目录

●前言
第一部分AI与AIGC基础知识
第1章从AI到AIGC2
1.1AIGC技术概述2
1.2AIGC在智能设备中的应用场景3
第2章AI技术基础5
2.1机器学习5
2.1.1机器学习原理5
2.1.2监督学习11
2.1.3半监督学习12
2.1.4无监督学习13
2.2深度学习14
2.2.1深度学习原理14
2.2.2神经网络原理19
2.2.3深度学习框架24
2.3常用的算法27
2.3.1监督算法27
2.3.2无监督算法29
2.3.3半监督算法31
第3章深度学习的训练与数据集制作32
3.1深度学习的训练原理32
3.1.1模型训练过程中的学习原理33
3.1.2不同场景选择不同的训练方式35
3.1.3针对特定环境选择设备40
3.2如何制作数据集44
3.2.1工业数据的相似性44
3.2.2图像类数据的处理54
3.2.3非图像类数据的处理59
3.3如何进行模型调整与结果评估64
3.3.1结合应用场景与需求平衡模型性能64
3.3.2什么样的模型是合格的65
3.3.3如何调整使模型趋于合格66
第4章多模态数据处理68
4.1如何融合不同信息源的信息68
4.1.1不同类型的传感器数据融合69
4.1.2传感器数据与图像数据融合73
4.1.3不同视觉端的图像融合76
4.2如何利用不同信息源的数据学习目标知识77
4.2.1对不同信息源数据进行主成分分析77
4.2.2对各信息源知识进行相关性分析81
4.2.3多模态学习原理85
4.3多模态感知案例拆解89
4.3.1案例场景描述89
4.3.2需求分析90
4.3.3数据处理92
4.3.4主成分提取与相关性分析94
4.3.5实现模型学习的过程97
第二部分智能设备上的AIGC系统设计
第5章AIGC系统的功能框架设计102
5.1如何设计AIGC功能框架102
5.1.1设计功能输入与输出102
5.1.2设计功能的数据流111
5.1.3制定功能接口规范114
5.1.4结合硬件环境预留功能节点118
5.2如何处理各种数据119
5.2.1数据的特点119
5.2.2结合硬件环境选择数据处理技术122
5.3如何处理中文文本信息125
5.3.1语义分析125
5.3.2术语库设计131
5.4如何生成任务134
5.4.1选择策略135
5.4.2文本生成的标准设计137
第6章AIGC系统的迭代学习逻辑141
6.1系统学习过程中如何进行知识融合141
6.1.1了解知识融合的作用141
6.1.2基于统计方式的知识融合142
6.1.3基于深度学习方式的知识融合146
6.2系统学习过程中如何进行自适应调整150
6.2.1自适应调整的策略150
6.2.2对话模型的自适应调整156
6.2.3数据分析模型的自适应调整159
6.2.4视觉模型的自适应调整167
6.3用户如何参与系统学习172
第7章AIGC系统整体设计174
7.1如何设计数据传输链路174
7.1.1硬件层面的通信协议选择174
7.1.2软件层面的通信协议选择175
7.1.3数据链路设计176
7.2如何设计功能模块178
7.2.1硬件相关功能设计178
7.2.2软件相关功能设计181
7.2.3人机交互功能设计184
7.2.4数据存储功能设计186
7.3如何设计系统业务逻辑189
7.3.1整机概念层逻辑设计189
7.3.2整机数据流设计191
7.3.3硬件控制逻辑设计193
7.3.4系统的集成逻辑设计196
7.4如何保障系统的安全197
7.4.1硬件状态监控与预测197
7.4.2整机急停的系统响应逻辑199
7.5形成完整的AIGC系统202
第三部分AIGC在关键工业领域的应用
第8章AIGC在传感技术中的应用206
8.1传感技术与AIGC融合应用的场景206
8.1.1工业自动化206
8.1.2过程控制211
8.1.3质量控制213
8.1.4设备维护216
8.2传感技术与AIGC融合应用的实现216
8.2.1系统集成与优化217
8.2.2实时性与可靠性222
8.3案例分析：AIGC增强设备的感知能力223
8.3.1案例背景223
8.3.2方案介绍225
第9章AIGC在机器视觉中的应用235
9.1机器视觉与AIGC融合应用的场景235
9.1.1传统的机器视觉235
9.1.2AI技术推动的机器视觉239
9.1.3AIGC在现阶段机器视觉中的应用241
9.2机器视觉与AIGC融合应用的实现242
9.2.1图像生成与编辑242
9.2.2图像处理与增强244
9.3案例分析：AIGC给机器视觉带来的改变245
9.3.1案例背景245
9.3.2方案介绍249
第10章AIGC在工业应用中的未来挑战
……