• [行业资讯] 麻省理工学院研发机器人鼻子可以检测疾病
    研究小组创造了一种叫做“纳米鼻子,nano-nose”的东西,它在检测疾病方面比狗的鼻子敏感 200 倍。智能手机为我们提供移动银行、组织机构、保险,甚至医疗保健方面的建议。麻省理工学院希望通过开发“  纳米鼻子  ”来帮助疾病诊断,使这种能力更进一步。没错——你的手机可能很快就能闻到你的味道。是的。没错,我们正在谈论机器人鼻子。为什么气味在疾病预防中很重要?由于荷尔蒙、消化、呼吸或其他系统的复杂作用,许多疾病会改变我们的气味。这些变化有时太小以至于人类无法注意到,这就是为什么“癌症嗅探”狗——或者最近的冠状病毒嗅探犬——继续成为新闻的原因。机器人技术可以捕捉到这些微妙的线索,帮助医疗保健从业者更早、更准确地进行诊断。这种增强智能与医生的专业知识相结合,帮助患者获得他们需要的帮助并减少误诊。将狗带入医疗保健中心或带它们上门拜访并不容易。随着医学远程传播,研究人员正在寻找将这种感觉检测扩展到远距离的方法。训练一只狗很费时间,但机器可以使用多种疾病的数据集进行训练。为智能手机等设备添加数字嗅觉功能可以提供另一种更早发现疾病并传输医生需要诊断的关键信息的方法。麻省理工学院的研究小组宣布,他们创造了一种叫做“纳米鼻子”的东西,可以从尿液样本中以 70% 的准确率识别前列腺癌。鼻子的敏感度是狗的 200 倍,该团队希望该技术能够轻松扩展到其他类型的诊断程序中。设备本身无法将气味与疾病联系起来;这就是人工智能的用武之地。人工智能使用数据训练来解释分子的复杂模式,并根据以前的医学样本对它们进行分类。麻省理工学院的机器使用医学数据和来自疾病嗅探犬的数据进行训练。研究团队仍在研究现实世界的应用,但相信可以闻到疾病的智能手机很快就会问世。更多详情,参见:https://news.mit.edu/2021/disease-detection-device-dogs-0217来源 | 本文来源于网络,本着学习交流的目的进行转载,已标注原始作者和出处 千家网作者 | 责任编辑:N文章链接 | http://www.qianjia.com/html/2021-10/28_385083.html
  • [技术干货] [Studio2.14以前版本] 如何取消studio在机器人脚本发布时的io风险校验
    ■ 背景:在使用studio发布机器人脚本包过程中,如果脚本包中含有“-  +  =”等存在io风险字符的excel或者csv文件,发布就会发布失败■ 原因分析:studio在发布时对文件中可能存在io风险的文件做了校验 ■ 解决方案:1.升级studio 设计器至2.16以后版本;2.使用附件所提供的文件替换studio 设计器安装目录下的studio\webService\lib\studio-web-service.jar%us.config.properties即可(jar包可以使用解压工具直接打开即可)        注:本帖适用于studio所有存在IO风险校验的版本
  • [行业资讯] RPA火了这么久,是时候“降降温”了
    来源丨UB Store作为全球企业软件市场中增长最快的细分领域之一,RPA(机器人流程自动化)于近两年可谓是赚足了风头。据全球知名IT研究与顾问咨询公司Gartner预计,到2022年,全球90%的大型组织将以某种形式应用RPA;到2024年,RPA市场继续保持两位数高速增长模式。市场的火热,资本的升温,RPA不免会被扣上“炒作”“过度宣传”的帽子。这种情况的出现也很正常,毕竟大多数人对于RPA机器人在公司里到底能实现什么,仍然不甚了解。他们所知道的也许是一条关于RPA厂商高估值的科技新闻,一篇机器人将要取代人工的营销文章,一段过度“神化”软件机器人的未来想象。01并非万能的RPA虽然通过RPA实现业务自动化正在受到越来越多企业的追捧,但RPA远没有达到“万事自动化”的程度,也并非所有的业务流程都能适用。在某些情况下,RPA也不是唯一的解决方案。例如,在智能自动化中,有比RPA更好的技术手段:编排和低代码组合,可以促进替换过时的流程和废除执行不适宜流程的遗留应用程序。为消除麻烦的电子表格,可用支持集中式控制规则的低代码设计;集中电子邮件管理,可用具有读取和响应电子邮件的自然语言处理功能,而不是在Outlook中使用RPA;企业部署RPA前,不仅要考虑RPA应该用于哪些场景,也要探讨哪些场景不宜使用RPA。因为有些业务流程天生对RPA“不友好”,比如程序复杂且多变的流程。传统RPA技术的核心是通过用户界面(UI)实现屏幕自动化。换言之,机器人从屏幕上读取信息内容,并对数据进行处理,再将数据发送回屏幕。RPA会受限于操作系统以及系统上运行的众多复杂的应用程序。所以,嵌入了复杂应用程序和图形用户界面(GUI)的流程并不适合RPA。这样的流程不稳定、支持成本高,且不能频繁运行。虽然有些RPA内置AI-OCR识别功能,但在这种情况下,应用程序的自动化比一些RPA产品中基于对象的自动化速度慢且不稳定。企业不应该使用RPA来实现所有业务的自动化,而是用RPA自动化来优化复杂流程中的简单任务。毕竟,与100%自动化20名员工的业务相比,将1000名员工的业务自动化50%更为有效。02传统RPA“已死”?如何持续扩大RPA应用不可否认,RPA在提升组织业务流程效率、质量和生产力以及降低成本上发挥了积极作用,但现阶段的RPA产品仍有待进化。究其根本,则是流程和应用程序的复杂性将会阻碍RPA机器人持续扩大化应用。多年来,企业一直奔波在业务流程持续优化的路上,虽然RPA解决了一部分简单重复的工作,但还有很多复杂的、碎片化的业务尚未优化。这将影响RPA应用规模的扩大。RPA不是自动化的“王牌”,只是推动数字化转型的方式之一。企业数字化转型的目标在于变革业务,而RPA承担的只是部分业务的优化,想进一步优化业务流程,需要其他技术的加持,比如AI(人工智能)。03新出路如果说RPA是智能化时代的“敲门砖”,那么RPA+AI则是一块“试金石”。不同业务系统之间的数据,通常只有20%是可以直接利用的结构化数据(例如表格数据库等),剩下80%均为非结构化数据。目前,大多数公司仍处于从非结构化数据中提取信息的阶段。由于非结构化数据很难甚至不能通过算法解释,对于这一部分,现在仍缺少较好的解决方案。RPA本身能力有限,但AI则具备这样的能力。通过AI,可把非结构化数据(如图片、声音、文字等)转化为结构化数据,这样RPA就能处理余下80%的数据。将AI一些智能化的功能,分装到连接器里能解决很多问题。有的是标准AI场景,比如扫描发票、身份证等非常标准的文档,直接调用相关插件即可实现。伴随RPA和AI的不断发展,二者的结合将水到渠成。RPA构建了流程自动化的基础设施,让AI能力可以在各种业务场景中落地。通过图像识别、语音识别、自然语言处理等AI能力的加持,RPA可具备认知和决策能力,使用边界也得以拓展,进一步实现更复杂的业务流程自动化,为企业带来更大的价值。调查显示,到2022年,业务流程的整体市场将会重构,主要涵盖了围绕RPA和AI技术的服务改造,总价值将超过80亿美元。而麦肯锡也预测,到2025年,全球人工智能应用市场规模总值将达到1270亿美元,并将成为智能产业领域发展的新突破点。在这样的发展中,RPA+AI将大有可为。文章来源:腾讯网原文链接:https://new.qq.com/omn/20211018/20211018A09KX800.html
  • [行业资讯] 华为全联接大会 ▏软通动力携全栈产品亮相,现场分享RPA领域经验
    作为全球科技行业规模最大的盛会之一的Huawei Connect 2021全联接大会通过全球线上直播和互动的方式在9月23日如期举行,本次大会以“深耕数字化”为主题。应用服务商以及开发商、生态伙伴、先锋企业、业界思想领袖、商业精英、技术大咖等各方汇聚一堂,就如何深入行业场景、把数字技术与行业知识深度结合进行探讨,真正融入企业的主业务流程,解决核心业务问题,催生体验提升、效率提升以及模式创新。作为华为生态中重要的战略合作伙伴,软通动力携数字场景全栈式产品与解决方案出席了本次数字化生态盛会,展示了公司在数字咨询、鸿蒙生态、云服务、人工智能等领域的卓越实力。同时,大会分论坛上,软通动力CTO刘会福与参会嘉宾共同分享了软通动力在RPA(机器人流程自动化)领域的共创经验,发表了题为《RPA机器人使能企业业务运维自动化》的主旨演讲。数据时代呼唤企业业务运维新使命数字化时代,传统基础设施已经不能满足生产生活的需要,以存储、计算、数据中心、人工智能、物联网、工业互联网为代表的数字基础设施正在构建万物互联的智能世界,数字办公、无人工厂、自动巡检等智能场景的广泛应用,使得企业迸发出更具活力的生产力,帮助企业构建全新的生产方式。相较于过往,数字时代的企业面对的业务运维难点更多集中在“数据”层面,即如何通过对数据背后信息的挖掘和解读去支撑和指导业务的发展。也就是说企业业务运维的关注点已不再是单纯的IT系统运行状态,而是以业务运行健康作为核心指标,IT运维部门要能根据业务特点规划系统、调配资源、优化流程,进而实现IT引领业务的数字化转型目标。因此,这就要求企业业务运维必须具备强大的即时数据分析能力和开放的数据接口,形成覆盖企业所有业务系统和IT系统的新一代运维大数据管理解决方案,通过全链路监控、端到端应用性能管理、实时业务数据分析与高度定制化的可视化大屏等手段,帮助企业第一时间发现业务数据波动,持续提升数字化业务运营和IT管理效率。在这个过程中,引入更多自动化、智能化手段和工具,推动企业业务运维自动化、智能化就是一个必然的结果。企业业务运维自动化的5大方向在刘会福看来,伴随企业数字化应用场景的加深和模式创新的迭代更替,企业业务运维自动化将朝着规模化发展、全面云化、超自动化技术平台、自动化治理、技术生态等5个方向延伸拓展,进而,帮助构筑企业业务运维闭环能力。具体来说:首先,规模化发展,以业务发展和企业运营管理为核心,扩大企业数字化劳动力RPA的规模化发展,未来越来越多的业务模块由RPA机器人就可完成;其次,全面云化,当前云原生已是构建企业新基础设施的底座之一,它也是企业业务运维自动化发展的基础,借助其服务支撑能力,可提供在线RPA+AI专业服务,构建RPA+AI的云原生发布和业务运维能力;第三,超自动化技术平台,融合“RPA+AI+LCDP+低代码”,形成以企业业务为中心,涵盖企业业务流程挖掘、流程定制、流程执行、流程优化、流程治理的业务运维闭环;第四,自动化治理,从管理和技术两方面探索自动化管理方法,创建有效的组织、制度、标准、流程、安全与技术;第五,技术生态,引入生态伙伴能力,更快、更好、更低的成本实现自动化和智能化。最佳“RPA+AI”实践助力企业跨越智能鸿沟在软通动力的数字化转型实践中,从2017年开始,相继在办公自动化、移动化、业财一体化等方面完成了公司的平台化建设。作为华为云同舟共济合作伙伴,软通动力推进自身企业业务运维自动化时,基于华为RPA+AI平台,在财务、税务、IT、商务、采购、HR、薪酬管理等领域率先加速其业务流程管理的自动化,大大提升了企业的办公流程效率和质量,很大程度上将员工从机械、重复性事务中解放出来,重构了员工的工作体验。同时,作为企业数字化转型可信赖合作伙伴,软通动力以咨询为切入口,结合行业特性和数字化工具为企业客户打造了一系列软硬一体的RPA+AI解决方案,例如财务共享中心、巡检助手、报告助手、营销助手、HR薪酬助手、智慧报销、教育助手、检测助手等,帮助客户构建数字化劳动力“堡垒”。随着各行各业数字化转型的步伐加快,RPA机器人已逐渐成为企业提升运营能力和业务扩张的重要工具。未来,软通动力必将继续依托成熟完善的RPA技术产品和专业的服务体系,通过立足企业实际,全方位、多层次助力企业实现智能自动化升级,跨越智能鸿沟,走向数字发展新蓝海。免责声明:本文为企业宣传商业资讯,仅供用户参考,如用户将之作为消费行为参考,凤凰网敬告用户需审慎决定。原文链接:http://hebei.ifeng.com/c/89s57nL17t7
  • [技术干货] 基于物联网智能车间的信息化研究
    导语:以离散型加工智能产线组成的智能车间为基础通过车间设备间的物联网对接对上层信息系统展开研究工业智能化和工业信息化是制造业发展的前沿趋势,制造业发展程度是一个国家综合国力的重要体现,5G和物联网技术的落地将进一步推动智能化和信息化的融合,智能工厂建设也必将成为传统制造业转型升级的目标。基于物联网智能车间的信息化系统将在智能工厂建设中起到承上启下的作用,对上承接企业的ERP(企业资源管理系统)、MES(生产在线执行系统)、PDM(产品数据管理系统)等,对下对接PLC协议实时获取设备信息、生产信息、物料库存信息以及设备运行轨迹。本文通过综合以上信息对车间生产计划进行最优化管控以提高企业的设备利用率和生产效率。1基于物联网的智能化改造通过智能化改造,实现数据信息互通,实现制造加工全过程的数据跟踪,可以提高零部件质量稳定性,降低人为质量风险。随着数控化机械加工设备的大量应用,传统通过工艺文件固化来保证加工方法的一致性不足以满足关键零部件质量的稳定性、一致性要求。零部件加工过程通过结构化工艺描述、三维过程工艺进行表述,具体加工过程将使用与设备、辅助资源紧密相关的程序代码予以完成。按照数字化生产线进行加工制造的零部件将由高度精细化的程序代码执行来完成所有加工、检测过程,加工与检测过程将不需要人为干预,能严格地保证加工过程的质量一致性,是智能制造产业发展的方向。本文描述的生产线智能化改造以传统12台数控加工机床为基础,利用物联网技术进行智能化改造,实现4组12台数控加工中心上下料、机外预装预调、AGV小车辅助物料运输的过程。改造前、后设备放置及操作方式分别如图1和图2所示。当周边的机床设备、安全围栏、AGV小车都已启动并处于自动状态后,在机器人总控制柜上的各周边设备的指示灯都为绿色时,操作人员在系统控制柜上按下系统运行按钮,整个系统就处于自动运行状态。第1阶段:人工在预装预调台装卡零部件,并通过测量工具校验装卡到位情况,保证加工原点,将装调后的零部件连同专用工装放置在对应的托盘及空位上(每个托盘空位对应1台数控机床)。第2阶段:加工者扫描待加工的托盘、托盘空位二维码,并在现场终端确定,AGV小车根据确定信号将托盘运送到指定的加工单元组。第3阶段:工业机器人将运送托盘内的零部件放置在数控机床内,自动开始加工。第4阶段:零部件加工完成后,工业机器人自动取件,放置在运送托盘内,并通知AGV小车将加工完成的零部件运送至预调区,由人工进行零件换装,并开始进行第1阶段循环加工执行。改造完成后,可由原有的单人单台数控机床的操作方式变更为改造后2人操控12台数控机床,操作人员在调整好加工程序后,由系统直接下发到数控车床,随后只需在预装调台将需要加工的工件放置在固定的托盘上和云端的程序下发即可,系统可根据现场车床的加工状况完成智能化排产。2智能管控系统的信息化智能管控系统的目的是满足车间对原有产线的智能化管控以达到自动加工的目的,加强工业大数据的利用,工业大数据是大数据与智能制造的交叉点,智能管控系统的基础数据包含物料类别、物料维护、系统权限管理、传感器信息管理、机床管理、预装台管理、货位管理、AGV小车上下料位管理。智能管控系统主要功能模块包含工件管理、传感器信息管理、数控机床管理、预装台管理、货位管理、AGV小车管理、工业机器人管理、流程控制和综合管理,同时对接上层系统,进而实现数据共享。控制系统中有2个基本流程,在入库、上料、出库等过程中都会用到这2个流程:智能机器人取件流程和智能机器人放件流程(见图3)。3设备及车间环境管控信息化3.1设备管控信息化针对上述12台数控机床改造的智能化生产线建立完善的智能管控系统,以实现产线的信息化管控,通过5G技术的应用实现在云端对设备和机器人的管控以及现场环境、产线运行情况进行查看(见图4)。为了解决工业网络间的复杂的数据通信问题,解决多个独立程序之间的数据通信,甚至是不同的操作系统、平台的网络通信问题,在B/S架构中通过采用HSL Communication通信插件,对工业现场大部分设备的数据采集、写入,以达到对设备数据的采集以及设备控制的目的。使用通信插件实现B/S架构的服务端与PLC通信,可以直接实现modbus、机器人、三菱PLC、西门子PLC、欧姆龙PLC等各种协议读写,通过通信协议可以实现服务端对寄存器的读写进而达到数据采集和设备控制的目的。通过采集可以获取数控机床的设备状态和加工状态,主要包含开关机状态、主轴转速、进给速率、电压、电流等机床状态以及等待工件、加工中、闲置等加工状态,通过加工状态和机床状态分析,结合预装调台的待加工工件类型进行智能化排产并下达命令至AGV、工业机器人以及数控机床联合完成工件上料和加工过程。3.2车间环境管控信息化车间环境信息是保障智能化设备、智能传感器、数控机床等正常运行的必要条件,因此是必需的监控数据。车间环境信息信息化主要包含车间的温度、湿度、气压、电压等参数的监控,通过各类传感器完成数据的获取,然后通过智能管控系统与SmartIOT工业物联网网关设备通信获取各种现场数据并在系统页面进行展示。4信息化系统与现场智能管控系统的集成4.1MES系统集成MES系统是以生产作业计划、调度、跟踪与管理为中心的车间制造过程管理信息系统。MES系统录入了从生产订单投产到产品完成的所有生产信息,包含排产信息、调度信息、任务分派信息、生产过程质量信息、工序任务、工时定额等数据资源。MES系统直接汇聚了生产车间的各种质量信息,能够为质量分析提供最为实时和精准的数据。数据资源涵盖上层计划管理,通过与MES集成可以实现数据共享以及生产任务直接下达到生产线直至数控机床,通过排产算法优化进而实现全程自动、智能排产。4.2PDM系统集成PDM是企业级产品数据管理系统,用于物料编码的申请、创建、维护、存储和管理,研发任务的分派、技术文档的编辑、审批、存储及管理等。智能管控系统与PDM系统的集成可以将最新版的技术文件和程序文件实时同步到车间智能终端,提醒加工人员技术文件或程序文件变更,智能产线操作员可在现场智能终端查看技术文件和程序文件。技术文件主要包含工艺规程、技术通知单、工艺变更通知单、工序和工步具体内容、单件定额消耗表等。当技术文件需要更新版本或者更改时,技术人员在PDM系统中完成技术文件变更流程后,变更通知单或者新版技术文件将直接推送到现场,并发出通知提醒现场操作人员查看。程序文件主要为车床编程的NC程序文件,由编程人员编程结束后通过发布流程发布,发布结束后,将自动传递到现场智能终端,并提醒现场操作人员查看。4.3ERP系统集成ERP系统中以SAP为例,SAP系统将数据和流程集中到单个系统,以销售为驱动,以市场为导向,涉及生产、采购、物资、财务等业务流程,涵盖从订单合同到销售发货整个闭环业务流程。现场智能化系统通过与ERP系统的集成可以实现当前生产任务的逆向追溯,如当前任务的生产任务信息、销售任务信息、合同信息,同时可以共享库存信息,现场操作者及现场智能管控系统可在现场接收任务时调取所需材料的库存信息。5智能车间实时数据的可视化实时数据的可视化可供车间显示屏查看当前在制任务情况、车间环境情况、车床运行情况、有效切削率情况以及生产过程质量信息等。数据可视化依赖于生产过程管理的标准化和规范化,如质量数据可视化的有效实施依靠于系统内部高效的数据组织、管理、存储和处理能力系统可采用现有的B/S架构、MVC框架,有Spring、Struts2、Ibatis等常用web框架(见图5)。6结语智能制造是传统企业转型过程中的必经之路,在物联网、5G技术以及社会劳动力逐年下降趋势的推动下,智能制造将进入快速发展阶段。信息化是传统制造业多年的能力建设,已经逐步成为制造业的核心能力,因此基于物联网智能车间的信息化研究极为重要。本文以某研究所打造的智能化车间为基础进行了研究,提出了切实可行的系统架构和建设逻辑,为智能化改造中相关信息化建设提供了基础方案,对类似智能化车间改造中的信息化建设具有借鉴意义。来源 | 本文来源于网络,本着学习交流的目的进行转载,已标注原始作者和出处作者:河南航天液压气动技术有限公司 袁明锋 田跃军 杨磊 李通 孙先海 孙宏鹏
  • [交流吐槽] 关于智能音响 和 语音机器人 对用户隐私问题
    关于智能音响 和 语音机器人 对用户隐私问题麦克风始终 处于 唤醒 状态  ,持续 对 用户 语音 进行 读取  ,进行 唤醒词判断 此过程 是否会将 语音 上云进行比对
  • [其他] 人工智能服务冬奥!
    昨日,首批13台机器人在国家游泳中心调试到位,正式“上岗”。其中包括5台清扫机器人、5台消杀机器人、1台防疫监督机器人和2台引导机器人,它们将为冬奥会场馆提供清洁、消杀、移动测温等多项服务。
  • [技术干货] 基于生成式闲聊对话机器人方案
        基于深度学习的生成式闲聊机器人技术,绝大多数都是基于Encoder-Decoder(或者称作是Sequence to Sequence)框架,这个框架是非常简单而且可扩展的。    该框架可以看作是一种文本生成上的研究模式,应用场景非常广泛,不仅仅可以用在聊天机器人领域,还可以应用在机器翻译、文本摘要、句法分析等场景。 (1)下图是文本处理领域里常用的Encoder-Decoder框架一种抽象表示,比如我们可以选择基于rnn或者lstm等基本的网络:具体到聊天机器人场景,系统生成答案的过程主要由两步构成:1.Encoder对用户输入querry进行编码,生成语义编码c;2.Decoder对语义编码c进行解码,得到答案Response返回给用户。 (2)同时,我们也可以采用transformer的seq2seq方案:Transformer模型使用自注意力堆栈而不是RNN或CNN来处理可变大小的输入。该通用架构具有以下优点:没有假设数据的时间/空间关系。这是处理一组对象的理想选择。   可以并行计算层输出,而不是像RNN那样的序列处理。   远距离的元素可以影响彼此的输出,而不会经过许多重复步骤或卷积层。   可以学习远程依赖。(3)基于深度强化学习结合的生成式问答      Alphago证实了强化学习技术的成功,也推动了强化学习技术在自然语言处理领域的发展。强化学习中智能体与环境进行交互,根据系统提前定义的奖励函数来判定智能体的行为是否合适。系统会给出一定的奖励或惩罚,最终目标是奖励函数最大化。      在智能聊天机器人对话系统中,强化学习模型所代表的含义是利用两个机器人不断的对话来模拟智能体与环境的交互过程,最后训练出我们想要的效果。马尔科夫决策过程包括动作,状态,策略,奖励函数等几个要素。其中奖励函数作为目标函数是最重要的因素。当每次都出现无意义的回答时,我们将给出惩罚。最后我们希望对话过程中所给的回答是有效的,并且在生成的语句中更多的是有意义的回复,保证对话的流畅性。   我们可以自由设定聊天机器人中的奖励函数,第一个奖励函数可以定义为让对话产生新的信息。第二个奖励函数设定为问题与答案的相关度。第三个奖励函数设定为回答的语句中带有情绪的词语。第四个奖励函数设定为回答文本中不带有尴尬的词语出现,避免聊天陷入僵局。最后对几个奖励函数进行加权求和,奖励函数最大时对应的模型就是我们想要的模型。
  • [其他] HDZ实战营第6章完成作业2的细节
    作业2《6.3 使用OSVOS算法实现视频物体分割》链接https://nbviewer.jupyter.org/github/huaweicloud/ModelArts-Lab/blob/master/notebook/DL_video_object_segmentation/object_segmentation.ipynb作业2根据以下官方给的指导,我们走一遍在课程《6.3 使用OSVOS算法实现视频物体分割》实践中,你已经使用OSVOS算法进行了算法的训练和 预测,并运行了一个视频抠图的应用demo。在课程案例中,OSVOS算法使用的训练集是一个图像分割数据集,原图目录和标签目录如下: 原图目录:./video_object_segmention/OSVOS-PyTorch/DAVIS_2016/JPEGImages/480p/flamingo 标签目录:./video_object_segmention/OSVOS-PyTorch/DAVIS_2016/Annotations/480p/flamingo在课程案例中,我们就是使用了这个名称为flamingo的数据集, 在./video_object_segmention/OSVOS-PyTorch/DAVIS_2016/JPEGImages/480p目录下其实还提供了 另一个数据集breakdance,这个数据集也可以用来重新跑通整个案例。1、打开课程案例代码文件object_segmentation.ipynb,按ctrl+F,搜索flamingo,尝试将flamingo字 样都替换成breakdance; 2、替换完成后,按ctrl+s保存脚本,点击页面顶部菜单栏的 File -> Close and Halt 关闭当前ipynb脚 本,再重新打开object_segmentation.ipynb,从第一个代码块开始,重新跑一遍整个案例; 看完以下细节,即可完成作业2细节1细节2src_dir = './video_object_segmention/OSVOS-PyTorch/DAVIS_2016/JPEGImages/480p/breakdance'result_dir = './video_object_segmention/OSVOS-PyTorch/./models/Results/breakdance'细节3将四条代码运行,耐心等待即可最后截图完成作业2
  • [行业资讯] 短期对商业具影响的新兴科技包含十种
    根据CompTIA公布,短期对商业具影响的新兴科技包含十种。1、AI虽然到现在为止,科技仍停留在狭义AI(Narrow AI)阶段,但其却给改变了垃圾邮件过滤器、谷歌地图和虚拟助理等系统运作方式。未来随着聊天机器人、物流、自动驾驶汽车、虚拟护理助理、个性化教科书和导师,甚至人工创造力等发展,狭义AI在未来几年将可以不断改进。2、5G;3、物联网即使5G不比LTE/4G来得兴奋,但是随着厂商不断推陈出新应用,未来对商业仍有许多吸引力。更重要的是5G将为物联网提供支柱,进而将网络力量扩展到计算机之外,并跨越更广泛的对象、流程和环境。物联网是智慧城市、机器人驱动农业和自动驾驶高速公路系统等未来场景的关键技术。 4、无服务器运算无服务器运算可以更有效地分配资源。例如:当应用程序未使用时,其不会分配任何资源。但当需要时,运算能力即可自动扩展至应用程序之中。这种技术转变意味着公司不再需要担心基础设施或预留带宽,进而达到易用和成本节约的目的。 5、生物辨识生物辨识技术允许系统通过生物特征(如脸部、声音或指纹)来辨识用户。现今已经安装在笔记本电脑和智能型手机上,但随着技术改进和变得越来越普遍,它可能最终会结束密码典范。 6、AR/VR随着硬件成本下降、处理能力提高以及谷歌、脸书与苹果等大厂的加入,AR/VR的时代最终将会到来。微软推出的Mesh以及其他业者的技术,正结合了这些混合实境技术来创建虚拟共享空间,对虚拟会议、虚拟试穿衣服或虚拟剧院变成可能。 7、区块链区块链的潜在案例愈来愈多且令人印象深刻。例如:医院可以使用区块链来储存和共享健康记录;亦可支持一个安全的在线投票平台;其可以追踪跨国际供应链的物流等。 8、机器人在未来几年,机器人将从工厂逐步延伸至家用、商业运作与消费性领域。机器人的崛起,并不会在工作上取代人类,而是让人们的工作转向以人为本的软技能。至于,执行清洁、服务和运送等基本任务的机器人将成为世界经济核心。 9、自然语言处理自然语言处理是AI的一个子领域,旨在开发可以通过人类语言进行分析和交流的系统。一旦算法最终破解之后,自然语言处理商机将变得非常巨大。例如:聊天机器人、虚拟编辑器、市场分析、实时对话且翻译、简历阅读器和电话自动助理,都是拥有庞大商机。 10、量子运算量子计算机正成为新兴科技的支柱。IBM预计在2023年建构1000量子位的计算机。其他国家与厂商也都密集的进行相关研发,这会激发出该市场的最终潜能。转载:物联网之家网
  • [技术干货] 人工智能技术正在掀起一场农业革命
    导读:近年来,随着人工智能技术的快速发展,我国用于农业生产的各种智能机器人逐渐成为农业技术、装备研发的重要内容。文/何冰(作者单位:澳门大学科技学院)国际知名学者周海中教授在上世纪90年代曾经预言:“随着科技进步,人工智能时代即将到来;届时,人工智能技术将广泛应用到各学科领域,会产生意想不到的效果。”如今,越来越多的事实证明了他的这一预言;目前,人工智能技术已经应用到了农学方面。有关专家认为,人工智能技术正在掀起一场农业革命,这场革命将给中国农村带来一个全新的局面。近年来,随着人工智能技术的快速发展,我国用于农业生产的各种智能机器人逐渐成为农业技术、装备研发的重要内容。农业智能机器人的出现和应用,不仅一定程度缓解农村劳动力短缺和结构不合理的问题,也改变传统农业劳动方式、促进现代农业发展。农业必将成为未来智能机器人产业落地的重要领域。农业智能机器人可以智能除草、灌溉、施肥和打药。智能机器人利用图像识别技术来获取农作物的生长状况,通过机器学习,分析和判断出那些是杂草需要清除,哪里需要灌溉,哪里需要施肥,哪里需要打药,并且能够立即执行。因为能够更精准施肥打药,所以大幅度降低化肥及农药的使用。人工智能技术在我国农业领域的研发及应用早在本世纪初就已经开始,这其中既有耕作、播种和采摘等智能机器人,也有智能探测土壤、探测病虫害、气候灾难预警等智能识别系统,还有在家畜养殖业中使用的禽畜智能穿戴产品。这些应用正在帮助我们提高产出、提高效率,以推动高质量农业发展取得更大进步。除了智能机器人、智能识别系统和智能穿戴产品,还有更多的农业物联网设施,比如田间摄像头、温度湿度监控、无人机航拍、信息管理系统等。这些设施能够为农业管理提供海量的实时数据,那么如何把这些海量的数据及时的变成有价值的信息,就是人工智能技术要做的事情。在农业生产发展中, 物联网设施的广泛应用, 已经成为一种未来趋势。人机共融,是未来我国农业发展重要的一环。技术上,随着云计算、大数据、物联网、人工智能等新一代信息技术与农业技术的深度融合,农业智能机器人作为新一代智能化农业机械,将突破瓶颈并得到广泛应用。同时,未来农业智能机器人新技术研究包括深度学习、新型材料、人机共融、触觉反馈、模式识别等技术。然而,人工智能与农业技术深度融合目前在我国还面临着多重挑战。由于农村网络基础设施薄弱,应用于农业技术还处于基础阶段;另外,农业智能机器人的研发还不成熟,在投入使用过程中会出现或多或少的问题等。这要求有关部门从基础设施、资金支持、技术供给、产业需求等多方面入手,全面促进人工智能与农业技术的深度融合。需要指出的是,目前无论是农业智能机器人还是农业智能识别系统,其智能水平并不高,只能说是处于初级阶段;但随着科技的不断进步,其智能水平将不断提高和应用范围将越来越广。毫无疑问,在人工智能技术的助力下,我国农业领域正在掀起一场前所未有的革命,这场革命很可能带来的、更多的是那些我们无法预知的新突破。
  • [技术干货] 如何在管理中心GDE或助手Assisant上执行项目?
    一、机机账号申请进入GDE管理中心界面,点击菜单-管理员配置-用户设置-接入用户,进入到接入用户界面,点击创建即可;如下图:之后需要将Access ID 和 Secret Key 备份到文件中,因为其只显示一次;如下图: 二、创建设计器进入GDE管理中心界面,点击菜单-机器人管理-作业机-设计器,进入到设计器界面,点击新建,新建完成后在操作中导出配置(见下图)待用, 例如demo1.zip。 三、配置设计器在Studio中设置-管理中心配置-基本配置中,导入配置(将上一步的demo1.zip导入即可),点击保存即可。如下图: 四、创建执行器进入GDE管理中心界面,点击菜单-机器人管理-作业机-执行器,进入到执行器界面,点击新建,新建完成后导出配置(见下图)待用, 例如demo2.zip。 五、下载助手(在执行器界面)点击“客户端软件包下载”,下载相应的版本: 六、配置助手、执行器进入助手的设置-连接设置中,点击导入配置(即之前待用的dome2.zip),再点击保存。见下图: 七、配置机机账号(1)Studio中配置进入studio-设置-管理中心配置-接入配置,选择“机机登录”,然后将之前备份的机机账号密码输入相应的位置,再点击检查连接,成功后,在点击保存即可。见下图:之后便可以在studio右上角选择“在线”,便能让studio连上管理中心。见下图:并且在设计器界面可看到对应的设计器呈现“在线”状态。见下图:(2)助手Assisant中配置:助手界面中,设置-连接设置-填入机机账号密码,并检查连接,成功后,再保存。之后便能在助手界面中选在线模式,见下图:之后在执行器界面中可看到连接的执行器,已在线,并呈现绿色,见下图: 八、上传脚本方法一:进入GDE管理中心界面,点击菜单-机器人管理-机器人-脚本管理,在脚本管理界面中点击“新建”,上传脚本包(将项目压缩到zip文件中);方法二:直接在studio中,最上面的功能栏中点击“发布”,之后在“发布至”中选中管理中心,再点击发布即可,见下图: 九、创建任务进入GDE管理中心界面,点击菜单-机器人管理-任务-任务管理,在任务管理界面中,新建,填入需要执行的脚本以及配置的执行器,并选择在管理中心运行还是在客户端(助手)上运行,之后再点击下一步即可;此时,按照需要配置参数,之后下一步即可。如是在客户端(助手)上运行的,需要进入助手Assisant界面,点击刷新即可,见下图:之后会出现任务名称,点击运行-新建,即可。
  • [经验交流] 人资领域应用RPA的招聘管理场景
    人才质量非常重要,关乎企业未来发展。但想招聘优秀的人才,需要不断的筛选和搜集简历信息,人工操作不仅费时费力,还容易遗漏。RPA机器人则可帮助HR快速分发招聘信息,筛选应聘简历,通知应聘人复试。实现招聘自动化管理,减少手动操作,提高人才招聘率。RPA提取HR的招聘信息,根据用户设定,将这些信息发布至指定的人才招聘平台上。在招聘平台收到简历时,RPA将根据用户规则设定自行筛选简历,并将符合条件的简历发送至HR处进行查筛。简历自动获取机器人自动登录智联招聘者身份,自动完成简历搜索,自动提取搜索结果成为数据文件。候选人面试邮件通知机器人机器人可在人资筛选符合条件候选人,实现邮件发送面试通知的自动化。
  • [其他] 人工智能 - 利弊
    发展  随着科学技术和互联网的发展,地球已经变成了一个小小的地球村,人工智能领域也迅速发展,特别是在中国“2025智造”提出后,国内的人工智能领域也掀起一段热潮。面对发展如此迅速的人工智能,既有利,也有弊。随着科技的发展,我们的生活变得越来越方便。然而任何事物都有它的两面性。当然人工智能也不例外。便捷  一方面,人工智能给我们带来了非常多的便捷。就拿我们日常都不离手的手机来说,一开始我们只能用手机发送消息和打电话,但是现在它可以上网和不在你身边的人聊天。除此外也可以拿来拍照,相当于一个照相机,还可以拿来打游戏等等。智能,不仅仅在这些很小的东西上体现,据报道,以后我们的汽车也可以该变成无人驾驶的汽车。人工智能增进了人与人之间的距离。同时,人工智能使我们的生活更方便。效益  目前人工智能已经为人类创造出了非常可观的经济效益,人工智能可以代替人类做大量人类不想做、不能做的工作,而且机器犯错误的概率比人低,并且能够持续工作,大大的提升工作效率,节约了大量的成本,未来的人工智能可能还会代替人类工作,代替人类做家务,帮助人类学习,甚至可以照顾老人和小孩,实时监护人类的健康,生病了直接给人来治疗,延长人类的寿命,让人类的生活变得越来越美好。双刃剑  科技的发展是一把双刃剑,这是已经谈论很久的问题。当然,也有很多人会认为人工智能可能是我们的灾难。最近,许多科幻片都在讲诉我们关于人工智能之间的事情,其中很大部分都在讲智能机器人失去控制,并且有了自己的思维想杀死人类,他们来统治世界。思考  人类将来的某一天会不会被各种各样人工智能机器人所代替,人类未来会不会成为机器人的奴役?学习速度  汽车的发明颠覆了传统的马车行业,人工智能的发展同样也将颠覆许多行业。机器人代替了许多人类的工作将导致大量的人口失业,机器新的学习速度远远快于人类,在一期国内热播的最强大脑里有一期人机大战中,最终小度(机器人的名字)战胜了选手,如果未来的某一天,机器人变成像电影《机械姬》中有意识的机器人,那么人类随时会变成机器人的奴隶,同时,人工智能面临着技术失控的危险,霍金曾发出警告,人类面临一个不确定的未来,先进的人工智能设备能够独立思考,并适应环境变化,它们未来或将成为导致人类灭亡的终结者!人工智能  我个人认为,人工智能是人类最受益的。因为我们有了人工智能后,我们的生活变得更有趣和方便,智能机器人的事情也许不会发生。我认为我们不应该只是担心事情会不会发生,而是需要开发更好的产品以及处理人工智能可能会发生的事情。未雨绸缪的事情从小我们就知道,所以我相信,我们能研究出他们,那一定会有克制的方法,而不是科幻电影里面的无法控制,但是所有的科幻电影的结局都是无论再怎么坏的影响,都会有比较好的结果,所以,最后的我们凡是都要往好的地方想。发展  人工智能改变了人们的生活,我们对人工智能应加以好的利用,同时要避免带来的弊端,人工智能与人类、与社会、与自然和谐相处,这样才能长远的发展。
  • [技术干货] 您真正需要了解的 10 个 AI 技术趋势
    人工智能技术趋势正在推动人类向前发展。数字化转型已遍及各个工业领域,人工智能正在实现科学家梦寐以求的事情。人工智能技术趋势正在推动人类向前发展。数字化转型已遍及各个工业领域,人工智能正在实现科学家梦寐以求的事情。现在,人工智能和机器学习技术正被用于消费者每天接触的几个现实世界的应用程序中。虽然一些反乌托邦故事警告了有感知机器的危险,但今天正在实施的大多数人工智能应用极大地增强了人类体验,使我们能够取得更多成功,挽救生命,甚至让世界变得更美好。话虽如此,以下是您真正需要了解的 10 个 AI 技术趋势:1.低代码和无代码解决方案自动化机器学习并不是什么新鲜事,但今年我们意识到 autoML 如何能够在没有深入编程知识的情况下构建高质量的 AI 模型。过去,AutoML 的功能传统上侧重于为某些数据集寻找最佳解决方案。现在,有许多低级和无代码 API 解决方案允许企业创建生产级 AI 驱动的应用程序,而无需任何数据科学知识。2.聊天机器人聊天机器人在过去十年中取得了长足的进步,现在它们正在改变客户和企业的互动方式。外向销售正在被对话式 AI 所取代,它不仅可以推荐产品和回答与产品功能相关的问题,还可以解决许多客户问题,而无需联系公司的真人。不过,如果您需要一个在世的人的帮助,他们会很乐意为您提供帮助。语音机器人是对话式 AI 的另一个分支,它能够通过聆听和响应一个人的声音而不是输入的单词来进行交流。这种由人工智能驱动的技术还能够使用从客户互动中收集的数据来创建更加个性化的客户体验,并使企业能够根据互动获得洞察力。3.市场情报AI 和 ML 帮助企业将大量数据转化为可操作的商业智能。人工智能驱动的分析改进了从潜在客户生成到客户支持的销售周期的各个方面。 2021 年的企业正在使用市场情报应用程序,这些应用程序使用人工智能功能来做出更准确的预测、更明智的决策,并创建更高效??的销售流程。这些应用程序能够提供实时分析,以便企业可以更好地与 B2C 和 B2B 客户进行沟通。4.环境可持续性人工智能正以多种方式被用于支持环境并改善农业、水、能源和交通等行业的可持续发展实践。在这些领域使用人工智能应用程序可以对排放产生重大影响,并到 2030 年为全球经济贡献 5.2 万亿美元。人工智能正被用于监测环境条件、作物产量、帮助减少和减轻废物的影响以及预测天气以改善用水。人工智能驱动的应用程序还通过使用深度学习、预测能力,甚至人工智能驱动的电网系统,帮助管理可再生能源的使用。人工智能使自动驾驶汽车成为可能,这可以减少车辆的排放量并减少造成的损害。未来,我们可能会看到人工智能如何利用位置数据来改善交通拥堵甚至货物运输效率。5.机器人辅助手术在医疗保健方面,人工智能有几乎无限的可能应用。尽管该行业因适应不断上升的科技影响力缓慢而臭名昭著,但自大流行爆发以来,已经取得了重大进展。事实上,43% 的初级保健就诊是通过远程医疗进行的,这表明医疗机构和患者都乐于在必要时采用医疗技术。你会相信机器人给你做手术吗?预测分析和机器学习 AI 可以识别患者和手术的模式,以便进行第二次调整。例如,这些机器人可以从患者的手术史中学习,实时规避手术过程中的潜在问题。虽然许多医院在手术应用中使用机器人助手,但我们还没有一支机器人外科医生队伍。6.自然语言处理在电子商务中,计算语言学、文本分析和 AI 驱动的 NLP(自然语言处理)被用来更好地服务于他们的消费者群。情感分析和品牌形象分析可帮助公司更好地了解客户以改进产品和服务。然后,从用户那里收集的反馈可以由一台可以区分语言细微差别的机器进行处理,以提取企业可以采取行动的定性和定量数据。7.地震检测和预测用于检测和分析地震波模式的机器学习算法正在改变我们对地震的反应方式。事实上,这些由人工智能驱动的算法能够检测到两倍于科学家所能检测到的地震。这有助于缩短地震响应时间,从而挽救生命,并且科学家们可以更好地了解地球板块的运动方式。希望这些算法能够变得足够聪明,可以预测未来的地震。8.人工智能工程尽管这一趋势接近我们列表的末尾,但它是大多数其他 AI 趋势的基础。除了 AI 工具和流程的开发之外,还有许多复杂的方面,包括安全性、透明度、道德和合规性。 AI 工程是一种策略,它使 AI 成为 DevOps 流程的自然组成部分,而不是一个单独的部门或事后的想法。AI 和 DevOps 之间的这种碎片化可能导致合规性和网络漏洞问题,从而减慢整个过程。由经验丰富的网络管理员开发的包括 AI 在内的有凝聚力的规划、开发和实施工作流程简化了公司将产品从创意推向市场的能力。9.保险预测分析越来越多的保险公司正在多个不同领域使用人工智能预测分析。保险公司使用预测分析来识别欺诈、计算新客户风险和定价、产品优化以及优化用户体验。预测分析还允许公司增加保险的个性化和覆盖范围,以便个人以他们可以承受的价格获得所需的覆盖范围。此外,已将预测分析集成到其流程中的保险公司的增长速度比不使用预测分析的公司快 7%,这表明客户也正在从 ML 在保险业中获益。10.AIOT由于物联网设备的数量预计将在 2023 年增加到 35 亿,因此向 AIoT 解决方案自然发展。由人工智能驱动的智能手机、语音助手和其他物联网设备可以创建智能机器,支持决策行为,几乎不需要人工交互。结论:人工智能技术趋势推动了 13 万亿美元的市场人工智能的这十个技术趋势让我们一瞥人工智能和机器学习的未来可能会是什么样子,机器人医生、智能虚拟助手、即时天气数据、完善的市场预测。到 2030 年,预计人工智能的价值将达到 13 万亿美元。虽然现在大多数人工智能技术都是在软件中生成的,但我们可以期待在旅游、制造和零售等领域看到人工智能应用。智能机器的世界是什么样的?我们马上就会知道了。来源 | 本文来源于网络,本着学习交流的目的进行转载,已标注原始作者和出处 千家网作者 | 责任编辑:Y文章链接 | http://ai.qianjia.com/html/2021-09/18_383566.html
总条数:298 到第
上滑加载中