二、模式识别       

      模式识别是信息科学和人工智能的重要组成部分，主要被应用于图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断等方面。在制造行业中，模式识别技术大量应用于产品检验领域。

       在制造生产的过程中，几乎所有的产品都面临着质量检测。传统的手工检测存在着许多不足：首先，人工检测的准确性依赖于工人的状态和熟练程度；其次，人工操作效率相对较低，不能很好地满足大量生产检测的要求；此外，由于工作强度高，容易引起操作人员的疲劳，从而导致次品率高；最后，近年来人工成本也在逐步上升。所以，模式识别技术被广泛用于产品检测中。

       产品缺陷检测的对象往往可以建模为二维平面上的元素，包括孔洞、污渍、划痕、裂纹、亮点、暗点等常见的表面缺陷，这些缺陷特别是孔洞和裂纹等，可能严重影响产品质量和使用的安全性，因此，准确识别缺陷产品非常重要。以芯片企业为例，模式识别技术的应用实施可以大幅降低次品率，同时通过分析次品原因还可以降低产品的报废率，并优化产品设计与生产工艺，达到进一步降低检验成本的目的。此外，将模式识别技术应用到智能制造过程中复合材料的分类上，可以使分类更加精准。另外，在半导体制造中可以使用混合自组织图和支持向量机（self-organizing map and support vector machine，SOM-SVM）的方法对晶圆箱图进行分类，进一步进行缺陷识别。同时，在用锡罐包装的香烟的制造过程中，应用模式识别技术可以开发缺陷自动检查系统。而且，在滚动轴承故障检测中，将从振动信号中提取的特征向量作为支持向量机的输入，从而对故障模式进行识别。

       除此之外，模式识别技术在定位被测零件时，也有重要的应用。制造过程中的物体测量也会应用模式识别技术，常见的测量应用包括：齿轮、接插件、汽车零部件等。

      另外，在智能制造和检验的过程中，可进一步改进模式识别技术，从而使得故障识别更加精确和高效。例如，在轴承故障的检测中，基于局部均值分解（local mean decomposition，LMD）能量矩概念，针对故障振动信号特征值的相互内在联系，将LMD能量矩与变量预测模型模式识别相结合，从而得到一种轴承故障智能诊断的新方法。其次，在荧光磁粉无损检测技术的基础上，使用一种电荷耦合器件（charge coupled device，CCD）图像获取系统进行图像采集，然后使用相关算法进行图像处理和模式识别，可以更准确地检测表面缺陷的类型和程度。此外，基于系统健康指标，构建新的模式识别技术，从而得到一种可用于系统故障检测和诊断的有效的方法。

未完待续......