隧道监控系统。目前电力隧道主要存在问题有：管理与运维人员无法实时把控隧道现场的情况，常用定

期巡检方式，有隐患时不能及时发现与控制；电力隧道地处偏僻之地，一旦

出现非法人员入侵进行破坏时，不能及时发现与告警；安装的视频监控摄像机数量很多，数据量太大且大部分为没有实用价值的数据，当问题出现后才进行历史数据查询，不能及时发现隐患；现场环境监控设备不能实现自动控制，大多设备通过手动实现，现场人员在巡检时的安全得不到保障；电缆在发生火灾时不能及时报警。

3.2 解决方案

基于人工智能的电力隧道智能化运行平台，该平台分为环境监测、设备

监控与控制、安全防范三个子系统。环境监测系统主要针对隧道内危险气体、温湿度、液位等参数进行监测和报警，保证进入电力隧道运维人员的安全；

设备监测与控制系统实现隧道内环境与集水井液位如有异常，联动风机与水

泵控制单元，为电力隧道内设备营造一个健康的运行环境，保障设备安全运

行。安全防范系统系统具有视频监视与控制功能，能够对隧道内部环境、出入口、设备间等重要位置处实时全方位的图像监控。视频监控系统除了具有数字化视频监控系统自身的视频采集、存储、报警、联动等基本功能外，还具有图像分析处理能力，对进入隧道的外来入侵人员自动识别，对隧道内运维人员着装是否规范进行自动检测，如有异常自动报警。具体架构图如下：

3.3 系统功能

本系统分别针对“巡、防、控”三个方面进行设计，主要分为：

1视频监控系统：对出入口与主要位置安装视频监控系统，同时搭载人工

智能算法利用机器视觉技术进行自动识别检测，检测隧道内是否有外来人员

出侵，电力运维人员在运维过程中着装是否符合标准规范，线缆布放是否符

合规范，如有异常系统自动报警并上传报警截图进行记录。

2环境与设备监控系统：对电力隧道内重要位置安装甲烷、硫化氢、氧气、温湿度传感器进行监控，并在环境异常时自动控制风机开启。对隧道集水井

内安装水位传感器，水位超限时自动开启水泵，保障电力隧道的安全运行。

3火灾自动报警系统：对隧道内主要位置安装感温、感烟传感器，发生火灾时自动报

警。

第四章电塔防破智能化监控

4.1 项目背景

目前远距离电能传输主要采用架空输电线路，承担巨大的电能输送，架

空输电线路的安全运行与电网的稳定密切相关，运维工作就显得尤为重要。

架空输电线路具有所处地理位置特殊、运行环境复杂、运维工作点多面广、

涉及任务繁杂等特点。现阶段架空输电线路主要存在以下几点问题：传输距

离长，人工排查难度大，且全段排查周期过长；对于某些影响电网安全不确定因素不能做到及时发现，例如无人机、风筝、大型机械工程车辆对输电线路造成的安全威胁，无法做到实时性；对非法偷盗等现象无法及时发现。

4.2 解决方案

每个高压铁塔上分别安装 3~4 台视频采集装置，每套装置由摄像头、太阳能板、4G 物联网传输设备、锂电池、控制器等设备组装成。摄像头分别用于监控高空异物入侵（如无人机靠近、风筝或其他异物造成的线路异物附着）和地面危险因素辨识（如挖掘机、泵车、吊车等大型工程车辆对架空输电线路造成的威胁，外来人员入侵破坏线路）及运维人员着装检测等功能。现场视频通过 4G 物联网传输设备传输至云存储服务器，控制中心的视频服务器利用机器视觉技术对云存储上的实时视频进行智能化分析。针对不同的分析结果，系统自动选择将报警信息发布至相关人员微信公众号或现场语音报警器就地语音警示驱离， 同时系统自动上传报警截图数据并记录，为后期辅助评估提供有力的数据支持。具体架构图如下：

云存储服务器

4G 无

线传

输设

备

汇聚

交换

机

4G 无线传输设备 汇聚交换机 心交换机 监控中心-智视频处理服务器

网网络络

信信号号 网网络络信信号号 网网络络信信号号

信信信号号号 网网网络络络

人工智能

AI+行业应用解决方案

4

G

无

线

网

络

传

输

太

阳

能

供

电

摄

像

机

太

阳

能

供

电

摄

像

机

太

阳

能

供

电

摄

像

机

太

阳

能

供

电

摄

像

机

语

音

喊

话

报

警

器

手机

微

信

公

众

号

接

收

报

警

信

息

4.3 系统功能

1、外来人员入侵检测：利用人工智能、多人跟踪、人脸识别等技术对进入监控区域人员进行识别监控，根据聚合图像通道特征准确检测人员的位置，利用人员相邻时刻联合概率数据关联特征进行实时跟踪，一旦发现有非法人员入侵，系统自动立即报警，从而保证电力高压铁塔和架空线路的运行安全。

2、高空作业车识别功能：为了控制地面危险因素对架空输电线路的影响，对进入视频监控区的大型工程车辆进行主动识别，一旦靠近电力线路保护区对输电线路形成威胁，系统主动识别报警并通过现场语音喊话器对车辆进行驱离。

3、高空异物识别：在架空输电线路电力保护区空域范围内，如出现无人机、风筝等异物闯入时，系统自动进行识别报警，并将报警信息推送给运行人员的微信，提醒人员快速做出反应，防止危险因素影响扩大。

4、运维检修人员着装检测：运维人员进入高压电塔区域内后，通过机器视觉技术判断运维人员安全帽是否佩戴合格，工作服是否穿戴整齐，对于不规范着装立即自动识别并报警，同时系统自动记录。

第五章加油站智能化监控

5.1 项目背景

随着我国汽车工业的迅速发展，各大生产厂家都将新建加油站作为抢占市场的法宝。这造成了大量的加油站在市区主干道上，甚至有的加油站就在小区旁边。虽然现在的加油站从技术上说是很安全的，但是加油站人员来往频繁，且人员素质参差不齐，这就造成了一定的安全隐患。人员监管复杂，移动设备管理复杂，且现有技术的管理难度极大。为了保障加油站的安全运行和来往人员的生命安全，建设一套能 24 小时对加油站进行监管的系统就显得尤为迫切。

5.2 解决方案

根据行业特点，和每个加油站的不同配置，可以先让加油站工作人员整理出一套本加油站最合理的物品配置和人员管理要点。前期安装摄像机，对所有需求的标准场景进行机器视觉训练，整理出一套符合安全生产的作业现

场和现场信息数据库。在出现规则不允许的情况时自动报警，将工作人员的作业强度将至最低。

5.3 系统功能

1、固定物品监测功能：对加油站内的所有固定物品进行数量和位置上的统计，当有异常情况时进行报警并记录相关信息。固定物品包括但不限定于加油枪、加油设备主体、内灭火器、严禁烟火标识、灭火毯、消防沙等。

2、工序监测功能：按照规定在加油过程工作人员应该紧握加油枪，不能在加油过程中离开，一旦工作人员离开现场语音提醒，并记录相关信息。

3、标准着装监测功能：工作人员进入监控区域时，通过人工智能深度学习技术判断进入监控区域人员帽子是否佩戴合格；工作服是否穿戴整齐。对于没有佩戴帽子的立即主动报警；未穿工作服进入进行工作的人员系统自动报警并记录。

4、人员行为监测功能：对加油站出现的司机和乘客进行监测，一旦出现明

令禁止的吸烟、使用明火等行为时，立即启动声光报警系统，提醒工作人员

及时制止。

第六章配电室智能运维

6.1 项目背景

随着用户对电力的依赖逐步加强，配电室的安全稳定运营显得尤为重要，现阶段的配电室无论是公变还是专变，都没有一套完整的系统平台将其统一管理起来。这就有可能因为管理不善的原因造成配电室发生事故，现阶段的管理一般采用巡检制度，但是事故的发生是随时存在的，有些小问题因为处理不及时发展为事故，所以建设一套 24 小时能将配电室统一管理的平台尤为重要，这种需求是实实在在的。

6.2 解决方案

对配电室的改造分为四个方面，一是环境监测标准化、二是设备监测标准化、三是人员管理标准化、四是标识标牌标准化。通过这四方面的建设、通

过平台可以 24 小时了解配电室的运行状况，再出现问题时第一时间获取信息，

在根据问题类型做到实时解决。

6.3 系统功能

1、环境监测功能：对配电室内外环境温度、湿度、烟雾、电缆沟道水位、进行实时监测，为配电室内设备营造一个健康的运行环境同时为室外作业人员提供相应的施工环境指

标。

2、人员入侵识别功能：通过在配电室内安装监控设备，利用人工智能对进

入基站站的

人员进行识别监控，一旦发现有非法人员入侵、工服穿戴不标准，可以立即

报警，从而预防非法、违规人员的不正当行为。

3、设备运行监测功能：设备监测标准化包括 10kV 高压柜信息（负荷电流、电压、有功、无功、功率因数、频率、开关状态）进行采集、变压器温度信息采集、对低压配电进线柜及联络柜的电流、电压、功率、功率因数及电能等数据采集。

3、共享电工功能：将异常情况上传至 APP 端，附近的电工可以根据自己安排进行抢单，极大的提升了电工工作积极性，提高抢修效率。

5、可扩展功能：

①固定物品识别功能：根据用户需求，经过训练后可以对特定物品进行

识别，保证用户需求方面的灵活性，从而使配电室可以更加人性化的运行。

②预留数据接入口：考虑到后期高科技设备可能会介入，在平台建设时会留有一定的设备接入口，保证一套系统可以监控配电室的所有信息化产品。

第七章采油机智能化监控

7.1 项目背景

石油是现代工业的血液，随着我国经济的迅猛发展，对石油的依赖显得越发严重。我国是石油进口大国，也是石油生产大国，在西北和东北拥有大量的油田。石油的采掘安全关系到我国经济的稳定发展，油田现阶段对采油机的管理主要依靠人员定期巡检，对人员的管理主要依靠传统的人员考核，这样对设备的运行情况不能实时了解，对人员的监管不能实时到位。为了保证油田设备、人员的安全，建设一套能 24 小时对采油机工作状态进行监控的系统显得尤为迫切。

7.2 解决方案

在采油机设备的各个重点监控部位加装摄像机，通讯方式采用工业级网桥通讯，专为极端环境设计，防潮、防水、防盐碱腐蚀。可以采用点对点、点对多点方式组网。数据回传至监控中心进行统一处理，当发现设备异常后进行存储，并通知现场设备管理人员进行查看。在设备操作区域加装人员标准着装检测摄像机，对进入区域的人员进行监控。

7.3 系统功能

1、现场人员监测功能：对进入设备操作区的人员进行标准着装进行识别，当安全帽和工服有缺失时语音提示标准着装，当安全帽和工服全部缺失时提示非法人员入侵，语音提示立即离开，保证设备和人员的安全。

2、钢缆卷筒监测功能：对钢缆卷筒进行检测，检测内容为钢缆在卷筒上是否整齐的排布，钢缆是否有断股、散股。一旦出现异常立即提示设备管理人员，并将记录相关信息。

3、皮带轮皮带监测功能：对皮带松紧程度进行检测，

当出现皮带过松情况和断裂情况时，立即提示设备管理人员，并将记录相关信息。。

4、连杆测功能：对连杆形状进行检测，一旦出现变形情况立即提示设备管

理人员，并将记录相关信息，防止采油机侧翻。

5、尾轴测功能：对尾轴形状进行检测，一旦出现变形、断裂情况立即提示

设备管理人员，并将记录相关信息，防止尾轴脱落造成人员伤亡。

第八章输油管线

8.1 项目背景

人工智能AI 行业应用整体建设解决方案

人工智能 AI+行业应用 解决方案 2019 年3 月8 日

目录 第一章计算机视觉发展历程 (3) 1.1 当前计算机视觉技术的位置 (4) 第二章变电站智能化监控 (5) 2.1项目背景 (5) 2.2解决方案 (5) 2.3系统功能 (5) 第三章电力隧道智能化监控 (6) 3.1项目背景 (6) 3.2解决方案 (6) 3.3系统功能 (7) 第四章电塔防破智能化监控 (7) 4.1项目背景 (7) 4.2解决方案 (8) 4.3系统功能 (8) 第五章加油站智能化监控 (9) 5.1项目背景 (9) 5.2解决方案 (9) 5.3系统功能 (9) 第六章配电室智能运维 (10) 6.1项目背景 (10) 6.2解决方案 (10) 6.3系统功能 (10) 第七章采油机智能化监控 (11) 7.1项目背景 (11) 7.2解决方案 (11) 7.3系统功能 (12) 第八章输油管线 (12) 8.1项目背景 (12) 8.2解决方案 (13) 8.3系统功能 (13)

第一章计算机视觉发展历程 计算机视觉的发展历史可以追溯到 1966 年，在这一年著名人工智能学家 马文·明斯基给他的学生布置了一道作业，让学生在电脑前面连一个摄像头， 然后想办法写一个程序，让计算机告诉我们摄像头看到了什么。这道题代表 了计算机视觉的全部，通过一个摄像头让机器告诉我们它到底看到了什么。 所以，1966 年被认为是计算机视觉的起始年。 1970 年代，研究者开始去试图解决这样一个问题，就是让计算机告知他到 底看到了什么东西。当时，大家认为要让计算机认知到底看到了什么，首先要 了解人是怎样去理解这个世界的。当时有一种普遍的认知，认为人之所以理解 这个世界，是因为人看到的世界是立体的，能够从立体的形状里面理解世界。在这种认知情况下，研究者希望先把三维结构从图像里面恢复出来，在此基 础上再去做理解和判断。 1980 年代，是人工智能发展的一个非常重要的阶段。当时，在人工智能界 开始做很多类似于现在的专家系统，计算机视觉的方法论也开始在这个阶段产 生一些改变。在这个阶段，人们发现要让计算机理解图像，不一定先要恢复物 体的三维结构。例如：让计算机识别一个苹果，假设计算机事先知道对苹果的 形状或其他特征，并且建立了这样一个先验知识库，那么计算机就可以将这样 的先验知识和看到物体表征进行匹配。如果能够匹配上，计算机就算识别或 者理解了看到的物体。所以，80 年代出现了很多方法，包括几何以及代数的 方法，将我们已知的物品转化成一些先验表征，然后和计算机看到的物品图像 进行匹配。 90 年代，人工智能界又出现了一次比较大的变革，也就是统计方法的出现。 在这个阶 段，经历了一些比较大的发展点，比如现在还广泛使用的局部特征。随着 90 年代统计方法的流行，研究者找到了一种统计手段，能够刻画物品最本质的 一些局部特征，比如：要识别一辆卡车，通过形状、颜色、纹理，可能并不 稳定，如果通过局部特征，即使视角、灯光变化了，也会非常稳定。我们可 以对物品建立一个局部特征索引，通过局部特征可以找到相似的物品。通过 这样一些局部点，可以让匹配更加精准。 到 2000 年左右，机器学习开始兴起。以前需要通过一些规则、知识或者统 计模型去识别图像所代表的物品是什么，但是机器学习的方法和以前完全不一样。机器学习能够从我们给定的海量数据里面去自动归纳物品的特征，然后去识别它。在这样一个时间点，计算机视觉界有几个非常有代表性的工作，比如：人脸识别。你要识别一个人脸，第一步需要从图片里面把待识别的人脸区域给提取出来，我

人工智能在建筑行业应用概述

人工智能在建筑行业应用概述 摘要 人工智能(Artificial Intelligence，AI)是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等学科的研究的基础上发展起来的，因此又可把它看作是一门综合性的边缘学科。随着该学科的不断发张，其在建筑领域的应用范围也不断扩大，极大的促进了我国建筑行业从传统运作走向现代管理和经营。本文首先对人工智能进行了简要介绍，并从五个方面对该技术在建筑领域的应用进行了讨论。 关键字：人工智能；建筑领域；计算机应用。 1、引言 人工智能(Artificial Intelligence，AI)是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等学科的研究的基础上发展起来的，因此又可把它看作是一门综合性的边缘学科。AI的出现及所取得的成就引起了人们的高度重视并得到了很高的评价。甚至有人把AI与空间技术、原子能技术一起誉为20世纪的三大科学技术成就。 人工智能是一门研究如何构造智能机器(智能计算机)或智能系统并使它能模拟、延伸、扩展人类智能的学科。或者说人工智能就是要研究如何使机器具有听、说、看、写、思维、学习、适应环境变化、解决所面临的各种实际问题等功能的一门学科。人工智能的研究重心主要集中在专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统及人工神经网络等方面。但由于研究者对于人工智能的理解存在差异，所以就形成了不同的人工智能的研究方法，其主要有三种，分别如下： 1.1、以符号处理为核心的方法——符号主义 计算机具有符号处理的推算能力，这种能力蕴涵演绎推理的内涵。因此，可

人工智能在制造业中的应用

人工智能在制造业中的应用 目录 摘要 (1) 引言 (2) 1.有关人工智能 (2) 2.传统制造业谋求转型跨越 (2) 3.制造工业的现状 (3) 4.智能机器人的诞生 (3) 5.软件将成为构建智能化工厂的重要基础 (3) 6.数字技术和自动化技术的提高 (3) 7.低端制造业造就巨大潜在市场 (4) 8.我国制造业面临诸多困难 (4) 9.如何摆脱我制造业的困境 (4) 10.加快推进高技术服务业的发展，特提出以下建议 (5) 第一要加快培育专业化的高技术服务人才队伍 (5) 第二是要注重引导高技术服务业集聚发展 (5) 第三是要积极承接国际高技术服务业转移 (5) 第四是要进一步加大对高技术服务业的R&D投入 (5) 第五是要加强知识产权保护，为高技术服务业的创新发展保驾护航 (5) 总结 (5) 摘要： 针对制造业的高度复杂性，结合人工智能的研究进展，详细论述了计算机在制造生产中

的应用现状及发展方向，阐明了各种技术的特点，并指出多种技术相结合进一步实现制造生产自动化，使人工智能更好地应用于制造生产，这对提高生产率及质量有重要意义。 关键字：人工智能；计算机；制造 引言： 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，旨在研究如何利用计算机等现代化工具种系统来模仿人类的智能行为。人工智能技术的发展为生产数据与信息的分析和处理提供了有效的方法，给制造技术增添了智能的翅膀。人工智能技术尤其适合于解决特别复杂和不确定的问题，在制造过程的各个环节几乎都可广泛应用人工智能技术。 人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，人工智能领域的研究是从1956年正式开始的，这一年在达特茅斯大学召开的会议上正式使用了“人工智能”(Artificial Intelligence，AI)这个术语，从那以后,研究者们发展了众多理论和原理，人工智能的概念也随之扩展。随后的几十年中，人们从问题求解、逻辑推理与定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，已经建立了一些具有不同程度人工智能的计算机系统，例如能够求解微分方程、设计分析集成电路、合成人类自然语言，而进行情报检索，提供语音识别、手写体识别的多模式接口，应用于疾病诊断的专家系统以及控制太空飞行器和水下机器人更加贴近我们的生活。 1.有关人工智能 人工智能也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。 2.传统制造业谋求转型跨越 传统的设计模式已远远不能满足现代科技的迅猛发展，为了克服传统设计方法的不足，人工智能在现代设计领域逐渐受到重视。20世纪50年代诞生的数控技术以及随后出现的机

人工智能在能源行业的5个应用方向及对应案例

人工智能在能源行业的5个应用方向及对应案例 自2012年以来，把人工智能和能源产业放在一起进行报道的新闻开始增多。本文简要描述了人工智能在能源行业的5个应用方向，及对应的案例。 能源行业会产生大量的数据。为了将这些数据转化为提高生产率和削减成本的驱动力，主要的能源行业公司——石油和天然气巨头，以及可再生能源公司——都把注意力转向了人工智能。 自2012年以来，把人工智能和能源产业放在一起进行报道的新闻开始增多。本文简要描述了人工智能在能源行业的5个应用方向，及对应的案例。 1Storage（能源储藏）根据Greentech Media最近的一份报告，美国的能源储藏在2017年第四季度达到了一个新的里程碑：在2013年至2017年间，累计储藏量已超过1000兆瓦时。该报告还预测，这个数字将在今年翻一番。随着储藏容量的提升和新技术的出现，人工智能正在提升这个市场的效率。 案例1：Stem 位于加利福尼亚州的Stem公司开发了代号为雅典娜（Athena）的项目，它利用人工智能绘制出能源的使用情况，并允许客户跟踪能源价格的波动，从而更有效地使用被储藏的能源。 Stem已经从包括美国能源部、GE Ventures和新加坡主权财富基金淡马锡控股在内的多家投资者那里，融到了超过3,700万美元的资金。 2The Autonomous Grid（智能电网）如今，电网的能量来源通常有很多，除了传统的发电以外，还有风能和太阳能，这使得运营电网系统的过程也变得更加复杂。通过人工智能来对大规模的数据集进行分析，这个多源收集的过程更加稳定和高效。 案例1：美国能源部 2017年9月，美国能源部向斯坦福大学的SLAC研究人员颁发了一项研究奖，奖励他们

人工智能在金融行业的应用与风险分析

人工智能在金融行业的应用及风险分析 随着计算机技术和互联网行业的发展，越来越多的新兴技术如指纹识别、大数据、云计算、人工智能等逐渐开始影响人们的生活。这些技术在一定程度上提高了人们生活的便捷度，同时也给各个行业带来了巨大的变革。在这个过程中，金融行业也遭到了前所未有的冲击，这些技术已经开始被应用在银行、保险、证券和投资理财等领域。 2017年5月，围棋等级分排名世界第一的中国棋手柯洁在三番棋中不敌谷歌的AlphaGo，再一次将人们的注意力集中到人工智能这一技术上。本文将介绍人工智能这一技术及其对金融行业的影响。 一、人工智能概述 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是对人的意识、思维的信息过程的模拟。这一概念最早在1956年达特茅斯会议上被提出，并在随后几十年中不断得到补充和发展。 人工智能的研究范围非常广泛，包括有效的老式人工智能、联结主义、遗传算法、神经网络等多个领域。当下

最热门的机器学习是人工智能的一个分支。简单来说，机器学习利用算法分析数据、学习数据，通过基于大量数据的“自我训练”，实现对真实世界情况进行判断和预测的能力。因此，程序实际上是在用大量数据和算法进行“自我训练”，从而学会如何完成一项任务，这与预先编写好、只能按照人类指定的逻辑去执行指令的程序不同。实际上，任何通过数据训练的学习算法都属于机器学习，这其中包括很多我们非常熟悉的技术，比如线性回归、K均值、决策树、主成分分析法、支持向量机以及人工神经网络等。 AlphaGo的核心算法是深度学习的人工神经网络。人工神经网络出现得非常早，但受技术限制一直进展缓慢，直到云计算的出现和后来GPU开始大规模部署之后，这种技术才得以快速发展应用。运算能力的发展使神经网络计算变得速度更快、成本更低、性能更强大，而存储设备的容量增加，读取速度加快，进一步降低了运用该技术的门槛。 二、人工智能在金融行业的应用 （一）智能客服 人工智能技术的发展使得语音识别技术逐渐成熟，一些金融机构开始尝试使用该技术来优化现有的远程客户服务、业务咨询和业务办理等，这使得用户能够更加及时地得到满意的答复，提升用户的满意度，同时还可以减轻人

(完整版)人工智能的发展及应用

人工智能的发展及应用 这是个信息爆炸自动控制飞速发展的时代，而在这样的时代中，人工智能也取得了飞速的发展。成为了最前沿最热门的学科和研究方向之一。 人工智能的定义? ?“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth 学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机,人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。? 人工智能理论进入21世纪,正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品”,并使之在越来越多的领域超越人类智能,人工智能将为发展国民经济和改善人类生活做出更大贡献。? 人工智能的应用领域? ?1.在管理系统中的应用? (1)人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中,以数据管理和处理为中心,围绕企业的核心业务和主导流程建立若干个主题数据库,而所有的应用系统应该围绕主题数据库来建立和运行。换句话说,就是将企业各部门的数据进行统一集成管理,搭建人工智能的应用平台,使之成为企业管理与决策中的关键因子。? 2.在工程领域的应用? (1)医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。事实上,早在1982年,美国匹兹堡大学的Miller就发表了着名的作为内科医生咨询的Internist 2Ⅰ内科计算机辅助诊断系统的研究成果,由此,掀起了医学智能系统开发与应用的高潮。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。? (2)地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978年美国斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECTOR”,该系统用于勘探评价、区域资源估值和钻井井位选择等,是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积,价值超过1亿美元。? 3.在技术研究中的应用? (1)在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类;专家运用超声无损检测仪器,以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动,减少了任务因素造成的无擦,提高了检测的可靠性,实现了超声检测和评价的自动化、智能化。? (2)人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。

AI人工智能技术的应用范围和案例课件

AI人工智能技术的应用范围和案例 人工智能（Artificial Intelligence），也就是常说的为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 作为一门学科，人工智能于1956年问世，由“人工智能之父“McCarthy 及一批数学家、信息学家、心理学家、神经生理学家、计算机科学Dartmouth大学召开的会议上，首次提出。 当前人工智能己在如下一些领域和方向取得了深入的应用和发展：机器人，金融, 零售，无人驾驶，智能医疗等。 1.人工智能在机器人方向的应用 人工智能在智能机器人中应用所要经过的过程为：

1、识别过程，外界输入的信息向概念逻辑信息转译，将动态静态图像、声音、语音、文字、触觉、味觉等信息转化为形式化（大脑中的信息存储形式）的概念逻辑信息。 2、智能运算过程，输入信息刺激自我学习、信息检索、逻辑判断、决策，并产生相应反应。 3、控制过程，将需要输出的反应转译为肢体运动和媒介信息。 人工智能实体将首先在精确思维能力上超过人，然后在模糊思维能力上超过人。由于创造力是个性化的产物，较高的创造力不是复制及经验的吸收所能产生的，它需要通过个性化的学习来获得，而个性化的学习不是短时间内所能完成的，因而人工智能实体在创造力上全面超过人将需要较长的时间。一旦人工智能实体的创造力超过人其智力水平也就能远远超过人。“智能机器人”将在工业、服务业、军事、航空航天等领域发挥越来越重要的作用。 今天，尽管我们的机器人已经具备了一定的智能，但距离真正的“智能机器人”还有相当大的差距。随着生理学，行为学等学科的发展，随着我们对人脑的工作方式的理解进一步的加深，随着机器视觉和自然语言理解等人工智能领域在机器人上的应用，机器人终将成为真正意义上的“智能机器人”。 这是充满了生机与活力科研领域。研制机器人的最初目的是为了帮助人们摆脱繁重劳动或简单的重复劳动， 以及替代人到有辐射等危险环境中进行作业，因此机器人最早在汽车制造业和核工业领域得以应用。随着机器人技术的不断发展，工业领域的焊接、喷漆、搬运、装配、铸造等场合，己经开始大量使用机器人。另外在军事、海洋探测、航天、医疗、农业、林业甚到家用机器人，服务娱乐行业，也都开始使用机器。

人工智能行业应用及产业发展趋势详解

人工智能行业应用及产业发展趋势详解 麦肯锡预计，到2025 年全球人工智能应用市场规模总值将达到1270 亿美元，人工智能将是众多智能产业发展的突破点。本文从人工智能核心业态及应用趋势，对智能基础设施建设、智能信息及数据、智能技术服务、智能产品四个方面展开介绍，总结人工智能行业应用及产业发展趋势。 1 智能基础设施 智能基础设施为人工智能产业提供计算能力支撑，其范围包括智能传感器、智能芯片、分布式计算框架等，是人工智能产业发展的重要保障。 1. 智能芯片 智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看，可以分为云端和设备端两步大类。 训练过程由于涉及海量的训练数据和复杂的深度神经网络结构，需要庞大的计算规模，主要使用智能芯片集群来完成。 与训练的计算量相比，推理的计算量较少，但仍然涉及大量的矩阵运算。目前，训练和推理通常都在云端实现，只有对实时性要求很高的设备会交由设备端进行处理。 按技术架构来看，智能芯片可以分为通用类芯片（CPU、GPU、FPGA）、基于FPGA 的半定制化芯片、全定制化ASIC 芯片、类脑计算芯片（IBM TrueNorth）。 另外，主要的人工智能处理器还有DPU、BPU、NPU、EPU 等适用于不同场景和功能的人工智能芯片。 随着互联网用户量和数据规模的急剧膨胀，人工智能发展对计算性能的要求迫切增长，对CPU 计算性能提升的需求超过了摩尔定律的增长速度。 同时，受限于技术原因，传统处理器性能也无法按照摩尔定律继续增长，发展下一代智能芯片势在必行。 未来的智能芯片主要是在两个方向发展：一是模仿人类大脑结构的芯片，二是量子芯片。智能芯片是人工智能时代的战略制高点，预计到2020 年人工智能芯片全球市场规模将突

人工智能在能源行业的5个应用

人工智能在能源行业的5个应用 本文来自CB Insights Research在2018年3月份发布的文章《5 Ways The Energy Industry Is Using Artificial Intelligence》。 能源行业会产生大量的数据。为了将这些数据转化为提高生产率和削减成本的驱动力，主要的能源行业公司——石油和天然气巨头，以及可再生能源公司——都把注意力转向了人工智能。 自2012年以来，把人工智能和能源产业放在一起进行报道的新闻开始增多。本文简要描述了人工智能在能源行业的5个应用方向，及对应的案例。 Storage（能源储藏） 根据Greentech Media最近的一份报告，美国的能源储藏在2017年第四季度达到了一个新的里程碑：在2013年至2017年间，累计储藏量已超过1000兆瓦时。该报告还预测，这个数字将在今年翻一番。随着储藏容量的提升和新技术的出现，人工智能正在提升这个市场的效率。 案例1：Stem

位于加利福尼亚州的Stem公司开发了代号为雅典娜（Athena）的项目，它利用人工智能绘制出能源的使用情况，并允许客户跟踪能源价格的波动，从而更有效地使用被储藏的能源。 Stem已经从包括美国能源部、GE Ventures和新加坡主权财富基金淡马锡控股在内的多家投资者那里，融到了超过3,700万美元的资金。 The Autonomous Grid（智能电网） 如今，电网的能量来源通常有很多，除了传统的发电以外，还有风能和太阳能，这使得运营电网系统的过程也变得更加复杂。通过人工智能来对大规模的数据集进行分析，这个多源收集的过程更加稳定和高效。 案例1：美国能源部 2017年9月，美国能源部向斯坦福大学的SLAC研究人员颁发了一项研究奖，奖励他们利用人工智能技术改善了电网的稳定性。通过用过去的数据来对电力波动和电网薄弱环节进行编程，新的“智能电网”将自动对重大事件作出快速而准确的反应。 案例2：西门子 智能电网也能够在同一时间更好地管理不同类型的能源。西门子公司发布了一个软件包来操作网络，即所谓的“主动网络管理”（ANM，active network management）。ANM的

人工智能行业发展概述

人工智能行业发展概述

目录 1.概要 (3) 2.启示 (4) 3.方向 (10) 4.行业现状 (19)

1.概要 人工智能是信息时代的尖端技术。从人类建立起需要指导控制才能运行的计算机，到计算机拥有可以自己去学习的能力，这一飞跃对各行各业都产生了巨大的影响。虽然此时此刻可能是下一个AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。 与此同时，人工智能、机器人和无人驾驶汽车已经成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探

讨的那样，这个变化的原因有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。 这个AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。虽然深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的Alexa 和Google 的图像识别，但是AI 不仅仅是「科技技术」（tech for tech），也就是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。 例如，在医疗保健中，图像识别技术可以提高癌症诊断的准确性。在农业中，农民和种子生产商可以利用深度学习技术来提高作物产量。在制药业中，深度学习可以用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开辟新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发现其可被利用场景的早期阶段，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中创造新的赢家和输家。 AI 的广泛应用让我们得出了一个结论：它是一种可以变革全球经济的技术，是提高生产力并结束美国生产率停滞增长的驱动力。结合GS 首席经济学家Jan Hatzius 的研究，我们明确了资本深化目前的停滞及其对美国生产率的相关影响。我们相信，AI 技术将会驱动生产力的提高，就像20 世纪90 年代那样，驱动企业投资更多的资本和劳动密集型项目，加快发展的脚步，提高盈利能力以及提高股票的估值。 2.启示

人工智能及其应用前景

人工智能及其应用前景 【摘要】人工智能从诞生之日起就备受社会各界的广泛关注，经过多年发展，现在已经成为一门综合性的前沿学科。从上世纪七八十年代以来，就被誉为是具有与空间技术和能源技术同等地位的世界三大尖端技术之一，到了二十一世纪又与基因工程、纳米科学同被誉为三大尖端技术。本文主要对人工智能的概念进行解读，而后概述了人工智能的发展历程，并且探析了人工智能的应用和存在的问题，最后展望人工智能今后的发展，对于探索人工智能应用的方向具有一定的价值。 【关键词】人工智能；发展；应用；前景 Artificial intelligence and its application prospects Abstract：From the date of the birth, artificial intelligence has been widespread attentioned from all walks of life，after many years of development，it has now become a comprehensive frontier discipline. From 70s of the last century，it has been hailed as one of the world's three cutting-edge technology equal to space technology and energy technology status. In the 21st century, it is known as the three cutting-edge technology with genetic engineering and nano science. This paper first introduced the concept of the artificial intelligence，interpretation，and then summarized the development of artificial intelligence，and discussed the application of artificial intelligence and the problems，and finally looked forward to the development of artificial intelligence in the future.It has a certain value to explore the direction of the application of artificial intelligence. Keywords：Artificial intelligence；Development；Application field；Prospects 前言： 人工智能（Artificial Intelligence），简称AI，最初是在1956 年Dartmouth 学会上提出的。它是由计算机科学、控制论、神经生理学、语言学等多种学科相互渗透而发展起来的一门综合性的前沿学科。自问世以来的五十多年间已经取得了长足的进展, 由于其应用的极其广泛性及存在的巨大研究开发潜力, 吸引了越来