本文主要搜集机器学习等人工智能方向的应用
参考资料
- https://www.zhihu.com/question/41012507/answer/106702987
知乎上 [T1 在东京]网友回答：
（ 1）代替肉眼检查作业，实现製造检查智能化和无人化
例如工程岩体的分类，现场工程人员在使用tablet拍照后，就可以通过APP自动得到工程岩体分类的结果，高效且淮确率高。
还有汽车零部件厂商，检查生产出的零件磨损种类与等级情况时，採用深度学习算法，可以把人工的检测经验转化为算法，从而实现无人化检测
这背后的原理，技术实现，是不是有可能会有源代码借鉴，但这是经验所得，怎么可能会白白开源出来，亦或者我们知道原理之后，可用替代的方案实现，应该算是视觉智能识别范畴。
（2）大幅改善工业机器人的作业性能，提升製造流程的自动化和无人化
例如bin picking机器人，虽然有camera看到零件，但却不知道如何把零件成功的捡起来。使用机器学习，先让工业随机的进行一次分捡动作，然后告诉它这次动作是成功分捡到零件还是抓空了，经过多次训练之后，机器人会知道按照怎样的顺序来分捡，会有更高的成功率。
同样也基于视觉智能识别。
以上两个场景，深度学习是怎么展开的，用到了哪些算法，以及替代算法以及可能性？
值得思考：
机械臂的数据训练代价高昂，看了几篇回答，不好说目前在工业界应用是否会大规模展开，只是大家都认为是个方向。所以仅仅是看方向，还缺少点方向性，而更应该关注，目前哪些领域，用了机器学习以及深度学习之后，确实改善了效率
扫描二维码关注公众号，回复： 3553536 查看本文章
参考文：https://www.zhihu.com/question/46970616
（3）工业机器人异常的提前检知，从而有效避免机器故障带来的损失和影响
这方面和IoT(Internet of Things)结合比较多。例如在製造流水线上，有大量的工业机器人。工業机器人减速机和主轴，如果给它们配上sensor，并提前採取它们正常／不正常工作时的波形，电流等信息，用于训练机器学习系统，那么训练出来的模型就可以用来提前预警，实际的数据也表明人工智能会比人更早地预知到故障，从而降低损失。
传感器数据加模型，才能定位异常。那么数据库健康状态的及时预警也能借用这种手法。
（4）工业上的3D模型设计完成后，需要根据3D模型中参数，寻找可对应的现实中的零件
虽然不是很清楚里面的模型是怎么样的，倒是有些类似于毕业设计时候做的线虫鉴定系统，根据特征，将这些线虫归类，并给与一定的预防和整治。
- https://zhuanlan.zhihu.com/p/41855626
这是一篇资源帖 - 深度学习开源项目Top200正式公布
学习资料一大堆，也没有经过严格的筛选和认证，如果全部照着上面的资料来看，估计一辈子都不够用的。因此大可不必有什么焦虑，真正的东西还是那么多，代数，导数，离散，统计概率，还有编程。
看了这些资料，觉得最有意思的事情，莫过于找一个简单易上手的项目，练手出成果，是最佳入门方法。
- https://community.bigquant.com/tags/%E9%87%8F%E5%8C%96%E7%A0%94%E7%A9%B6%E6%AF%8F%E5%91%A8%E7%B2%BE%E9%80%89?type=?zhihu&weekly&20180205
量化交易似乎也有不错的应用场景可供开挖。