人工智能技術助力鑄造行業發展

傅駿　吳高靜　李 強　藺虹賓　趙曉露　顧詩藝

關鍵詞：人工智能;鑄造;EasyDL;Tkinter

為引導鑄造企業規范發展，促進行業產業結構調整、優化和轉型升級，2019年9月，中國鑄造協會頒布了團體標準《鑄造企業規范條件》，從2020年1月1日起開始施行。該標準對鑄造企業的建設條件與布局、企業規模、生產工藝、生產裝備、質量管控、能源消耗、環境保護、安全生產及職業健康和監督管理、員工素質等提出了規范條件，提升新入職員工培養和老員工復訓質量、在鑄造生產環節引入智能技術手段已經迫在眉睫，采用人工智能技術將引領鑄造業開始新一輪變革。

目前，很多工作依賴人工的大量、繁復勞動，需要曠日持久的經驗訓練，比如醫生判斷病情、家具行業缺陷檢測、人工監控生產區域安全狀況，借助人工智能可以有效避免人的心理、生理因素波動和經驗欠缺造成的結果不確定、不穩定。

本項目團隊利用開源人工智能平臺開發了一系列鑄造用軟件，助力行業技術提升與員工培訓，將鑄造員工從繁雜的體力勞動中解放出來。

1 系統開發

深度學習是機器學習領域的一個研究方向。深度學習是通過大量的樣本訓練，計算機自動學習樣本數據的內在規律和表示層次，最終達到能像人一樣具有分析學習能力的目的。深度學習在搜索技術、數據挖掘、機器學習、機器翻譯、自然語言處理、多媒體學習、語音、推薦、個性化技術以及其他領域都取得了較多成果，與傳統的利用人工設計特征提取算法相比，基于深度學習的網絡模型具有自動抽取海量數據高維特征的能力。深度卷積網絡通過從輸入層到輸出層的多層非線性映射和網絡的反向傳播完成層次特征的提取和學習?；诰矸e神經網絡的深度學習算法，通過多層卷積和池化操作，能自動提取圖像特征，可顯著提高圖像識別的準確率，無需人工干預，快速且準確率高達95%[1]。

1.1 開源人工智能技術開發平臺

百度公司提供了百度大腦以及一系列人工智能開放功能和開放平臺，不要求用戶掌握高深的深度學習理論。其中，EasyDL人工智能技術開發平臺集成了深度學習功能，用戶只需輸入素材（圖片、聲音、文本等），平臺就可以自動進行訓練，提供軟件開發工具包（Software Development Kit，SDK），具有圖像分類、物體檢測、文本分類、聲音分類和視頻分類五大功能，低成本、高精度的EasyDL正在眾多實際應用中為各行企業賦能[2]。

1.2 使用流程

百度EasyDL平臺的主要使用流程包括素材準備、訓練、發布3個環節。

1.2.1 素材準備

深度學習最重要的工作是分類、收集素材和分類整理。針對擬開發的模塊，收集照片并分類存放。EasyDL平臺要求每張圖片都歸屬于一個分類，一個模型最多支持1 000個分類。分類名由數字、中英文、中/下劃線組成，長度上限為256字符。

在收集素材時，要保證權威性和準確性。一般選擇每個類別的90%左右生成zip壓縮包作為訓練用，其余10%左右的圖片用作測試。

1.2.2 訓練

每個類型訓練基本可在1 h內完成，短的15 min左右。在訓練時，可以離開頁面、可以關機，由后臺自動訓練。訓練完成后，消息發送到手機。采用測試集圖片測試效果。正確率偏低，可以用測試集糾正或者上傳更多照片重新訓練，確保每一類正確率不低于95%，方可投入使用。

1.2.3 發布

訓練完成后，根據需要，分別發布公有云、設備SDK、私有服務器、軟硬件一體化4種類型。其中，對于公有云，訓練完成后，在“體驗H5”中設置相關信息，用手機掃描二維碼后即可使用。用戶上傳手機中的照片或現場拍攝，系統自動給出識別結果。對于設備SDK，百度AI開放平臺使用OAuth2.0授權調用開放API，推薦使用POST方法。對訓練獲得的庫通過http請求獲得結果，關鍵代碼：

http=urllib3.PoolManager（）

img = base64.b64encode（pic.read（））

encoded_data = json.dumps（params）.encode（'utf-8'）

request=http.request（'POST'， url，body，headers）

1.3 設備SDK的GUI界面開發

對設備SDK方式獲得的代碼進行了基于Tkinter的二次開發。其中，選擇圖片文件，并在圖形用戶界面（GraphicalUser Interface，GUI）的標簽上顯示關鍵代碼：

pilImage = Image.open（filename）

hh=int（pilImage.height）

ww=int（pilImage.width）

tkImage = ImageTk.PhotoImage（image=pilImage）

labe1 =Label（root，image=tkImage）

labe1 .place（x=0，y=0）

1.4 “金相識別”系統

四川航檢科技公司和北京航空材料研究院合作，面向西南片區的航空航天企業開展高溫合金等材料的物理性能檢測。目前在評定晶粒度時，采用劃分表格、對比標準圖片進行評定，對檢測人員的水平和經驗依賴性較高，工作強度大，引入人工智能技術勢在必行。

項目組開發了“金相識別”系統。其中，在創建數據集時，將所有收集來的50 μm金相分為5個等級，分別是7.5級、8.0級、8.5級、9.0級、9.5級。文件夾和圖片名一一對應，將收集的300余張圖片通過裁剪的方式分成10張圖片，共獲得3 000余張圖片，放入對應的文件夾。

使用者可以利用手機App或者網頁、單機PC版等方式，將金相圖片導入系統，系統將快速識別出該金相的晶粒度等級?！敖鹣嘧R別”的電腦版如圖1所示。

1.5“青銅器識別”系統

目前，已出土的青銅器數量眾多，讓人們感受到我國傳統文化的悠久歷史和深厚沉淀，其博大精深的思想內涵已構成我國的民族之魂。但數量和種類繁多的青銅器也給人們準確識別年代、形制、銘文造成了困擾。目前，傳統的青銅器識別方法主要為專家判斷，當青銅器種類較多時，需要大量專家參與，不僅工作量極大，同時結果也容易受專家主觀因素的影響[3]。

項目組為宣揚青銅器，幫助更多的人認識古代鑄造文化，設計了“青銅器識別”系統，將需要識別的青銅器分為5個類別，并進行上傳和訓練。人們可以就此識別青銅器形制、紋飾和銘文，并學習青銅器和我國傳統文化相關知識。圖2為“青銅器識別”手機系統界面，用百度或微信App掃描二維碼，在手機端體驗模型效果。

2 結語

隨著人工智能技術的進一步研究，鑄造水平不斷提高，人工智能在鑄造中的應用前景更加廣闊。但就目前的情況來看，在現有基礎上拓寬應用的范圍和提高應用的效果，主要還需在人工智能技術上作進一步研究。鑄造生產的多變復雜性及操作的人工經驗性，使人工智能的應用受到限制。此外，一些工藝參數的定量化實現也不容易，可通過提高鑄造生產的自動化水平、減少人為干預進行解決。隨著技術的飛速發展，人工智能技術也在進一步完善，如多種方法混合技術、多專家系統技術、機器學習方法、并行分布處理技術等目前已引人注目，有效的新型人工智能技術指日可待，鑄造業也會有更廣闊的發展前景。