《工业大数据与人工智能》 课件 第四章概述

工业大数据与人工智能HFUT1主讲人：徐娟

副教授教材简介2工业智能传感与感知工业机器视觉第四章

工业中的感知智能

工业机器听觉人机交互多源信息融合智能传感器

3工业智能传感与感知智能传感器具有实时处理、高精度、自校准和通信能力等特点，相比传统传感器，它更小巧高效，其内部配备了先进处理器，可以实时分析环境参数，并通过通信技术与其他设备互动，弥补了传统传感器感知范围有限和数据处理能力不足的问题智能传感器功能4工业智能传感与感知智能传感器分类

5工业智能传感与感知智能传感器信号处理技术6工业智能传感与感知采样技术滤波技术时频域分析技术7工业智能传感与感知采样技术-奈奎斯特定理核心思想:采样频率≥2×信号最高频率避免混叠(aliasing)定义:对于带限信号：采样频率≥2×最高频率保证信号无失真重建混叠:采样频率过低导致高频成分被误解为低频引起信号失真8工业智能传感与感知滤波技术目的:从含有干扰的信号中提取有用信号分类:模拟滤波器使用电容、电感、电阻等模拟电子元件处理连续时间模拟信号可处理无限带宽信号精度受限，易受噪声影响数字滤波器通过数字信号处理器(DSP)或软件实现处理数字信号具有灵活性和可编程性可以实现复杂算法9工业智能传感与感知时频域分析技术时域分析直接考察信号随时间变化的过程，通过观察信号的波形、幅度、相位等时域特性来理解信号的本质。时域分析主要包括计算信号的均值、方差、自相关函数等统计量以描述信号的集中趋势和波动情况。频域分析将信号从时域转换到频率域，通过分析信号的频谱特性来揭示信号的组成成分及其频率分布。时频域分析结合时域与频域信息，能够同时揭示信号的频率成分随时间变化的情况，特别适用于非平稳信号的分析。10工业机器视觉11工业机器视觉工业图像信号采集技术工业相机镜头光源

12工业机器视觉工业图像处理技术图像增强图像特征提取13工业机器视觉目标检测传统目标检测基于深度学习的目标检测14工业机器视觉自动定位应用:工业自动化机器人技术智能监控医疗影像功能:定位目标物体的位置和姿态15工业机器听觉目标:使计算机系统具备类似人类听觉的能力过程:从捕获声音信号到对其进行深入分析和理解发展历程早期研究:音频信号的基础处理现代进展:利用深度学习提高性能关键技术:深度神经网络用于语音识别和生成技术基础声音信号:语音、音乐、环境噪音传感器:声音传感器信号处理:特征提取（例如Mel频率倒谱系数）数字化:将声音信号转换为数字表示16工业机器听觉工业音频信号采集17工业机器听觉音频信号特征Mel频率倒谱系数（MFCCs）感知线性预测系数（PLPs）滤波器组分析（Filter-bank,FBank）语谱图描绘（Spectrogram）常数Q倒谱系数（Constant-QCepstralCoefficients,CQCCs）18工业机器听觉语音识别高斯混合模型-隐马尔可夫模型深度神经网络-隐马尔可夫模型注意力模型19工业机器听觉语音合成理论基础1960年代:瑞典语言学家提出了线性预测编码(LPC)，这是一种基于声道模型的理论，为后续的语音合成技术奠定了基础。技术进步1980年代:这一时期的技术进步包括：混合型共振峰合成器(FormantSynthesis)，它可以调整共振峰的位置来改变发音。PSOLA(Pitch-SynchronousOverlapandAdd)算法，它允许在保持音高和时长的同时对语音信号进行修改，使得合成语音更加流畅自然。基于语料库的方法1990年代:随着计算能力的提高，基于语料库的语音合成(Corpus-basedSpeechSynthesis)开始出现，这种方法使用大量的录音样本作为合成的基础，通过波形拼接来构建合成语音。统计建模与机器学习20世纪末:统计建模和机器学习被引入到语音合成领域，这使得系统能够更好地适应不同的环境和用户需求。深度学习时代随着深度学习技术的兴起，语音合成技术取得了重大进展，特别是使用深度神经网络(DNN)和端到端模型，如Tacotron和WaveNet等，大大提高了合成语音的质量和自然度。20多源信息融合起源与发展起源:20世纪70年代为军事应用提出目标:提供更全面、准确的信息核心价值综合信息:整合多种来源的数据决策支持:改善认知能力与决策质量层次结构数据预处理特征提取决策推理21多源信息融合多源信息融合的分类数据层特征层决策层22多源信息融合多源信息融合的模型联合目标定位模型Bowman数据融合与资源管理模型Luo-Kay模型23多源信息融合多源信息融合的主要技术和方法24人机交互人机交互（Human-ComputerInteraction，HCI）作为一个伴随计算机技术发展而蓬勃兴起的交叉学科，它专注于探究人类、计算机系统及其两者间相互作用的影响机制，旨在优化用户与计算机系统的交互设计流程，从而提升用户体验和工作效率。25人机交互体感交互利用身体动作进行数字指令的传输。特点:直观、本能的交互方式。发展历程:鼠标:引领图形界面革命。体感技术:推动从二维到三维的交互转型。特制硬件与算法:如Kinect、LeapMotion及深度学习技术。自然用户界面(NUI):理解方式:触碰、语音、手势、眼神等。优势: