机器人行业洗牌将至

在2016年-2017年期间，资本和政策都在大力推动工业机器人产业的发展，工业机器人发展十分迅猛

不过，进入2018年后，工业机器人的市场发生了变化，失去之前的强势，到了2019年，整个工业机器人行业逐渐低迷。

中国机器人产业联盟（CRIA）公布的数据显示，2018年中国工业机器人全年累计销售13.5万台，较2017年减少了6000台，同比下降3.75%，在继国产品牌占有率五年首降之后，国产工业机器人的市场销量也迎来下降。

工业机器人销量下滑，直接受到影响的就是机器人厂家。对于国产品牌而言，这个“冬天”则显得格外寒冷。

目前，国产工业机器人发展正面临销售下降、增长减缓、盈利困难的尴尬局面。

视觉技术另外一个巨大市场是领域。

视觉技术另外一个巨大市场是领域。以肺结节检测为例，一家***平均每天接待200例左右的肺结节筛查患者，每位患者在检查环节会产生200~300张左右的CT影像，科医生每天至少需要阅读4万张影像，任务繁重，消耗大量精力，导致误诊漏诊率上升。中国***会的一份误诊数据资料显示，中国临床总误诊率为27.8%，其中平均误诊率为40%，国内***影像资源匮乏，且存在结构性失衡，带来第三方影像中心发展机遇。开发行业图像识别技术，促进行业专用设备发展，如能在社会基层机构普及，将大大提升分级诊率、促进资源公平，对于领域科、病理而言，从市场需求和技术需求的角度来看均比较紧迫。 　　在***卫生计生委、安徽省卫计委的指导下，科大讯飞与清华大合研发的人工智能“智医助理”机器人在******考试中心监管下参加了2017年临床执业医师综合笔试测试，“智医助理”456分的成绩处于53万名考生中的中水平，未来技术越来越成熟。从辅助到专项机器人，人工智能技术将促进我国体制改革的落地。

机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度***网络)、CNN(卷积***网络)、RNN(循环***网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用***网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。

工业自动化中的机器视觉

　　在工业自动化控制中使用机器视觉系统有以下五个主要原因：

　　性——由于人眼有物理条件的限制，在性上机器有明显的优点。即使人眼依靠放大镜或显微镜来检测产品，机器仍然会更加，因为它的精度能够达到千分之一英寸。

　　重复性——机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦。与此相反，人眼每次检测产品时都会有细微的不同，即使产品时完全相同的。

　　速度——机器能够更快的检测产品。特别是当检测高速运动的物体时，比如说生产线上，机器能够提高生产效率。

　　客观性——人眼检测还有一个致命的缺陷，就是情绪带来的主观性，检测结果会随工人心情的好坏产生变化，而机器没有喜怒哀乐，检测的结果自然非常可观可靠。

　　成本——由于机器比人快，一台自动检测机器能够承担好几个人的任务。而且机器不需要停顿、不会生病、能够连续工作，所以能够极大的提高生产效率。