淺析人工智能在電子工程的應用

時間:2022-10-30 04:06:42

導語:淺析人工智能在電子工程的應用一文來源于網友上傳,不代表本站觀點,若需要原創文章可咨詢客服老師,歡迎參考。

淺析人工智能在電子工程的應用

我國正在大力開展企業轉型升級,其中人工智能技術是企業成功完成轉型升級的關鍵,能夠有效的提升生產力水平。電子工程作為提升生產效率的手段,智能化將是其未來發展必然趨勢。隨著技術的發展,人工智能技術已經全面的應用在電子工程中,例如機械設備中的專家系統、智能算法、模糊推理系統等,其在電子工程的智能化發揮了重要作用,大幅度的提升了企業智能化和自動化水平。因此,相關的電子生產企業應重視產品的人工智能技術應用,同時培養和儲備人工智能技術方面的專業技術人才,提升產品的市場競爭力。

1人工智能技術與電子工程概述

1.1人工智能技術。人工智能技術是在計算機技術的基礎上,綜合了控制學、生物學以及語言學等多種學科而成的智能學科領域,具有較強的綜合性。人工智能在早期主要被應用在博弈研究以及翻譯工作中,目前則在設備自動化、機器人以及專家系統等領域得到了長足的發展。1.2電子工程技術。電子工程指的是采用計算機和網絡技術,對電子信息進行處理。這是現代技術的一個重要分支。它包括多種技術,如通信技術、電路系統技術、智能技術等。隨著人工智能技術的發展,電子工程技術具備如下特點:首先,其性能趨于完善。結合智能技術發展,其性能更加完善。例如,機器人技術帶動了電子工程技術發展,并解決了智能化程度較低的問題。其次,產業類型新穎。隨著電子工程技術的迅速發展,在各領域得到廣泛應用,其類型也越新穎。最后,技術智能化、節能。人工智能技術的迅速發展,對電子技術節能和智能化提出列高的要求,因此電子工程技術也朝這方向進行發展。

2智能化技術在電子工程中的應用

在目前的電子工程領域內,人工智能技術已經得到了較為廣泛的應用,主要有專家系統、視覺傳感器、模糊推理系統以及神經網絡系統等。2.1專家系統。隨著技術不斷的發展,設備的功能越來越多,電子元器件的數量急劇增加,使得設備故障檢測和維修的難度非常大,如果僅僅依靠傳統的人力,需要耗費大量時間。為了提升設備故障檢測效率和運行安全,采用專家系統對設備的運行實時狀態進行監測,而且當設備發生故障時還能夠準確的評定出發生故障的位置及原因,并采用緊急措施保證設備運行的安全。專家系統是基于人工智能技術發展起來的計算機程序,其通過將大量積累的專家經驗及知識以程序的形式儲存至計算機系統中,從而建立起故障診斷數據庫,同時數據庫還能夠不斷的更新和完善。一旦設備發生故障,系統將會根據發生故障出現的現象和位置與數據庫進行對比分析,給出故障診斷結果,為技術人員維修提供支持。2.2視覺傳感器。在電子工程中的眾多信人工智能技術中,視覺傳感器是較早應用在電子工程領域中的技術。視覺傳感器在電子工程中的主要工作原理是通過視覺傳感器判定工作步驟的合理性,其可以判斷的類型有多種,例如工位是否有工人、工作設備是處于工作狀態還是閑置狀態等。同時視覺傳感器還可以通過在機械電子設備各個關節安裝不同傳感器的方式來判斷設備的工作步驟是否合理,從而評價其對施工環境的影響。2.3模糊推理系統。模糊推理系統在電子工程中主要用來分析工程中的數據。模糊推理系統具有對模糊信息進行推理和處理的能力,使得電子工程中大量的模糊數據得到了有效地處理,從而提升了機械電子產品的精度。模糊推理系統的主要工作原理是模擬人類大腦思考和推理的過程,并將推理過程使用計算機語言表達出來。在一定的網絡軟件支持下,電子工程中數據的模糊推理過程能夠使用函數將其表達,并使用函數儲存的方式進行儲存。模糊推理系統的劣勢是目前和機械電子系統的聯接尚不穩定,且模糊數據的推理精確度還不夠高,使得其在電子工程中的廣泛應用受到了一定的限制。2.4神經網絡系統。神經網絡系統在電子工程中主要用來存儲工程中的數據。神經網絡系統模擬人類大腦神經元的記憶儲存方式,將電子工程生產過程中的數據儲存在建立好的類神經元記憶模塊中,其不但能夠儲存數據,還能夠對這些數據進行一定的動態計算,整個計算過程就是模擬人類的神經元工作方式,通過信息儲存以及定向提取的過程完成計算。神經網絡系統能夠精確且快速的儲存和計算電子工程生產過程中的數據,從而提高電子工程生產過程中的生產質量和效率。

3人工智能技術在電子工程中的應用實例

隨著我國車輛數量的日益攀升,車牌定位系統在我們日常的生活和出行具有非常重要的作用。車牌定位系統不僅可以應用在智能交通領域,而且還可以廣泛應用在停車場、小區車輛管理系統、收費站等諸多領域中。為了便以對車輛進行科學合理的管理,越來越多的研究者為了提高車牌定位系統的定位準確率和準確性,開始研究車牌定位系統。本文將以邊緣特征提取、顏色特征、AlexNet卷積神經網絡多種方法相結合的方式在車牌定位系統中的應用實例為研究對象。3.1車牌初定位算法實現。采用邊緣特征提取、顏色特征、AlexNet卷積神經網絡多種方法相結合的方式對車牌信息進行提取分析。首先需要對車牌圖片進行預處理分析,然后采用AlexNet卷積神經網絡進行識別分析,從而實現車牌的定位。因此,車牌初定位主要包括圖像的預處理、顏色判斷、形態學處理、車牌信息的提取和定位等過程。圖像的預處理主要是將信息采集的圖像進行顏色特征提?。≧GB圖像處理)和邊緣特征提取(HIS轉化),預處理完成后系統將會對車牌圖像信息進行顏色的判斷分析,隨后對車牌上的數據形態進行分析處理,處理完成后系統將會選取車牌一定的區域作為車牌的定位選取區域。系統選取的區域范圍的寬度與高度比值處于8.5~9.5之間。在RGB圖像處理過程中,圖像處理結果只有兩個,當車牌為黃色和藍色時,則處理結果顯示為白色,此時系統將會賦值為255,當車牌顏色為其它時,處理后的結果顯示為黑色,系統將會賦值為0。形態學處理主要的功能是通過對圖像進行左右移動處理,從而確保處理結果顯示為白色。從上面所描述的流程圖可以發現,在進行車牌定位的初期時,首先需要將原始得到的與車牌相關的圖片進行轉換,需要將圖片從色彩形式轉換到灰度圖像形式下,轉換過程從第二章中已經確定好分量的公式可以得出。3.2車牌精定位算法實現。完成車牌的初定位程序后,下一步就是進行車牌的精定位。為了防止AlexNet分類器對圖像進行全掃描,降低系統的工作效率和準確度,在進行分類器進行車牌識別前,對圖像進行圖像預處理過程。精定位主要包括圖像預處理、投影、車牌區域判定、分類器處理分析等過程。投影過程將會把處理的圖像進行投影處理,處理結果主要是以數組a[n]的形式顯示處理,本文將會對數組a[n]進行結果判定,判定的程序如下:For(i=0;i<with;i++)if(a[i]<6)a[i]=0;經過上述的判斷程序處理分析后,所得到的數組a[n]中第一個序列的寬度為W1,而W2為最后一個非零序列的寬度。從而最后以W1為車牌的左邊框,而W2為車牌的右邊框,最終確定車牌選取的區域,然后經過分類器進行分類訓練,最終獲得車牌定位信息。經過初定位和精定位,即可完成對車牌的定位。

4結語

智能化技術已經全面應用在各個領域中,尤其是在電子工程中的應用,全面的提升了工業生產電子設備的加工精度和自動化水平,為我國企業的轉型升級提供了強大助力。隨著智能化技術在電子工程領域應用不斷深入,將會促進電子工程自動化控制想柔性化、高效化、高精度化等方向發展,為企業提升產品質量和工作效率的同時,降低企業生產成本。

參考文獻

[1]于海軍.電子工程的現代化技術應用及發展趨勢[J].電子技術與軟件工程,2017(12):67.

[2]王厲行.淺析電子工程技術的應用領域及發展趨勢[J].電子世界,2017(09):45.

[3]王艷霞.電子工程中智能化技術的運用分析[J].無線互聯科技,2016(3):130-131.

[4]王金莉.智能化技術在電子工程中的運用簡述[J].建筑工程技術與設計,2016(7):360.

作者:劉曉 單位:澳大利亞悉尼大學