人工智能技术与应用（案例版）课件全套 仪登利 第1-10章 绪论 -智能服务机器人

第1章

绪论-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.课程起源及地位2.学习内容1.课程起源及地位人工智能引领“第四次工业革命”

人工智能的应用已经渗透到各领域1.1智能制造工程专业人才培养人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和全面建成小康社会的奋斗目标。20202025人工智能基础理论实现重大突破技术与应用部分达到世界领先水平，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。20301.1智能制造工程专业人才培养

为主动应对新一轮科技革命和产业变革，下好新一轮科技革命和产业变革的“先手棋”，2017年教育部启动了新工科建设，更加注重产业需求导向，注重跨界交叉融合，注重支撑引领，改造升级传统工科专业，发展新兴工科专业，主动布局未来战略必争领域人才培养。2018年设立智能制造工程专业，立足新工科培养理念，为新时代制造业提供高级工程应用型人才。智能制造工程专业是综合应用自动控制、人工智能、机械、计算机等专业领域知识形成的前沿交叉学科专业，其集成了数字化设计与制造、智能装备、智能感知与检测、工业机器人、工业物联网、大数据、人工智能等制造智能化关键技术。

人工智能是一门新兴的边缘学科，是自然科学和社会科学的交叉学科，吸取了自然科学和社会科学的最新成就，以智能为核心，形成了具有自身研究特点的新体系。1.2人工智能+专业2003年北京大学“智能科学与技术”本科专业先后通过了专家论证、学部评审和学校批准，同年报教育部备案通过，2004年3月教育部公布，同年招收第

一批“智能科学与技术”本科专业学生。截至2016年，全国智能科学与技术本科专业共29个。2017到2018年，全国智能科学与技术本科专业共26个。2019到2020年，全国的智能科学与技术本科专业128个。2019到2020年，全国设立的人工智能本科专业共215个。2020年02月，专科人工智能技术服务专业171个。

我国智能科学与技术本科教育起源于2004年，该专业就是我国的人工智能专业，二者没有本质区别，名字不同，可差异化发展。后面统称人工智能专业。人工智能本科教育的起源与发展人工智能专业产生于2019年，绝对是新专业。智能科学与技术专业虽产生于2004年，但从其发展过程看其真正发展是在2018年，因此也应该算是新专业。从专业发展的角度看，除了这两个新专业外，在人工智能领域还会不会有新的专业出来,从事物发展的角度看，完全有可能，例如:自然语言处理：包括语音识别、机器翻译、自然语言生成、情感计算、自动文摘、文本检索等。机器学习与知识工程：知识计算理论与方法、群体智能与分布智能、高级机器学习、知识图谱及应用、大数据技术与应用、不确定性推理与决策等。智能机器人：跨媒体感知与处理、多模态表征与融合、智能传感与监测、图像分析与理解视频理解与跟踪、智能信息获取与处理等。智能感知与交互：跨媒体感知与处理、多模态表征与融合、智能传感与监测、图像分析与理解、视频理解与跟踪、智能信息获取与处理等。人工智能产业的产业生态基础层和技术层主要包括计算能力等相关的基础设施搭配。计算机视觉、语音识别、生物识别等感知技术，类脑智能/推理智能、学习判断/逻辑思考等认知技术，以及人工智能开源软硬件平台、自主无人系统支撑平台等技术应用平台，是人工智能向产业转化的技术支撑，降低人工智能的应用门槛。应用层主要涵盖人工智能在各类场景中的应用。其中，智能终端产品，包括智能机器人、智能无人机、智能硬件等。重点场景应用包括自动驾驶、智慧医疗、智慧教育、智慧金融、新零售、智慧安防、智慧营销、智慧城市等，是基于现有的传统产业，利用人工智能软硬件及集成服务对传统产业进行升级改造，提高智能化程度。保障层包含人工智能产业发展过程中需要遵守的法律法规、伦理规范、安全以及标准，或在发展过程中需要修订、规范的相关法规和标准等，以保障人工智能产业生态有序可持续发展。2.学习内容《人工智能技术及应用》，程显毅、任越美、孙丽丽主编，机械工业出版社，2019.12《人工智能基础》，王东云、刘新玉主编，电子工业出版社，2020.9《人工智能：智能制造》，刘继红、江平宇主编，电子工业出版社，2020.12《机器学习与视觉感知》，张宝昌、杨万扣、林娜娜主编，清华大学出版社，2020.9《Python程序设计教程》，王辉、于洋等主编，清华大学出版社，2020.12教材及参考教材1.辽宁省联盟慕课（学习通，已建好）2.慕课资源（B站斯坦福吴恩达课程；浙江大学《机器学习》课程等）教学资源及扩展第1章

绪论-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.人工智能在我们身边2.人工智能基本概念3.人工智能发展历程4.

人工智能应用开发5.

本章小结语音助手：识别用户的语音命令，执行各种任务，例如播放音乐、查找信息、发送短信、提醒日程等等。人脸识别：通过人脸识别，智能手机可以在解锁屏幕、支付购物、拍照等方面提供更高的安全性和便捷性。搭载各APP，如谷歌翻译APP：提供所支持的任意两种语言之间的互译，包括字词、句子、文本和网页翻译。新增自动翻译功能。智能照片：自动磨皮、美白、瘦脸、眼部增强及五官立体等功能，美化照片。迎合客户需求的美颜手机。智能手机的AI智能家居智能冰箱智能空调扫地机器人智能门锁智能风扇智能灯扫地机器人这种“聪明”的电器产品可以根据预设时间或接受语音信息等表进行清洁，减轻家务负担。它是AI技术在电器上的典型应用。空调将调温、控制风向、制冷/制热等这些控制集中在手机APP上，能根据外界气候条件，按照预先设定的指标对温度、湿度、空气清洁度传感器所传来的信号进行分析、判断、及时自动打开制冷、加热、去湿及空气净化等功能。智能冰箱可以识别冰箱内的食物种类和数量，自动生成购物清单或推荐食谱。部分智能冰箱还可以通过屏幕显示日历、新闻等信息。智能家居的AI人工智能是通过机器来模拟人类智能的技术。人工智能就是使一部机器的反应方式像人一样进行感知、认知、决策、执行的人工程序或系统。感知能力A推理与决策能力BD适应能力C学习能力人工智能基本概念人工智能是一个含义很广的术语，具有不同学科背景的人工智能学者对它有着不同的理解，综合各种人工智能观点，可以从“能力”和“学科”两方面对人工智能进行定义。从能力的角度看从学科的角度看人工智能是指人工的方法在机器（如计算机）上实现的智能。人工智能是一门研究如何构造智能机器或智能系统，使其能模拟、延伸和拓展人类智能的学科。1.2人工智能基本概念1.3人工智能的内涵与外延2.1人工智能起源与发展人工智能的发展道路曲折起伏，总的来说可分为7个时期，依次是孕育期、起步发展期、反思发展期、应用发展期、低迷发展期、稳步发展期和蓬勃发展期，如图所示---人工智能发展历程。并非线性而是螺旋式上升2.1人工智能起源与发展人工智能的三要素数据即是知识原料，是人工智能发展的基础。算法是人工智能发展的框架，算法框架能够极大地提高人工智能学习效率。算力是支撑人工智能高速发展的关键要素。2.2人工智能主要学派3.1人工智能应用开发流程提供了多种框架多样性面向对象方式简单化3.2人工智能开发环境模型框架PaddlePaddle本章小结第2章

知识表示与知识图谱人工智能技术与应用ArtificialintelligencetechnologyandApplication1.知识与知识表示2.谓词逻辑表示法3.产生式表示法4.知识图谱5.产生式知识表示案例2.1知识与知识表示知识基本概念知识是经过削减、塑造、解释和转换的信息。知识的不确定性知识的相对正确性可表示性与可利用性知识的特性知识的分类按知识的作用效果知识可分为陈述性知识、过程性知识和控制性知识。其中，陈述性知识是关于世界的事实性知识，主要回答“是什么”、“为什么”等问题。过程性知识是描述在问题求解过程所需要的操作、算法或行为等规律性的知识，主要回答“怎么做”的问题。控制性知识是关于如何使用前两种知识去学习和解决问题的知识。按知识的确定性按知识的确定性把知识分为确定性知识和不确定知识。确定性知识是可以指出其值为“真”或“假”的知识，是精确性知识；不确定性知识指具有“不确定”特性的知识，它是对不精确、不完全及模糊性知识的总称。按知识的适用范围知识可分为常识性知识和领域性知识。常识性知识是指通用通识的知识，即人们普遍知道的、适用于所有领域的知识。领域性知识是指面向某个具体领域的专业性知识，这些知识只有该领域的专业人员才能够掌握和运用它，如领域专家的经验等。知识与知识表示知识表示的含义知识表示是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示的分类充分性可利用性可理解性可扩充性知识表示的要求符号表示法和连接机制表示法2.2谓词逻辑表示法例1.命题“王宏是学生”。谓词表示为STUDENT（WangHong）。其中，WangHong是个体，代表王宏；STUDENT是谓词名，说明王宏是学生主这一特征。通常，谓词名用大写英文字母表示，个体用小写英文字母表示。例2.命题“5>3”。谓词表示为Greater(5,3)。若命题“x>3”，则谓词表示为Greater(x,3)，式中x是变元。例3.命题“王宏的父亲是教师”。谓词表示为TEACHER（father（WangHong））。其中father（WangHong）是一个函数，表示命题中的定语关系。逻辑符号含义2.3产生式表示法规则描述的是事物间的因果关系，其含义是“如果……则……”

。在经典的“动物识别系统”中，利用产生式规则表示为：

IF动物有羽毛THEN动物是鸟其前提条件是“动物有羽毛”，结论是“动物是鸟”，其含义是“如羽毛，则动物是鸟”。产生式系统规则库是用于描述相应领域内过程性知识的产生式集合。对知识进行合理的组织与管理，提高问题求解效率。综合数据库包含事实库、上下文、黑板等，用于存放问题求解过程中的各种信息的数据结构，包括初始状态、原始证据、中间结论、最终结论，其内容在推理过程中在动态、不断变化的。2.4知识图谱以图结构存储的语义网络。通过这样的方式，让使用者更加便捷地发现新知识。知识图谱起源与发展知识图谱的构建

知识图谱特点基于知识图谱的交互探索式分析，可以模拟人的思考过程去发现、求证及推理,员自己就可以完成全部过程，不需要专业人员的协助。利用交互式机器学习技术，支持根据推理、纠错及标注等交互动作的学习功能,不随淀知识逻辑和模型，提高系统智能性，将知识沉淀在企业内部，降低对经验的依赖。知识学习图式的数据存储方式，相比传统存储方式，数据调取速度更快，图库可计算超过百万的实体的属性分布，可实现秒级返回结果，真正实现人机互动的实时响应，让用户可以做到即时决策。高速反馈基于知识图谱的交互探索式分析，可以模拟人的思考过程去发现、求证及推理,员自己就可以完成全部过程，不需要专业人员的协助。像人类思考一样去做分析传统数据库通常通过表格、字段等方式进行读取，而关系的层级及表达方式多种么且基于图论和概率图模型，可以处理复杂多样的关联分析，满足企业各种角色关系的州管理需要。关系的表达能力强知识图谱的应用2.5产生式知识表示案例设计产生式动物识别系统，该系统能够识别虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁等七种动物。程序结果本章小结第3章

搜索与推理人工智能技术与应用ArtificialintelligencetechnologyandApplication1.搜索概述2.盲目搜索3.启发式搜索4.推理5.搜索案例案例引入当我们到陌生的城市旅游时，常使用手机的APP进行搜索地点、路径导航等，也会搜索附近的美食、旅店等。当我们在面对一个新事物，新产品，新概念时，常使用搜索引擎工具进行查询、了解、学习。搜索技术在日常生活中的普遍应用和重要性是不言而喻的。但你是否想过，在你使用智能助手搜索附近的餐厅过程中，智能助手是如何从成千上万的选项中找到最符合你需求的那几家餐厅的？它不仅能够快速搜索，而且还对你的喜好、地理位置，甚至是当时的餐饮潮流进行复杂的分析和判断。这背后就是搜索技术的功劳。1.搜索概述美国人工智能专家尼尔森（Nilsson）把搜索列为人工智能研究的四个核心问题之一。知识的模型化和表示，常识性推理、演绎和问题求解，启发式搜索，人工智能系统和语言。在人工智能中，搜索问题一般包括两个重要的问题：（1）搜索什么（2）在哪里搜索发展历史20世纪50年代。最初，搜索被用于解决逻辑和数学问题，如象棋等游戏。这些早期的AI系统，如IBM的DeepBlue，通过搜索算法评估可能的棋局走法，并选择最佳策略。DeepBlue在1997年击败国际象棋世界冠军加里·卡斯帕罗夫，这标志着搜索技术在解决复杂问题上的巨大潜力。2.盲目搜索在问题的求解过程中，只按照一般的逻辑法则或控制性知识，在预定的控制策略下进行搜索。典型的盲目搜索有深度优先搜索和宽度优先搜索。回溯搜索

回溯算法实际上是一个类似枚举的搜索尝试过程，主要是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”八皇后问题如何能够在8×8的国际象棋棋盘上放置8个皇后，使其不能互相攻击，即任意两个皇后都不能处于同一行、同一列或同一斜线上，问有多少种摆法。3.启发式搜索仅从当前状态节点扩展出子节点(相当于找到上爬的路径)，并将h(x)最小的子节点(对应于到顶峰最近的上爬路径)作为下一次考察和扩展的节点，其余子节点全部丢弃。3.启发式搜索A搜索算法是基于估价函数的一种加权启发式图搜索算法f(n)=g(n)+h(n)A*算法则是对A算法进行了优化，让h(n)≤h*(n)，对h(n）进行了限制，是优化版的A算法。A算法与A*算法模拟退火算法

模拟退火算法来源于固体退火原理，是一种基于概率的算法。左图物体处于非晶体状态。将固体加温至充分高（中图），再让其徐徐冷却，也就是退火（右图）。加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小，此时物体以晶体形态呈现。4.推理人们在对各种事物进行分析、综合并最后做出决策时，通常是从已知的事实出发，通过运用已掌握的知识，找出其中蕴含的事实，或归纳出新的事实，这一过程通常称为推理。概念推理分类按推出新判断的途径分类01按推出新判断的途径分类02按所用知识确定性分类03按推理过程中的单调性04按推理过程是否运用启发性知识分类推理策略演绎推理所谓演绎推理，就是从一般性的前提出发，通过推导即“演绎”，得出具体陈述或个别结论的过程。形式有三段论、假言推理和选言推理等。归纳推理归纳推理属于逻辑学范畴，是一种由个别到一般的推理，由一定程度的关于个别事物的观点过渡到范围较大的观点，由特殊具体的事例推导出一般原理、原则的解决方法。5.搜索案例八数码状态程序结果本章小结AI+制造-人工智能在制造业的应用人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能制造概述2.智能制造产业综述3.人工智能典型产品——机器人4.人工智能在制造业的应用案例案例引入截至2023年底，我国已培育421家国家级智能制造示范工厂。2023年，我国智能车载设备制造、智能无人飞行器制造的增加值分别增长60.0%、20.5%。越来越多传统型工业制造企业开始加入智能工厂建设的行列，以此来推动工业制造业向数字化、网络化、智能化方向发展，从根本上变革制造业生产方式和资源组织模式，从而实现智能制造。1.智能制造概述

AI+的应用范围非常广泛，正在改变着传统产业，在提高生产效率和服务质量的同时，也在推动各个行业的创新和发展，形成新的业态和产业。（1）工业制造领域:利用人工智能技术优化工业制造流程进行质检，实现智能制造。

（2）金融领域:利用人工智能技术进行风险控制、投资决策、反欺诈等操作，提高金融服务的精准度和时效性。

（3）医疗卫生领域:利用人工智能技术实现疾病预测、影像诊断、精准医疗和健康管理。随着老龄化社会的到来，“AI＋健康与养老”等等。制造业概述制造业的定义：制造业是指机械工业时代利用某种资源(物料、能源、设备、工具、资金、技术、信息和人力等)，按照市场要求，通过制造过程，转化为可供人们使用和利用的大型工具、工业品与生活消费产品的行业。根据在生产中使用的物质形态，制造业可划分为离散制造业和流程制造业。制造业包括：产品制造、设计、原料采购、设备组装、仓储运输、订单处理、批发经营、零售。制造业分类制造业是国家的战略性产业高度发达的制造业，是实现工业化的必备条件高度发达的制造业，是衡量国家国际竞争力的重要标志高度发达的制造业，是决定国家在经济全球化进程中国际分工地位的关键因素智能制造的概念美国：“智能制造创新研究院”对智能制造的定义是：智能制造是先进传感、仪器、监测、控制和过程优化的技术和实践的组合，它们将信息和通信技术与制造环境融合在一起，实现工厂和企业中能量、生产率、成本的实时管理。德国：“工业4.0”的内涵就是数字化、智能化、人性化、绿色化，产品的大批量生产已经不能满足客户个性化订制的需求，要想使单件小批量生产能够达到大批量生产同样的效率和成本，需要构建可以生产高精密、高质量、个性化智能产品的智能工厂。中国：智能制造定义为基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节，具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。2.智能制造产业综述“AI+制造业”意义制造业为人工智能技术落地提供丰富的应用场景促进新经济增长人工智能支持制造业产品、流程及商业模式创新满足社会需求抢占新工业革命“智”高点，重构国际分工“AI+制造业”产业综述基础层是不可或缺的软硬件资源，包括人工智能芯片、工业机器人、工业物联网，提供人工智能技术在制造业应用所需的软硬件资源。

技术平台层是问题导向而非数据导向，包括公有制造云、制造业大数据、制造业人工智能算法，即基于数据和网络，开发设计人工智能算法。

应用层是让人工智能去做擅长的事情，利用人工智能技术在制造业生产和服务的各个环节创造价值。智能工厂内涵与基本架构“AI+制造业”未来趋势自适应学习与智能决策智能制造与工业互联网边缘计算与实时响应0203013.人工智能的典型产品——机器人机器人的定义发明第一台机器人的正是享有“机器人之父”美誉的恩格尔伯格先生。1958年他建立了Unimation公司，并于1959年研制出了世界上第一台工业机器人，1983年，恩格尔伯格和他的同事们毅然将Unimation公司卖给了西屋公司，并创建了TRC公司，开始研制服务机器人。机器人的分类1按机器人的发展2按机器人的控制方式3按应用环境的方式4按机器人的运动形式5按照机器人的移动方式6按照机器人的作业空间适应性通用性适应性是指机器人对环境的自适应能力。即所设计的机器人能够自我执行未经完全指定的任务，而不管任务执行过程中所发生的没有预计到的环境变化。通用性指的是某种执行不同功能和完成多样简单任务的实际能力。机器人的通用性取决于其几何特性和机械能力。机器人的主要特征及应用=

主要应用：

机器人有着极其广泛的研究和应用领域。研究机器人的学科叫机器人学，这些领域涉及众多课题，体现出广泛的学科交叉特点。机器人已在工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。此外，机器人已逐渐在医院、家庭和一些服务行业获得推广应用，发展十分迅速。

生产线上的工业机器人

“玉兔号”月球车机器人的主要特征及应用智能机器人定义智能机器人具有感知功能与识别、判断及规划功能。因此机器的智能分为两个层次，一具有感觉、识别、理解和判断功能；二具有总结经验和学习的功能。感觉要素01运动要素02思考要素035.人工智能在制造业的应用案例预防性维护预防维修生产维修20XX20XX20XX20XX事后维修状态维修数字孪生在工厂的应用数字孪生应用于制造流程设计中产生了盒装工厂。当机器与AI设备一起交付时，制造商将端到端的工作流程打包，并为用户提供安装说明、知识参考、传感器检测操作和机器维护的分析方法以及无人监督的模型。用户通过训练创建一个盒装工厂系统，使用无监督的模型来寻找异常或错误，并能够将它们与传感器的正常反馈模式进行比较。焊缝检测该系统主要完成焊缝中缺陷的识别和焊接缺陷分类任务。检测系统由转换部分、处理部分和串行通信部分组成。转换部分由一个X射线源、一个传输车辆、一个增强器和一个CCD相机组成。转换部分是通过光增强器使X射线转换为可见光，然后CCD摄像机将光信号转换成电信号并发送给处理部分。处理部分由显示器、图像采集器、计算机和屏幕组成。在这一部分中，电信号被采集并通过图像采集器转换为数字信号。将数字图像送入计算机，利用基于模糊识别理论的缺陷检测算法进行检测。结果将实时显示在屏幕上，并存储在计算机中，以备将来的检查或测试。串行通信部分由单片机、旋转编码器、光隔离器模块组成，获取和传输位置信息。该系统利用旋转编码器将位移信号转换为脉冲信号，通过计算脉冲个数得到位移量，然后通过串行通信将位移信号传送给计算机进行缺陷的定位。本章小结第5章

智能工业机器人-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能工业机器人概述2.智能工业机器人应用3.智能技术——机器视觉4.应用案例工业机器人概念工业机器人是一种具有自动控制的操作和移动功能，能完成各种作业的可编程操作机。国际标准化组织（ISO）工业机器人是一种可以反复编程和多功能的，用来搬运材料、零件、工具的操作机；或者为了执行不同的任务而具有可改变和可编程的动作的专门系统。美国机器人协会（RIA）机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。我国科学家1985-2018年中日美德韩五国工业机器人保有量工业机器人发展历程美国首创，日本实现产业化，中国接棒成为最大市场”。工业机器人四大家族

行业领先者包括ABB（瑞士）、KUKA（德国）、FANUC（日本）、YASKAWA（日本）等公司，这些公司经由多年发展，研发出更高效能的工业机器人，也就是人们常说的工业机器人四大家族。这四大家族在工业机器人领域具有广泛的市场份额和良好的声誉，它们各自具有独特的技术优势和市场定位，在不同的领域中发挥着重要作用。工业机器人的组成三大部分：机械部分、传感部分、控制部分六大系统：机械结构系统、驱动系统、感受系统、机器人-环境交互系统、人-机交互系统、控制系统工业机器人产业链工业机器人的分类2.智能工业机器人近两年模态大模型技术的发展，更是奠定了实现人机自然交互的技术基础。将成熟的工业机器人与新兴的人工智能技术融合，诞生了具身智能工业机器人。具身智能工业机器人，英文为EmbodiedIntelligentIndustrialRobots，简称EIIR。具身智能理论根源于“具身认知（EmbodiedRecoginition）”，包括人类在内的一切智能体的认知能力是由智能体自身结构决定的，并在此基础上构建自己的世界模型。而这种认知又直接影响智能体的高级心理活动，诸如：推理，决策等。以具身智能理论作为指导，将成熟的工业机器人与新兴的人工智能技术融合，诞生了具身智能工业机器人。通俗说，具身智能就是具有身体的智能，让“大脑”有了可支配、可感知、可交互、可行动的“身体”。智能工业机器人在装配生产线上的应用在汽车生产线上，机器人可以完成汽车发动机组装、车身喷漆、零件装配等工作。智能工业机器人在焊接生产线上的应用随着科学技术进步与发展，焊接机器人智能化程度不断提升，已被广泛应用到点焊、弧焊、激光焊等工序，显著提高焊接质量和效率，降低人工操作误差。智能工业机器人在搬运生产线上的应用搬运机器人的出现，不仅可以充分利用工作环境的空间，而且提高了物料的搬运能力，大大节约了装卸搬运过程中的作业时间，提高了装卸效率，减轻了人类繁重的体力劳动。工业机器人系统应用案例热轧钢卷自动打码系统工作主要由工业机器人、激光打码机（带防护罩）、安全防护栏、行程开关、上位机、机器人控制柜等组成第5章

智能工业机器人-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能工业机器人概述2.智能工业机器人应用3.智能技术——机器视觉4.应用案例3.机器视觉概述机器视觉（MachineVision）又称计算机视觉（ComputerVision简称CV），是一门“教”会计算机如何去“看”世界的学科。形象地说，就是给计算机安装上眼睛（照相机）和大脑（算法），让计算机能够感知环境。是一门研究如何让机器“看”的科学。概念机器视觉系统组成机器视觉系统一个典型的基于PC的工业机器视觉系统包括：光源、镜头、相机、采集卡、视觉处理系统几个部分。机器视觉的发展历史机器视觉的发展历史计算机视觉任务机器视觉应用

机器视觉检测现已被广泛用于各大领域商品的缺点检测、尺度检测中。用视觉体系检测电子部件的缺点或偏移的针脚，用视觉体系丈量电子部件形状或区别颜色来进行检查错误安装等。其在消除瑕疵、含糊、碎屑或凹陷等商品缺点，以保证商品的功用和性能至关重要。物体检测是视觉感知的第一步，也是计算机视觉的一个重要分支。物体检测的目标，就是用框去标出物体的位置，并不一定给出物体的类别。在检测的基础上给出物体的类别。物体检测（解决“有”的问题）

物体识别（解决“是什么”的问题）图像分类和识别一张图像中是否包含某种物体，对图像进行特征描述是物体分类的主要研究内容。一般说来，物体分类算法通过手工特征或者特征学习方法对整个图像进行全局描述，然后使用分类器判断是否存在某类物体。不经过物体检测和物体识别，属于无监督学习，而物体检测和物体识别是有监督学习。目标跟踪

在第一帧中给定待跟踪目标的情况下，对目标进行特征提取，对感兴趣区域进行分析；然后在后续图像中找到相似的特征和感兴趣区域，并对目标在下一帧中的位置进行预测。4.应用案例-形位识别硬件：ABB工业机器人、CCD工业相机、机器视觉工作站及其他相关配套元件；软件：RobotStudio6.04以上版本、HALCON视觉软件；实物与采集数据对比实物与采集数据对比应用案例-人脸识别本章小结第6章

智能语音机器人-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能语音机器人概述2.智能语音机器人应用3.智能技术——语音识别4.应用案例案例引入亚历克萨（Alexa），是由亚马逊公司研发的家庭语音助手。也许你很难想象，每天都有成千上万的人向这个小机器说“我爱你”。2017年亚历克萨问世，外媒报道Alexa在一年就收到了超过100万次求婚！然而结局可想而知，Alexa拒绝了100万次，并且会回答这句话：“我们生活在不同的地方，我的意思是，你在地球上，而我在云上。”凭借着全球第一的市场份额，亚马逊的语音助手Alexa无疑是地球上最受欢迎的语音助手。智能语音机器人概念智能语音机器人是基于语音识别、自然语言处理、机器学习等技术，面向客户提供的一款智能客服机器人产品或人工智能系统。它可以通过语音与用户进行交互，实现自动化客户服务、智能问答、语音导航等功能。智能语音机器人通过接收用户的语音输入，进行语音识别并理解用户意图，最终输出相应的回答或执行动作。语音机器人的发展历程语音导航030102自然语言处理、语义理解基础上加入了多轮对话能力，但是用户对机器人还是有明显感知的第二阶段04机器人在语气、对话能力上有了显著提升，用户对机器人的感知能力相对比较弱，服务水平接近普通业务员的水平第三阶段将进一步提升机器人对话的能力，尤其是业务场景下细化机器人的业务处理能力，使得机器人达到金牌业务员的水平。第四阶段第一阶段2.智能语音机器人的应用在生活上在生产上第6章

智能语音机器人-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能语音机器人概述2.智能语音机器人应用3.智能技术——语音识别4.应用案例语音识别即ASR(AutoSpeechRecognize)，指利用计算机实现从语音到文字自动转换的任务。语音识别是以语音为研究对象，是一门与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切关系的交叉学科。让机器通过识别和理解过程把语音信号转变为相应的文本，主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。通过语音信号处理和模式识别让机器自动识别和理解人类口述的语言或者文字。3.智能技术——语音识别语音识别概述语音识别系统构建总体包括两个部分，即训练和识别。语音识别系统语音识别系统构建步骤（1）录音（2）语音信号的预处理（3）语音信号的特征提取（4）语音信号的模型匹配（5）输出文本的解码语音识别分类

特定人语音识别系统非特定人语音系统多人的识别系统孤立词语音识别系统连接词语音识别系统连续语音识别系统小词汇量语音识别系统中等词汇量的语音识别系统大词汇量语音识别系统4.应用案例——语音打开记事本

对麦克风进行语音输入，依次说“打开记事本”和“语音输入很快并且比键盘输入快得多”两句话。计算机成功识别出我们的指令“打开记事本”，并在记事本中输入了“语音输入很快并且比键盘输入快得多”。应用案例——语音垃圾分类

把录制好的音频上传至Wave库，经过声卡循环采样，调用上位机Python的Wave库，将采样完成后的数据写入一个Wave文件，最后进行语音识别。下位机Arduino的集成开发环境中可以通过串口监视器来收发数据，主要通过三个函数来实现，其中Serial.read（）可以从COM接口读取一个字节的数据，Serial.available（）可以查看COM接口是否有数据读入，pinMode（）设置引脚的模式，OUTPUT将一个端口设置为输出口。本章小结

第7章

智能汽车自动驾驶-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能汽车概述2.自动驾驶车辆的应用3.智能技术——机器学习4.应用案例案例引入近日来关于智能自动驾驶汽车的报道越来越多。都市快报橙柿互动报道，2024年1月15日至2月5日，“市民中心-杭州东站”“市民中心-萧山机场”自动驾驶出租车线路在杭州试运营。运营车辆配备了50个高清传感器，包括28个高清摄像头，它具有强大的算力，能够实时对道路上的车辆和物体进行识别，并精准计算，在保障安全的同时提供高效的出行服务。早在2018年，杭州就在全国率先进行智能网联车辆道路测试。智能网联汽车发展，已驶入“快车道”。1.智能汽车概述智能汽车是搭载先进传感系统、决策系统、执行系统，运用信息通信、互联网、大数据、云计算、人工智能等新技术，具有部分或完全自动驾驶功能，由单纯交通运输工具逐步向智能移动空间转变的新一代汽车。改装的自动驾驶车辆

一款由丰田车改装的自动驾驶车辆，它搭载了毫米波雷达、摄像机以及激光雷达等环境感知设备。其中，在前后保险杠上分布有四个雷达，用来探测较远处的障碍物。后视镜附近有一个摄像机，用于检测道路指示牌和交通灯情况。在行驶过程中，车载传感器将感知信息发送给车载计算机，车载计算机通过输入的感知信息进行路径规划并生成相应控制量，且将控制量下发给自动驾驶车辆控制系统进行横向和纵向控制，实现智能驾驶。改装的自动驾驶车辆

另一款是谷歌在CodeConference上展示了一款原型车。没有制动踏板，没有方向盘，也没有油门踏板，只有一个用于开启汽车的按键，其内部设计可以大大增加乘客的乘车空间，提高舒适性。它搭载了64线激光雷达、GPS定位系统、车载雷达、摄像机、红外摄像机、车轮编码器以及开关。在车辆行驶过程中，车载计算机通过处理接收到的感知环境信息进行规划，并生成可行路径以及对应的控制量，最后将其发送给车辆底层执行层，进行智能驾驶。自动驾驶车辆也可以分为更容易理解的四大部分，包括感知部分、定位导航、路径规划以及路径跟踪。感知系统：可以通过激光雷达、摄像头、超声波、GPS惯性导航传感器来感知周围的环境。这些传感器不断收集到的数据。然后经过计算机处理，生成了车辆周围的三维地图和障碍物信息。决策系统通过人工智能算法和深度学习技术来实现决策系统。到的数据进行分析。从而做出最优的驾驶决策。执行系统：通过电动机刹车和转向系统来控制车辆行驶。系统会根据决策系统做出的决策，自动控制车辆行驶、转向、制动等操作，从而实现自动驾驶。当自动驾驶车辆在行驶过程中遇到一个路口，感知系统会将收集到的三维地图信息，可称为车辆的数据，然后传输到角色系统，决策系统会根据传感器数据和人工智能算法来决定最佳行驶路线和速度。执行系统通过控制车辆行驶和转向，确保车辆安全通过路口。如果传感器检测到前方有障碍物、其他车辆或行人，那么汽车的计算机将根据距离和速度等因素做出相应的反应，如减速或停车；与此同时，汽车的计算机还可以通过使用先进的路线规划算法来决定最佳的行驶路线，以避免拥堵或危险情况。智能汽车组成智能感知设备集成的硬件系统：自动驾驶汽车是以智能汽车为代表，可以被理解为“站在四个轮子上的机器人”，利用传感器、摄像头及雷达感知环境，使用GPS和高精度地图确定自身位置，从云端数据库接收交通信息，利用处理器将收集到的各类数据向控制系统发出指令，实现加速、刹车、变道、跟随等各种操作。智能汽车组成智能驾驶辅助集成的软件系统：高级驾驶辅助系统是利用安装在车上的各式各样传感器，在汽车行驶过程中随时感应周围的环境，收集数据，进行静态、动态物体的辨识、侦测与追踪，并结合导航地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。智能汽车起源与发展智能汽车的挑战与未来在智能汽车技术变革过程中，智能驾驶汽车的广泛部署仍面临许多困难。其中最重要的问题是系统性能、网络安全和处理快速发展的技术组合的正确管理框架。基于自动驾驶概念和出行方式，未来汽车的商业模式必定会发生改变，自动驾驶与“互联网+”的结合将会极大地改变现有的汽车概念，甚至改变现有的物流系统、交通系统，实现现代公路物流的全自动化。同时，自动驾驶的概念与共享的概念完全契合。现在很多国家都步入老年化，自动驾驶可以完美地解决老年人和残疾人的出行问题。2.自动驾驶车辆的应用自动驾驶分级国际自动机工程师学会（SAE-International）发布的SAEJ3016标准提出自动驾驶分级标准L0~L5级，共6个等级的自动驾驶分类方法。多数人所理解的高度自动化的自动驾驶是Level5级别，也就是自动驾驶的最高形态，但Level5级别的高度自动化驾驶离量产目前还比较遥远。所以，先拥有成熟的驾驶辅助系统（也就是满足Level1~Level3级别）是实现高度自动化的基础。自动驾驶车辆在智能交通中的应用自动驾驶与车联网：自动驾驶汽车完全取代传统汽车之前，必然有并存期。自动驾驶汽车不仅要实现有人驾驶和自动驾驶的无缝接轨，完全实现人机交互、车与车交互。车联网通常是指车与车（V2V）、车与路面基础设施（V2I）、车与人（V2P）、车与传感设备的交互，实现车辆与公众网络通信的动态移动通信系统，并在信息网络平台上对多源采集的信息进行加工、计算、共享和安全发布。自动驾驶车辆在智能交通中的应用自动驾驶与智能交通系统：智能交通系统是将先进的信息技术、通信技术、传感技术、控制技术以及计算机技术等有效地集成运用于整个交通运输管理体系，从而建立起一种在大范围内全方位发挥作用的、实时、准确、高效的运输和管理系统。它以信息的收集、处理、发布、交换、分析、利用为主线，为交通参与者提供多样性服务，即利用高科技使传统交通模式变得更加智能化，更加安全、节能、高效率。自动驾驶车辆在国防安全领域的应用“黑骑士”无人作战平台是美国陆军“未来战斗系统”的重要组成部分，主要用于前沿火力侦察与监视等作战任务。“黑骑士”研发项目由卡内基梅隆大学国家机器人工程中心负责研制传感器、车载计算机系统和硬件，包括自主导航和行动系统。以色列自动驾驶车辆“守护者”是目前世界上第一种已经装备部队、具有一定自主能力的地面无人系统，如图7-20所示。它最高行驶速度为80km/h，能自主设定行驶路线、规避障碍，具有自主“跟随”模式，可与其他地面无人系统协同作战。这些无人车都配备了遥控武器站，并具备高水平的自主作业能力。第7章

智能汽车自动驾驶-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能汽车概述2.自动驾驶车辆的应用3.智能技术——机器学习4.应用案例3.机器学习机器学习是一门多领域交叉学科，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径。概念机器学习就是针对识别菊花和玫瑰花这样的任务构造某种算法。它的特征是：当训练的菊花和玫瑰花的图片越来越多的时候，也就是样本越来越多的时候，识别率就会越来越高。用显著式编程是达不到这种效果的，因为显著式编程一开始就定死了程序的输入和输出，识别率是不会随着训练样本的增加而变化。机器学习的发展历程机器学习的类型机器学习的类型，主要分成这三大类：有监督学习，无监督学习，半监督学习。有监督学习是指有求知欲的学生（计算机）从老师（环境）那里获取知识、信息。无监督学习常常是指同学自主地学习，没有老师，不知道标准的答案是对还是错。半监督的学习，是监督学习与无监督学习相结合的一种学习方法。有监督学习无监督学习机器学习过程线性回归随机变量与确定变量之间只有一个的，那这个就称之为一元线性回归。如果考虑多种影响因素，或者是预测多个变量的，那我们就称之为多元回归。线性回归的优点是简单、易于理解和实现，缺点是不能处理非线性关系和高维数据。线性回归概念线性回归基本思想建立回归模型的基本步骤：确定研究对象，明确哪个是自变量，哪个是因变量；画出它们的散点图，观察他们之间是否存在线性关系；由经验确定回归方程的类型；按照一定的规则（如最小二乘法）估计回归方程中的参数；得出结果，分析残差，确定模型是否合适。聚类聚类是按照某个特定标准（如距离）把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离。聚类是指把相似的数据划分到一起，具体划分的时候并不关心这一类的标签，目标就是把相似的数据聚合到一起。聚类基本概念聚类划分式聚类方法需要事先指定簇类的数目或者聚类中心，通过反复迭代，直至最后达到“簇内的点足够近，簇间的点足够远”的目标。聚类基本过程迭代1次

迭代3次

迭代10次聚类是探索性数据挖掘的主要任务，也是统计数据分析的常用技术，用于许多领域，包括机器学习、模式识别、图像分析、信息检索、生物信息学、数据压缩和计算机图形学。关联分析关联分析是一种数据挖掘技术，用于发现数据集中项之间的关联规则。在商业领域，关联分析被广泛应用于市场篮分析、交叉销售分析、购物篮分析等领域。它可以帮助企业发现产品之间的关联性，从而制定更有效的营销策略，提高销售额和客户满意度。支持向量机支持向量机缩写是SVM，它是一种有监督的机器学习算法，用于分类任务或者是回归任务。由俄罗斯统计学家和数学家弗拉基米尔·万普尼克（VladimirVapnik）在1995年发表和创造的。支持向量机是一款强大的分类模型，主要应用场景有图像分类、文本分类、面部识别、垃圾邮箱检测等领域。决策树决策树的构造是按分类规则得到最优的这个划分特征，然后计算这些最优的特征的子函数，并创建特征划分的这些节点。按照划分的分节点，把这些数据集划分到若干的子数据集里，然后在这些子数据集上重复使用判别规则，构建出新的节点，作为决策树的新枝干，然后重复这样去执行，直到满足终止的条件，这样来实现的。4.机器学习应用案例车牌号码识别***机器学习应用案例疲劳预警系统本章小结第8章

智能医疗机器人-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能医疗机器人概述2.智能医疗机器人应用3.智能技术——深度学习4.应用案例“人工智能+医疗”近年来，借助人工智能技术，开展智慧医疗成为医疗领域的热点。“人工智能+医疗”是人工智能技术赋能医疗健康产业的现象。以机器学习和数据挖掘为两大核心技术的人工智能渗透到医疗行业，各应用场景下医疗人工智能公司开发出的产品和服务，带来了医疗健康行业的降本增效，衍生出医疗数据服务、机器学习服务、医疗研发服务等新的医疗新兴细分行业，拓展了医疗领域的边界，重塑了医疗健康相关产业链。1.智能医疗机器人概述智能医疗机器人是集医学、信息、物理、机械等多种学科于一体的技术密集型产品。通过计算机技术，传感器技术、导航技术等实现自动化、智能化操作。智能医疗机器人可以协助医生进行诊断和治疗，提高医疗水平和效率。

如今，医疗机器人已经成为医疗领域的重要工具，其应用范围涵盖了手术、康复、护理等多个方面。包括目前临床使用的骨科手术机器人、胃镜机器人、康复机器人在内的，用于诊断与治疗环节的机器人，不仅提高了医疗服务的效率和质量，还为患者提供了更舒适和安全的医疗环境。医疗机器人为医疗行业带来了革命性的变化，全球医疗机器人市场空间巨大，未来快速增长。智能医疗机器人类型Typesofintelligentmedicalrobots用于手术操作，包括骨科及神经外科手术机器人等手术机器人用于患者的康复训练应用在康复护理、康复治疗等方面的代替人工的机器人康复机器人提供咨询、导诊等服务服务机器人用于照顾患者，可以用来分担护士护理的繁重和琐碎工作护理机器人智能医疗机器人类型

手术机器人义齿机器人智能导诊机器人智能送药机器人虚拟助理语音电子病历/智能导诊智能问诊/推荐用药医学影像病灶识别与标注/三维重建靶区自动勾画与自适应放疗辅助诊疗医疗大数据辅助诊疗医疗机器人疾病风险预测基因测序与检测服务预测癌症/白血病等重大疾病药物挖掘新药研发/老药新用/药物筛选药物副作用预测/跟踪研究健康管理营养学/身体健康管理精神健康管理医院管理病历结构化/分级诊疗DRGs智能系统/专家系统辅助医学研究平台算法框架/数据分析等服务|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||AI+智能医疗场景AI在医疗领域的应用医疗影像

利用X线、CT、MR、DSA、PET、ECT等影像设备，对疾病进行影像诊断和辅助治疗的技术。据相关数据显示，90%左右的医疗数据都来自医学影像，而且还正以30%的增长率逐年增长。不过，影像科医生的整体数量和工作效率似乎根本没有办法应对这样的增长趋势，而影像科医生也因此面临着巨大的压力。

X光CT

MRDSA

PET

ECT

2017年，腾讯正式推出了“腾讯觅影”，从临床数据来看，“腾讯觅影”的敏感度已经超过了85%,识别准确率也达到90%,特异度更是高达99%。不仅如此，只需要几秒的时间，“腾讯觅影”就可以帮医生“看”一张影像图，在这一过程中，“腾讯觅影”不仅可以自动识别并定位疾病根源，还会提醒医生对可疑影像图进行复审。辅助诊疗

目前人工智能可以通过症状和病历来诊断癌症，比如Watson，经过了4年多的训练，学习了200本肿瘤领域的教科书，290种医学期刊和超过1500万份的文献后，Watson开始临床应用，并且可以在肺癌、乳腺癌、直肠癌、结肠癌、胃癌和宫颈癌等领域向人类医生提出建议；又可以通过医学影像和病理解读来识别癌症，国内的人工智能领军企业Airdoc在各个领域的顶尖医生的帮助下，在眼科、皮肤科、大脑、心血管、肺部、肝部等领域建立了准确的深度神经网络诊断模型，在肺癌、乳腺癌、肝癌、基底细胞瘤、恶性黑色素瘤等领域取得了巨大的进展，通过15万张图片的训练，在眼科诊断准确率已经不低于人类三甲眼科医生，如果将人工智能应用在癌症的早期检测和早期诊断，可以挽救无数人的性命。疾病预测

预测未知，一直是人类十分向往的能力。2008年谷歌推出一个预测流感流行趋势的系统——GoogleFluTrends（谷歌流感趋势，以下简称GFT）。GFT一战成名是在2009年美国H1N1爆发的几周前。AI可预测心脏病人何时死亡：准确率达80%英国医学研究委员会伦敦医学研究所的这个研究小组说，人工智能软件能够通过分析血检以及心脏扫描结果发现心脏即将衰竭的迹象。研究人员向人工智能软件输入了256名心脏病患者的心脏核磁共振扫描结果，以及血液检测结果。人工智能软件对于每一次心跳都测量了心脏结构中3万个不同点的运动状况。把上述检测结果同患者8年的健康状况记录结合起来，人工智能软件就可以发现哪些异常状况会导致患者的死亡。人工智能软件能够对未来五年的情况作出预测，预测患者在一年后仍然存活的准确率大约为80%，而医生对于这项预测的准确率为60%。。医院管理能合理地为患者安排治疗计划；在电子处方系统内设置安全警示，确保用药规范，防止滥用抗生素等药物；自动读取患者电子病历相关信息，得出辅助诊断信息，实现医疗辅助诊断。通过物联网技术，应用RFID标签，打造无人值守耗材管理模式;智能化设备的应用，耗材追澜及管理发生质的飞跃!健康管理日常监测数据(DailyMonitoring

Data)各类日常监测生理信息，生活习惯，心理及精神状态等电子病历与诊疗记录(ElectronicMedical

Records)含问诊信息、病程记录、病史信息，疾病诊断信息，治疗过程，随访过程，环境信息等用药记录(Records

of

Medicine)药物信息，治疗结果等诊断数据(Diagnosis

Data)生化诊断、病理诊断、物理诊断、生理信号诊断、影像诊断、基因诊断等健康医疗大数据运营数据(Busi

Data)病人，财务，流程，诊疗，开药等数据保险与支付(Insurance

andPayment)病人保险、支付记录、信用记录人工智能在医疗领域面临的挑战ChallengesofAIinthehealthcarefield在医疗方面的信息或隐私都在虚拟的网络系统中留下痕迹。如果管理不善，就有可能被不法分子所利用患者隐私保护通过虚拟的信息系统或人工智能系统进行，可能发生医疗风险的主体、环节和因素增多了，医疗风险不可控性增强一些医务人员可能会抵制或消极对待医疗人工智能的发展，那将会极大地降低医疗人工智能的发展速度风险责任受接受程度文化创建阶段2.智能医疗机器人应用

手术机器人是集临床医学、生物力学、机械学、计算机科学、微电子学等诸多学科为一体的新型医疗器械。手术机器人现已应用于普腹外科、泌尿外科、心血管外科、胸心外科、妇科、骨科、神经外科等多个领域。此外，智能咽拭子采集机器人、智能外骨骼机器人、膝关节手术机器人、血管介入机器人等设备也是医疗机器人，医疗机器人是高端智能医疗装备的代表。手术机器人的起源与发展手术机器人类型

胶囊胃镜是一款可以替代传统胃镜的新型医疗机器人，随水吞服后，它以每秒2帧的速度进行拍照，将食管、食道、胃进行全方位检查，短短15分钟即可拍摄上万张照片，完成无痛、无创、无麻醉、无交叉感染的精准胃部检查，检查后胶囊机器人随消化道排泄。

整个治疗过程在体外通过手机遥控实现，可以无痛来检测胃部的状况成为将众多病人从传统胃镜痛苦检查中解放出来的妙招。目前胶囊机器人已经在100多家医院和300多家体检机构开始使用。胶囊胃镜机器人康复机器人是辅助人体完成肢体动作，实现助残行走、康复治疗、负重行走、减轻劳动强度等功能的一种医用机器人。康复机器人的核心理念是机器人、病人、治疗师之间全新的协作关系，形成更有效且个性化的康复效果。康复机器人涵盖物理运动、日常生活能力、社交活动、环境控制、听觉、视觉、口头表达等应用领域。相较于传统训练的局限性，康复机器人能够节省人力、重复训练、减少误差、全面护理、最大化持续时间和强度。康复机器人康复机器人类型本章小结第8章

智能医疗机器人-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能医疗机器人概述2.智能医疗机器人应用3.智能技术——深度学习4.应用案例3.

智能技术——深度学习深度学习（DeepLearning），简称DL。深度学习是机器学习的子集，它基于人工神经网络。其概念由杰弗里·辛顿（GeoffreyHinton）等人于2006年提出，基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外杨立昆（YannLeCun）等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。神经网络基础神经网络的M-

P模型、BP网络、Hopfield网络等构成人工神经网络的基本概念。神经元作为基本处理单元，由连接、求和节点、激活函数组成。深度学习的起源与发展卷积神经网络（CNN）深度学习应用场景1.计算机视觉深度学习技术可以用于图像分类、目标检测、图像分割、人脸识别、行人重识别等领域。例如，卷积神经网络（CNN）可以用于图像分类和目标检测，而生成对抗网络（GAN）可以用于图像生成和风格迁移。3.医疗保健深度学习技术可以用于医学图像分析、病理诊断、基因序列分析等领域。例如，卷积神经网络可以用于乳腺癌检测，而递归神经网络可以用于基因序列分析。2.自然语言处理深度学习技术可以用于文本分类、情感分析、命名实体识别、机器翻译、语音识别等领域。例如，循环神经网络（RNN）和长短时记忆网络（LSTM）可以用于语言模型和机器翻译，而变换器模型（Transformer）可以用于序列到序列的学习任务。应用场景LeNet结构4.应用案例——病毒感染动态显示SIR模型是一种常见的传染病传播模型，用于描述人群中传染病的传播过程。SIR模型将人群分为三个互相转化的状态：易感者（Susceptible）、感染者（Infected）和康复者（Recovered）

病毒的变异速度可能会超过科学家们研发疫苗和治疗药物的速度，导致疫苗和药物的有效性受到挑战。此外，全球化和人口密集的城市化趋势使得病毒更容易传播，加剧了疫情的蔓延速度。同时，一些病毒可能具有潜在的跨物种传播能力，增加了疾病的传播范围和难度，导致公众对病毒传播和防控措施的误解和不信任，影响了疫情防控的有效性。为了尽可能预防疾病，借助机器学习提前发现易感人群是一种有效的手段。Python版本：Python3及以上运行环境：PyChaRm应用案例——疾病预测

心脏病是常见的疾病，是全球范围内导致死亡的主要原因之一。早期预测和干预对于降低心脏病发病率和死亡率具有重要意义。尽管现代医学的发展和医疗设备的开发能有效延缓疾病的进展，但是心脏疾病的患病率仍然呈逐年增加的趋势。目前，研究发现能够对心脏病数据进行分析，建立联防预警机制，在心脏病前期筛查和预警方面前景广阔。心脏病预测通常涉及到大量的医疗数据分析和机器学习技术。第9章

智能农业机器人-1人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能农业机器人概述2.智能农业机器人应用3.智能技术——神经网络4.应用案例案例引入

在农业养殖领域，牲畜饲养的料量补给及比例调整是关键部分之一。传统养殖模式中剩料评估、供料补给等环节需要投入大量的人力物力资源，尤其是与饲料铺相距很远的大型站点，需要消耗更多的专用资源。澳大利亚机器人公司发明了养殖场铺位余料精准评估的机器人BunkBot，通过目视评估料仓余料推断饲料消耗量，作为饲料重分配的主要影响参数。在实际运行中发现BunkBot对于饲料调配补给比传统人工操作更完善合理，因为它可以更精准全面的了解牛的采食量、更及时的调整饲料分配策略，进而提高饲料有效利用率。1.智能农业机器人概述农业机器人是指运用在农业生产中的智能机器人，是一种可由不同程序软件控制，以适应各种作业，能感觉并适应作物种类或环境变化，有检测（如视觉等）和演算等人工智能的新一代无人自动操作机械。农业机器人的特点：1.作业季节性较强；2.作业环境复杂多变；3.作业对象的娇嫩和复杂性；4.使用对象的特殊性；5.价格的特殊性农业机器人的发展历程国外--20世纪中期农业机器人已经实现了高度自主化和智能化的结合，包括多用途自动化联合收割机器人、园丁机器人、无人驾驶拖拉机以及果实分拣机器人等多种农业机器人国内--20世纪90年代中期除草机器人、施肥机器人、全自动收获机器人、耕耘机器人、蔬菜嫁接机器人、蔬菜采摘机器人以及植保无人机等。智能农业机器人关键技术及特点数据集成和分析技术线路规划和导航技术智能农业机器人类型植保机器人收获机器人智能播种机器人田间管理机器人按照作业功能分类轮式农业机器人履带式农业机器人多足式农业机器人按照机器人结构分类单一任务多功能无人驾驶按照智能化程度分类室外田间使用的农业机器人温室内使用的农业机器人按照使用场景分类人工智能在农业领域的应用03除草04采摘05分拣01播种02喷涂采摘机器人采摘机器人是一类针对水果或蔬菜收获作业，具有感知系统的自动化机械收获装备，是集机械、电子信息、计算机科学、人工智能、农业及生命科学等交叉性边缘学科，其涉及本体结构、传感技术、视觉图像处理、机器人正逆运动学与动力学、控制驱动技术以及信息处理等多学科领域知识。无人驾驶农业机器人植保无人飞机施药作业具有快速高效、适应性广等显著特征，克服了传统植保机械作业效率低、下地难、转场难和劳动力投入大的问题，已逐渐成为我国农业生产不可或缺的一部分。第9章

智能农业机器人-2人工智能技术与应用ArtificialintelligencetechnologyandApplication1.智能农业机器人概述2.智能农业机器人应用3.智能技术——神经网络4.应用案例3.神经网络人工神经网络（ArtificialNeuralNetwork，ANN）简称神经网络（NN），是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。概念机器视觉系统组成人工神经元结构人工神经网络可看成是以人工神经元为节点，用有向加权弧连接起来的有向图。在此有向图中，人工神经元就是对生物神经元的模拟，而有向弧则是轴突-突触-树突对的模拟。有向弧的权值表示相互连接的两个人工神经元间相互作用的强弱。神经网络的发展历程神经网络的应用神经网络的应用领域很广泛。如流程建模与控制、机器故障诊断、证券管理、目标识别、医学诊断、目标市场和经济预测等。在流程建模与控制方面，为物理设备创建一个神经网络模型，通过该模型来决定设备的最佳控制设置。当检测到机器出现故障时，系统可以自动关闭机器。以一种高回报、低风险的方式分配证券资产进行投资，证券管理。神经网络的应用在目标识别方面，通过视频或者红外图像数据检测是否存在敌方目标，被广泛运用于军事领域。通过分析报告的症状和MRI、X-射线图像数据，协助医生诊断、医疗诊断。根据统计学，找出对营销活动反响率最高的人群，确定目标市场。通过历史安全数据预测未来经济活动的安全性。神经网络的应用BP模型和MP模型BP神经网络全称是Back-propagationneuralnetwork，它被认为是最常用的神经网络预测方法，BP神经网络模型由输入层、隐层和输出层三层组成，其中隐层在输入层和输出层之间传递着重要的信息，一般包含一个或多个隐层。BP模型和MP模型1943年，美国心理学家沃伦·麦克洛克（WarrenMcRock）和数学家沃尔特·皮茨（WalterPitts）参考了生物神经元的结构，把神经元视为二值开关，通过不同的组合方式来实现不同的逻辑运算，并且将这种逻辑神经元称为二值神经元模型（McCulloch-PittsModel，MP模型）。4.应用案例——颜色识别1利用学校实验室现有实验设备，搭建机器人系统，进行颜色识别案例实践与分析。具体要求是一些长方体的箱体在不同侧面涂装成红色和蓝色。在这些长方体的箱体（物块）搬运码垛的过程中，往往需要把物体按一定方向码垛，便于存储的安全性、可靠性、条理性和便利性。现以红蓝两种颜色区分物块的不同方向。要求按颜色相同、方向一致的方式规范码垛。应用案例——农业气象数据分析农业气象数据可以提供气温、降水、日照等信息，帮助农民了解农作物生长所需的气候条件，合理安排播种、施肥、浇水、除草等管理活动，从而提高产量和质量。还可以用于