以AI建構工程新智慧－影像辨識技術之工程應用 - CTCI

深度學習（深度神經網路）是讓電腦可以自行分析資料找出「特徵值」，而不是由人類來決定特徵值，就好像電腦可以「深度」的「學習」一樣。

深度學習使用多層神經網路，理論上 ... 中鼎集團電子報 No.459 Apr.-Jun./2019 中鼎集團電子報 繁體中文 English No.459 Apr.-Jun./2019 首頁 發現信賴 趨勢與展望 技術分享 集團動態 永續未來 CTCI地球村 編輯手記 Technology 技術分享 以AI建構工程新智慧影像辨識技術之工程應用 —工程事業群中鼎公司創新研發中心研發工程師趙建勛 多年來，CTCI中鼎集團透過系統化、資訊化的設計、採購、建造管理系統及作業平台，大幅提升工作的執行效率和介面整合能力，為客戶提供「最值得信賴」的工程服務品質。

隨著科技的進步，人工智慧（ArtificialIntelligence,AI）的發展，從1997年IBM深藍（DeepBlue）電腦擊敗世界西洋棋王，到20年後AlphaGo超越人類世界圍棋冠軍柯潔，再次展現其驚人的發展潛力，成為科技產業熱門話題。

CTCI掌握科技發展，積極於國際統包工程導入人工智慧，使其由系統化、資訊化，進而提升至智能化，集團創新研發中心更積極建構統包工程智能化發展目標暨數位化工程（iEPC8+1DigitalInitiatives），打造專屬CTCI的創新數位工程，並運用人工智慧和影像辨識技術，快速協助工程資訊數位化，大幅提升工程的執行效率並降低成本，完備智能化統包工程實力，建立持續領先國際工程市場的關鍵能力。

影像辨識技術的應用 人工智慧（AI）的歷史源遠流長，其名稱的確立可追溯自1956年，其後「機器學習」（machinelearning）推進了人工智慧的發展，近年「深度學習」（deeplearning）的突破發展，更推進人工智慧的爆炸性成長及應用。

而「機器學習」（machinelearning）與「深度學習」（deeplearning）等關鍵技術，皆促成影像辨識技術越趨成熟。

Facebook、Microsoft、Google、Amazon及Apple等全球知名的科技公司大廠皆開始發展有關影像辨識商機。

目前，影像辨識已可實現人臉辨識、入侵者偵測、車牌辨識等功能，而隨著相關資源的投入與技術的演進，未來也將發展出更多創新的應用。

影像辨識，許多人可能會想到人臉辨識，但事實上除了人臉辨識外，圖像檢查也廣泛應用於許多領域，如協助醫生判讀包括診斷糖尿病視網膜病變、乳腺癌腫瘤轉移等醫學成像，以及工廠中的不良品判斷。

機器學習和深度學習有什麼不同？ 「機器學習」（machinelearning）和「深度學習」（deeplearning），這兩個彼此有緊密相關性的名詞經常被混淆，但其實意思有點差別。

人工智慧涵蓋整個機器學習領域，所以機器學習範圍比較狹窄。

機器學習基本定義是「不需要經過程式導引下，機器就具備學習能力」；就是將大量資料輸入電腦消化，讓電腦產出分析或執行的結果。

而機器學習中的特徵檢測功能，需要由程式設計師告訴電腦尋找「有助於人類做決策」的資訊，且程式設計過程中的人為錯誤因素，也會影響資料判讀的精確。

透過機器學習原理，如AppleIOSSiri虛擬人工助理能執行指令，也是因為有語音辨識技術，處理人類語言，符合相關指令並以越來越自然的方式反應。

深度學習是機器學習研究領域中的分支，目標在於拉近機器學習與人工智慧之間的距離。

深度學習（深度神經網路）是讓電腦可以自行分析資料找出「特徵值」，而不是由人類來決定特徵值，就好像電腦可以「深度」的「學習」一樣。

深度學習使用多層神經網路，理論上隱藏層愈多，自由度與精確度愈高。

在深度學習系統中，機器會透過處理大量資料和演算法，來學會如何完成特定工作。

當資料被輸入人工類神經網路之後，系統會詢問一連串的是非題或數值題，並且根據獲得的答案來對資料分類。

透過深度學習原理來建構的影像辨識系統，目前多應用在自駕車、人臉識別、車輛識別、機器人開發等應用的「訓練」上。

以對狗的判斷方式舉例說明機器學習和深度學習的差異性。

機器學習方面，希望能有一組包含狗所有特徵的資料，形狀、顏色、花紋等，種類愈多愈好，然後經由人類知識，從資料中選取一些特徵，再從選取資料所訓練出的模型，對狗做出判斷。

深度學習方面，捨去人類知識作的特徵選取，而是多層結構神經網路自行由大量的資料中學習如何做特徵擷取；也就是狗的特徵是根據你給的資料組成模型，由模型自己學習狗在特徵擷取上的差異。

人工智慧、機器學習和深度學習的關聯 機器學習和深度學習比較 CTCI導入AI及影像辨識技術數位化工程資訊 為實踐智能化統包工程，建立核心能力及技術，CTCI創新研發中心提出了統包工程智能化發展目標暨數位化工程（iEPC8+1DigitalInitiatives），將CTCI系統平台結合市場最新的科技，打造專屬CTCI創新的數位工程，為集團提供完整的解決方案。

而數位化工程的第一步，就是工程資訊的數位化，在iEPC8+1DigitalInitiatives發展藍圖中的「DataDiscovery」（工程資訊智能化輸入）及「DesignCollaboration」（協同作業）兩個項目，就是在人工智慧及影像辨識技術基礎上的研發計畫，以協助工程資訊數位化。

如我們引進自然語言處理技術學習解讀各項工程規範及標準，讓工程師可以在人工智慧的協助並提示下，快速發現並確認多達6000多項工程設計標準，作為工程品質查核的依據，不但大幅提升工作效率、減少失誤發生，確保工程設計品質，且不增加成本。

此外，我們更導入影像辨識技術及深度學習技術，協助工程師快速的判讀工程圖、快速從工程圖中擷取設計資訊、快速完成初階設計工作，有更多時間專心去做高產值的設計工作。

以廠區佈置為例，工廠裡的各項設備及器材，需要在有限的廠區範圍內做適當的配置，此一廠區佈置，首先需符合法規要求、業主的作業文化與操作習慣，接下來才是考慮設備相對位置的操作性、安全性及經濟性。

廠區佈置決定了管線及電纜槽長度，不但關係著建廠成本，更是得標與否的重要關鍵。

而獲得好的廠區配置的代價就是時間和人力，有沒有兩全其美的方案呢？當然有，CTCI引進了演化運算技術，協助工程師進行廠區配置最佳化，藉由工程師的專業及經驗，輔以人工智慧強大的計算及邏輯能力，兩者相輔相成，善用AI技術輔助，幫助我們更加強大。

iEPC8+1DigitalInitiatives發展藍圖 結語 集團余俊彥總裁曾表示，CTCI持續的創新能力，是讓競爭對手無法超前的重要因素。

隨著科技的發展，CTCI將持續在EPCK各階段導入各項技術，並針對人工智慧（AI）結合影像辨識技術在多個工程領域的應用進行研究，如：視訊資料標籤功能可以被用來幫大量的現場影像資料做自動標籤，經過標籤後的視訊資料，可快速的被自動歸類，將來可以為使用者搜尋，並可與目前已使用的工程軟體加以連結，分析設備耗損狀態或建築體的受損情形，或是可對設備內部焊口進行自動判片等。

可預見，人工智慧、影像辨識技術與工程領域知識的結合，讓新世代的資訊系統在工程領域的應用，有了無限的想像空間。

202220212020201920182017 472471470469468467466465464463462461460459458457456455454453452451450 GO 訂閱|修改|取消 關於CTCI 企業社會責任 投資人專區 人力資源 媒體中心 網站地圖 使用條款 隱私權政策 連絡我們 Copyright©2021CTCIAllrightreserved. 以AI建構工程新智慧#BR#影像辨識技術之工程應用 CTCI中鼎集團為持續提升全球專案執行成效，針對空冷器（aircooledheatexchanger）此一廣泛應用於各煉油廠、石化廠、電廠等廠區之熱交換設備，為達成其效能最佳化，於2017年與台灣科技大學展開為期一年的產學合作，應用數值分析軟體CFD（ComputationalFluidDynamics），結合CTCI之專案實務資訊並借鑒相關文獻，模擬空冷器於不同環境的空氣循環情況，找出造成熱氣回流的成因，以做出最合適的配置規劃及改善方案，確保其發揮最大功效，並將研究成果標準化，協助相關專案工作執行，提供全球客戶「最值得信賴處理廠「鄰避設施」刻板印象，成為廣受民眾歡迎的「鄰聚設施」。

/span>