萬(wàn)昌 武漢科技大學(xué)

引言

機(jī)器視覺(jué)技術(shù)已經(jīng)在各領(lǐng)域得到了廣泛應(yīng)用，并在不斷進(jìn)行技術(shù)開(kāi)發(fā)的過(guò)程中，展現(xiàn)出了優(yōu)勢(shì)性的功能。但在當(dāng)前的技術(shù)條件下，大多數(shù)的可視化程序，都作為固定的工序內(nèi)容發(fā)揮作用。而本文提出的技術(shù)條件，則呈現(xiàn)出更加明顯的動(dòng)態(tài)性特征，在接收與感知信息內(nèi)容的同時(shí)，使機(jī)器視覺(jué)的功能近似率人工的視覺(jué)效果，人機(jī)交互式的動(dòng)態(tài)工作。

1 機(jī)器視覺(jué)模塊

1.1 設(shè)計(jì)思路

視覺(jué)識(shí)別系統(tǒng)中，對(duì)物體的分辨是最為核心的內(nèi)容。對(duì)機(jī)器視覺(jué)的優(yōu)化目標(biāo)，就是利用科技條件，完成機(jī)器對(duì)人類識(shí)別能力的模仿。在內(nèi)容上，需要對(duì)相關(guān)的硬件系統(tǒng)、計(jì)算方法、知識(shí)體系等內(nèi)容進(jìn)行完善，在保證圖像處理技術(shù)的同時(shí)，加強(qiáng)對(duì)已知特征條件的識(shí)別能力。

對(duì)機(jī)器視覺(jué)系統(tǒng)的設(shè)計(jì)，應(yīng)將技術(shù)發(fā)展分為圖像的處理與識(shí)別兩個(gè)階段。處在圖像處理階段時(shí)，需集中整理采集的數(shù)據(jù)信息，在剔除噪音、環(huán)境等干擾調(diào)價(jià)的同時(shí)，進(jìn)行區(qū)域圖像的分割處理[1]。而在進(jìn)行圖像識(shí)別階段時(shí)，應(yīng)將重點(diǎn)放在尺寸、形狀等關(guān)鍵的內(nèi)容上，通過(guò)取值范圍的確定，過(guò)濾出圖像中的非關(guān)鍵信息條件，然后再對(duì)相應(yīng)的模板進(jìn)行匹配，完成目標(biāo)對(duì)應(yīng)管理。

1.2 實(shí)踐案例

Alpha Go系統(tǒng)，是智能化人際圍棋對(duì)弈的典型案例。在一次執(zhí)白對(duì)弈比賽的過(guò)程中，系統(tǒng)通過(guò)采集黑子的位置信息，攝像器材采集的圖像進(jìn)行整理，校正拍照角度中的畸變，并對(duì)周圍的環(huán)境條件與邊框進(jìn)行剪裁。當(dāng)完成整理后，并將圖像進(jìn)行二值化處理，通過(guò)黑白色亮度對(duì)比的內(nèi)容，完成伽馬值的調(diào)整，使圖像的顯影更加清晰。然后再利用0/1的二值化位置圖，形成完整的坐標(biāo)系統(tǒng)。在轉(zhuǎn)換格式與閾值的基礎(chǔ)上，帶入圍棋運(yùn)算核心的19×19直方圖分析，通過(guò)直角坐標(biāo)系的確認(rèn)，定位并捕捉自己白棋的棋盤定位。

2 人工智能模塊

人工智能技術(shù)是當(dāng)前學(xué)術(shù)研究與應(yīng)用實(shí)踐的重點(diǎn)的方向，受到高速率硬件處理技術(shù)影響，在整合大量企業(yè)與科研研究成果內(nèi)的基礎(chǔ)上，此項(xiàng)技術(shù)已經(jīng)可以在較低的成本條件下，達(dá)到提升應(yīng)用條件的效果。

延續(xù)上一部分中的圍棋應(yīng)用案例，在智能AI技術(shù)的開(kāi)發(fā)中，針對(duì)圍棋的對(duì)弈規(guī)則，技術(shù)人員研發(fā)出了Alpha Go系統(tǒng)的核心運(yùn)算內(nèi)容。將完全博弈與MCTS算法作為基礎(chǔ)，形成了三層神經(jīng)網(wǎng)絡(luò)環(huán)境下的運(yùn)算系統(tǒng)，在對(duì)預(yù)測(cè)策略網(wǎng)絡(luò)、判斷策略網(wǎng)絡(luò)、價(jià)值網(wǎng)絡(luò)的整合中，使用量化評(píng)估與加權(quán)計(jì)算的方法得到最優(yōu)化的計(jì)算結(jié)構(gòu)，滿足運(yùn)算與對(duì)弈的基本需要。而在運(yùn)算模型中，整合形成的運(yùn)算系統(tǒng)中，會(huì)使用APV-MCTS系統(tǒng)對(duì)棋局的每條邊線，從決策收益——Q（s,a）、訪問(wèn)次數(shù)——N（s,a）、先驗(yàn)概率——P（s,a），這三個(gè)狀態(tài)進(jìn)行閾值選擇，并最終得到公式：

以此達(dá)到執(zhí)行系統(tǒng)計(jì)算的效果，保證人機(jī)對(duì)弈的進(jìn)行。

而在人工智能系統(tǒng)中，還需組建其完整的硬件平臺(tái)，通過(guò)對(duì)CPU的特性設(shè)計(jì)，增加其中的浮點(diǎn)運(yùn)算能力，保證對(duì)層次的神經(jīng)網(wǎng)絡(luò)計(jì)算內(nèi)容。以此，使人工智能系統(tǒng)在在計(jì)算優(yōu)勢(shì)的保證下，不斷進(jìn)行深入的內(nèi)容學(xué)習(xí)，對(duì)海量運(yùn)算數(shù)據(jù)進(jìn)行整合，提高技術(shù)條件下的運(yùn)算結(jié)果利用率[2]。通過(guò)在圍棋人機(jī)對(duì)弈過(guò)程中積累的樣本，完成記錄數(shù)據(jù)積累，使人工智能系統(tǒng)的圍棋水平，趕上甚至是超越人類棋手。

3 機(jī)器智能模塊

在完成感知與運(yùn)算的內(nèi)容后，就需要相應(yīng)的機(jī)器設(shè)備，完成智能人機(jī)交互的最終步驟。自從1961年美國(guó)的Unimate公司推出第一臺(tái)商用機(jī)器人以來(lái)，在此項(xiàng)領(lǐng)域持續(xù)半個(gè)世紀(jì)的發(fā)展中，機(jī)器人技術(shù)已經(jīng)得到了廣泛且全面的應(yīng)用，并在進(jìn)行工業(yè)化生產(chǎn)的過(guò)程中積累了豐富的技能內(nèi)容，從基礎(chǔ)的焊接、搬運(yùn)等技術(shù)內(nèi)容中，逐漸演化出了多種類型的高級(jí)能力。而在與感知、分析系統(tǒng)的配合下，可以更加全面的提升數(shù)據(jù)信息的應(yīng)用條件，通過(guò)動(dòng)態(tài)化的信息處理，自主的完成預(yù)定工作內(nèi)容。在進(jìn)行機(jī)器人人機(jī)對(duì)弈設(shè)計(jì)的過(guò)程中，可以將這一動(dòng)作內(nèi)容作為執(zhí)行整體功能的終端，完成對(duì)弈程序的功能需要。

3.1 機(jī)器人選擇

為了更加精確的完成技術(shù)處理，首先要對(duì)機(jī)器的應(yīng)用條件與技術(shù)內(nèi)容進(jìn)行分析，以此確定執(zhí)行過(guò)程中應(yīng)用機(jī)器人的具體類型。在內(nèi)容上，應(yīng)從以下四個(gè)方面展開(kāi)分析，最終確定機(jī)器人的型號(hào)與工作方式。其一，需對(duì)控制模式進(jìn)行選擇，將點(diǎn)位控制與連續(xù)控制作為基本的選擇類型；其二，在驅(qū)動(dòng)條件上，應(yīng)對(duì)液壓、氣壓、電力等多種類型的技術(shù)條件進(jìn)行討論；其三，需在使用環(huán)境與應(yīng)用空間的內(nèi)容上，分析機(jī)器人的負(fù)重條件；其四，應(yīng)從經(jīng)濟(jì)性狀上，選擇市場(chǎng)環(huán)境中通用的大眾型號(hào)機(jī)器人，還是專業(yè)化較強(qiáng)的定制型機(jī)器人。

以圍棋的對(duì)弈為例，可以結(jié)合應(yīng)用特征，使用點(diǎn)位控制模式的機(jī)器人，并在綜合分析視覺(jué)采集模型的內(nèi)容，將攝像頭、吸附盤等用于配合的功能設(shè)備總重量控制在5kg以內(nèi)，以此保證機(jī)型構(gòu)建的執(zhí)行功能的高效率條件。同時(shí)，可以為其增添電控式的機(jī)械臂，使其長(zhǎng)度條件可以覆蓋整個(gè)棋盤，以此保證人機(jī)互動(dòng)過(guò)程中能正常的進(jìn)行對(duì)弈。

3.2 主機(jī)通信

通信系統(tǒng)，是為了保證機(jī)器人設(shè)備與圖像、計(jì)算系統(tǒng)連接的重要條件，在通信端口，可以施工RS232型號(hào)的串口，通過(guò)網(wǎng)絡(luò)或是線路的形式完成控制。以RS232串口為例，在就執(zhí)行通信過(guò)程中，可以直接對(duì)其中的波特率、數(shù)據(jù)位、停止位、校驗(yàn)參數(shù)等內(nèi)容進(jìn)行確認(rèn)與合適，以此保證機(jī)器人端口與計(jì)算數(shù)據(jù)端口的同步性條件，以高匹配度完成人際互動(dòng)。而為了更好的執(zhí)行這一內(nèi)容，還需細(xì)致且全面的完成信息編寫內(nèi)容，在使用特定程序協(xié)議的基礎(chǔ)上，執(zhí)行AI計(jì)算機(jī)的內(nèi)部序列，并在執(zhí)行指令的基礎(chǔ)上，確定放置棋子與提取棋子的動(dòng)作指令。

4 總結(jié)

將機(jī)器視覺(jué)、人工智能、機(jī)器智能這三個(gè)模塊進(jìn)行整合，可以更好的完成動(dòng)態(tài)化的機(jī)器視覺(jué)應(yīng)用，并在加強(qiáng)人際交互過(guò)程的同時(shí)，提高智能化水平。通過(guò)對(duì)智能圍棋對(duì)弈系統(tǒng)的分析，可以從簡(jiǎn)單的技術(shù)模型基礎(chǔ)上，加深機(jī)器視覺(jué)的交互研究?jī)?nèi)容，并在拓展應(yīng)用條件的基礎(chǔ)上，擴(kuò)大適用范圍，使機(jī)械視覺(jué)背景下的人機(jī)交互展現(xiàn)出更加明顯的示范作用，推進(jìn)技術(shù)的持續(xù)發(fā)展。