人工智能技术与应用（案例版)(仪登利)

为了适应人工智能技术的快速发展，实现智能制造应用型人才的培养，本书以案例方式呈现人工智能技术及其应用。本书分为人工智能技术基础篇和人工智能应用案例分析篇。人工智能技术基础篇主要介绍人工智能的起源与发展等基本内容，知识表示及知识图谱、搜索及推理等基本技术；人工智能应用案例分析篇从智能工业机器人、智能语音机器人、智能汽车、智能医疗机器人、智能农业机器人、智能服务机器人等人工智能在各领域应用的典型案例入手，分析其应用场景中使用的机器学习、深度学习、神经网络、自然语言处理等人工智能技术，使读者更轻松快速地掌握人工智能技术与应用。本书可作为高等院校智能制造工程、智能科学与技术、机械电子工程、机器人工程、人工智能等专业的教材，也可供相关工程技术人员和其他自学者参考。

无

第一篇  人工智能技术基础
第1章  绪论 2
本章思维导图 2
本章学习目标 3
1.1  人工智能在我们身边 4
1.1.1  智能手机 4
1.1.2  智能家居 6
1.1.3  聊天机器人 8
1.2  人工智能的概念 9
1.2.1  人工智能基本概念 9
1.2.2  人工智能的内涵与外延 11
1.3  人工智能发展历程 13
1.3.1  人工智能起源与发展 14
1.3.2  人工智能主要学派 23
1.4  人工智能应用开发 24
1.4.1  人工智能应用开发流程 25
1.4.2  人工智能开发环境 26
本章小结 29
思考题 29
习题 29

第2章  知识表示与知识图谱 30
本章思维导图 30
本章学习目标 31
2.1  知识与知识表示 31
2.1.1  知识概述 31
2.1.2  知识表示概述 32
2.2  谓词逻辑表示法 33
2.3  产生式表示法 35
2.3.1  产生式表示的含义 35
2.3.2  产生式表示的基本方法 35
2.3.3  产生式系统 36
2.4  知识图谱 36
2.4.1  知识图谱概念 36
2.4.2  知识图谱起源与发展 37
2.4.3  知识图谱的构建 39
2.4.4  知识图谱特点 41
2.4.5  知识图谱的应用 41
2.4.6  知识图谱前景与挑战 43
2.5  产生式知识表示案例 43
2.5.1  案例描述 43
2.5.2  建立产生式系统 44
2.5.3  推理过程 45
2.5.4  案例实践——基于Python实现动物识别 45
本章小结 47
思考题 47
习题 47

第3章  搜索与推理 49
本章思维导图 49
本章学习目标 50
3.1  搜索概述 50
3.2  盲目搜索 51
3.2.1  深度优先搜索 52
3.2.2  宽度优先搜索 52
3.2.3  回溯搜索 53
3.3  启发式搜索 54
3.3.1  爬山算法 54
3.3.2  A算法与A*算法 55
3.3.3  模拟退火算法 55
3.4  推理 57
3.4.1  推理概述 57
3.4.2  演绎推理 60
3.4.3  归纳推理 60
3.5  八数码状态搜索案例 61
3.5.1  案例描述 61
3.5.2  分析搜索过程 61
3.5.3  案例实践——使用Python解决八数码难题 62
本章小结 63
思考题 63
习题 63

第二篇  人工智能应用案例分析
第4章  人工智能在制造业的应用 66
本章思维导图 66
本章学习目标 67
4.1  智能制造概述 68
4.1.1  制造业概述 68
4.1.2  智能制造概念 70
4.2  智能制造产业综述 71
4.2.1 “AI 制造业”的意义 71
4.2.2 “AI 制造业”产业综述 73
4.2.3  智能工厂内涵与基本架构 74
4.2.4 “AI 制造业”未来趋势 76
4.3  人工智能的典型产品——机器人 77
4.3.1  机器人的定义 77
4.3.2  机器人的分类 77
4.3.3  机器人的主要特征及应用 79
4.3.4  人工智能和机器人 81
4.3.5  智能机器人 83
4.4  人工智能在制造业的应用案例 84
4.4.1  预防性维修 84
4.4.2  数字孪生在工厂的应用 86
4.4.3  焊缝检测 87
本章小结 88
思考题 88
习题 88

第5章  智能工业机器人 90
本章思维导图 90
本章学习目标 91
5.1  工业机器人概述 92
5.1.1  工业机器人概念 92
5.1.2  工业机器人发展历程 92
5.1.3  工业机器人组成 94
5.1.4  工业机器人核心部件及产业链 96
5.1.5  工业机器人分类 97
5.1.6  具身智能工业机器人概念与原理 100
5.2  智能工业机器人的应用 101
5.2.1  智能工业机器人在装配生产线上的应用 102
5.2.2  智能工业机器人在焊接生产线上的应用 103
5.2.3  智能工业机器人在搬运生产线上的应用 105
5.2.4  工业机器人系统应用案例 105
5.3  智能技术——机器视觉 109
5.3.1  机器视觉概述 109
5.3.2  机器视觉原理 115
5.4  机器视觉案例实践 118
5.4.1  案例实践——形位识别 118
5.4.2  案例实践——人脸识别 127
本章小结 129
思考题 130
习题 130

第6章  智能语音机器人 131
本章思维导图 131
本章学习目标 132
6.1  智能语音机器人概述 132
6.1.1  智能语音机器人概念 132
6.1.2  智能语音机器人分类 133
6.2  智能语音机器人的应用 134
6.2.1  智能语音机器人在生活上的应用 135
6.2.2  智能语音机器人在生产上的应用 135
6.3  智能技术——语音识别 137
6.3.1  语音识别概述 137
6.3.2  语音识别系统 140
6.4  语音识别应用案例 144
6.4.1  案例实践——语音打开记事本 144
6.4.2  案例实践——语音垃圾分类 145
本章小结 147
思考题 147
习题 147

第7章  智能汽车自动驾驶 148
本章思维导图 148
本章学习目标 149
7.1  智能汽车概述 150
7.1.1  智能汽车概念 150
7.1.2  智能汽车组成 152
7.1.3  智能汽车起源与发展 156
7.1.4  智能汽车的挑战与未来 158
7.2  自动驾驶车辆的应用 158
7.2.1  自动驾驶分级 159
7.2.2  自动驾驶车辆在智能交通中的应用 160
7.2.3  自动驾驶车辆在国防安全领域的应用 162
7.3  智能技术——机器学习 163
7.3.1  机器学习基本概念 163
7.3.2  机器学习发展历程 165
7.3.3  机器学习类型 168
7.3.4  机器学习过程 169
7.4  线性回归 170
7.4.1  线性回归概念 170
7.4.2  线性回归基本思想 170
7.4.3  线性回归的应用 172
7.5  聚类 172
7.5.1  聚类基本概念 172
7.5.2  聚类基本过程 173
7.6  关联分析 173
7.7  支持向量机 174
7.8  决策树 175
7.9  机器学习应用案例 176
7.9.1  案例实践——车牌号码识别 176
7.9.2  案例实践——疲劳预警系统 178
本章小结 180
思考题 181
习题 181

第8章  智能医疗机器人 182
本章思维导图 182
本章学习目标 183
8.1  智能医疗机器人概述 184
8.1.1  智能医疗机器人概念 184
8.1.2  智能医疗机器人类型 184
8.1.3  AI在医疗领域的应用 186
8.1.4  AI在医疗领域面临的挑战 190
8.2  智能医疗机器人的应用 191
8.2.1  手术机器人 191
8.2.2  康复机器人 194
8.3  智能技术——深度学习 198
8.3.1  深度学习概述 198
8.3.2  深度学习的起源与发展 200
8.3.3  深度学习分类 202
8.3.4  深度学习应用场景 202
8.3.5  深度学习训练过程 203
8.4  深度学习应用案例 205
8.4.1  案例实践——病毒感染动态显示 205
8.4.2  案例实践——疾病预测 207
本章小结 210
思考题 211
习题 211

第9章  智能农业机器人 212
本章思维导图 212
本章学习目标 213
9.1  智能农业机器人概述 213
9.1.1  智能农业机器人概念 213
9.1.2  智能农业机器人发展历程 214
9.1.3  智能农业机器人关键技术及特点 215
9.1.4  智能农业机器人类型 217
9.1.5  AI在农业领域面临的挑战 218
9.2  人工智能在农业领域的应用 219
9.2.1  人工智能助农领域 220
9.2.2  采摘机器人 224
9.2.3  无人驾驶农业机器人 227
9.3  智能技术——神经网络 231
9.3.1  神经网络概述 231
9.3.2  BP模型和M-P模型 235
9.4  神经网络应用案例 238
9.4.1  案例实践——颜色识别 238
9.4.2  案例实践——农业气象数据分析 242
本章小结 246
思考题 246
习题 246

第10章  智能服务机器人 248
本章思维导图 248
本章学习目标 249
10.1  智能服务机器人概述 250
10.1.1  智能服务机器人概念 250
10.1.2  智能服务机器人类型及特点 250
10.1.3  智能服务机器人技术特点 251
10.1.4  智能服务机器人的发展 252
10.2  智能服务机器人的应用 254
10.2.1  智能餐饮服务机器人 254
10.2.2  智能物流服务机器人 256
10.3  智能技术——自然语言处理 261
10.3.1  自然语言处理概述 261
10.3.2  NLP常见任务 267
10.3.3  NLP典型应用 268
10.4  自然语言处理应用案例 270
10.4.1  案例实践——情感分析 270
10.4.2  案例实践——获取音乐榜单信息 273
本章小结 275
思考题 276
习题 276

参考文献 277

人工智能是当前全球最热门的话题之一，是21世纪引领世界未来科技领域发展和生活方式转变的风向标。人工智能技术正在改变传统的制造业，从蒸汽机的发明引爆第一次工业革命以来，制造业已经历机械化、电气自动化和数字化三个阶段，正进入以智能化为代表的工业4.0发展阶段。2017年，国务院发布《新一代人工智能发展规划》并首次将人工智能写入政府工作报告。2018年，发布《高等学校人工智能创新行动计划》，提出高校未来将形成“人工智能 X”的复合专业培养新模式，并引导高校不断提升人工智能领域科技创新、人才培养和服务国家需求能力，为我国人工智能发展提供战略支持。中国已发展成为制造大国，正在向制造强国迈进，制造业正在加速转型升级，我们要把握本轮制造业网络化、智能化发展机遇，充分认识其紧迫性和重要性。
随着人工智能、大数据、物联网、云计算等新兴科技的发展，全球制造业开始进入新一轮变革浪潮，对智能制造人才的需求也急剧增加。高校智能制造工程专业人才培养模式和知识体系的完善，急需智能制造系列教材来提供有效保障。《人工智能技术与应用（案例版）》面向应用型人才培养模式，根据企业人才需求，以迈进人工智能领域的学习路径为切入点，按照人工智能产业链条进行课程内容设计，从案例导入、应用理解、概念原理阐述到应用场景，顺序引导读者逐步深入理解人工智能技术与应用。本书切入日常生活与工作场景，利用高效的Python代码进行人工智能算法实现，让读者可从中学到一些核心的人工智能＋应用的开发技术，包括人脸识别、车牌号码识别、疾病预测、气象数据分析、情感分析等，使读者能够边学边用，通过案例加深对人工智能的应用和算法的理解。
本书的顺利撰写得到了辽宁工业大学杜鹏老师、冶金自动化研究设计院装备材料研究设计所边岩所长、沈阳新松机器人自动化股份有限公司徐涛经理、辽宁嘉华机器人有限公司张纯红董事长，以及营口理工学院白春聪、邹健老师，孙宏伟、迟爽、宋一平、许美静、林磊、汤侯雨、李星仪、王巍翰等同学的支持与帮助，在此一并表示感谢。
本书配有课件、习题参考答案、拓展阅读等资源，可扫描书中二维码获取。
由于作者水平有限，书中难免存在不足及疏漏之处，恳请读者给予指正，以便及时增补。

编者