摘? 要：在時(shí)代發(fā)展、推進(jìn)的過(guò)程中，圖像識(shí)別技術(shù)已經(jīng)成為了非常普遍的技術(shù)。在人工智能領(lǐng)域中，圖像識(shí)別技術(shù)的作用非常突出，影響著人們的生活、工作。伴隨著科技的進(jìn)一步發(fā)展，圖像識(shí)別技術(shù)開(kāi)始變得越來(lái)越復(fù)雜，圖像識(shí)別能夠解放人力，搭配計(jì)算機(jī)技術(shù)識(shí)別處理各種類型信息，提高了信息處理質(zhì)量與效率。該文將以圖像識(shí)別這項(xiàng)技術(shù)的原理為出發(fā)點(diǎn)，探討人工智能圖像識(shí)別技術(shù)以及其具體使用，希望幫助更多人了解這項(xiàng)技術(shù)，最大化這項(xiàng)技術(shù)使用價(jià)值。

關(guān)鍵詞：人工智能? 圖像識(shí)別技術(shù)? 技術(shù)分析

中圖分類號(hào)：TP391.41 ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2020）04（a）-0019-02

信息時(shí)代背景下，圖像識(shí)別技術(shù)是非?；A(chǔ)的技術(shù)，利用計(jì)算機(jī)完成物理信息、物理數(shù)據(jù)識(shí)別。過(guò)程主要就是獲取信息，預(yù)處理信息、分類信息、設(shè)計(jì)決策。憑借著強(qiáng)大的功能，如今的信息處理技術(shù)已經(jīng)深入地改變了人們生活和工作，比如人臉識(shí)別、指紋識(shí)別實(shí)際上都有用到圖像識(shí)別這項(xiàng)技術(shù)。在科技發(fā)展、時(shí)代進(jìn)步的同時(shí)，圖像識(shí)別這種技術(shù)將會(huì)擁有更廣闊的的使用前景，能夠在醫(yī)療領(lǐng)域、信息搜集領(lǐng)域、質(zhì)量控制領(lǐng)域、安全檢查領(lǐng)域中發(fā)揮巨大的作用，其對(duì)推動(dòng)經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步來(lái)說(shuō)有極大的現(xiàn)實(shí)價(jià)值。

1? 圖像識(shí)別技術(shù)

1.1 原理

該技術(shù)原理就是在應(yīng)用中充分使用計(jì)算機(jī)處理圖片，從圖像資料中獲得有用資源。在專業(yè)人士實(shí)驗(yàn)后能夠獲得對(duì)應(yīng)的技術(shù)。該技術(shù)原理實(shí)際非常簡(jiǎn)單，主要就是在對(duì)視以后錄制信息[1]。并將這種信息存儲(chǔ)到系統(tǒng)當(dāng)中。利用數(shù)據(jù)算法一致性特征確認(rèn)數(shù)據(jù)匹配與否。

1.2 技術(shù)特征

該技術(shù)有著非常出眾的優(yōu)勢(shì)，主要體現(xiàn)在智能化與便捷化層面。該技術(shù)能夠利用科技技術(shù)完成圖像識(shí)別，有著很好的識(shí)別質(zhì)量[2]。相較于傳統(tǒng)的處理技術(shù)，人工智能圖像識(shí)別優(yōu)勢(shì)主要集中在智能化圖像處理與選擇，能對(duì)隧道襯砌病害進(jìn)行有效識(shí)別，并能通過(guò)不斷的樣本累計(jì)進(jìn)行深度學(xué)習(xí)，在提升作業(yè)效率的同時(shí)，使病害識(shí)別率的準(zhǔn)確性提高。

2? 人工智能圖像識(shí)別

人腦圖像識(shí)別和圖像識(shí)別存在一定相似的地方，但也有明顯的不同，那就是圖像識(shí)別利用的是科技手段，人工智能技術(shù)識(shí)別中包含下面的內(nèi)容。

首先，獲取各種數(shù)據(jù)資料。搜集數(shù)據(jù)信息過(guò)程中，有效識(shí)別圖像。在傳感器支持下將特殊信號(hào)變成電信號(hào)，獲得各種信息資源、信息材料。在合理整合圖像的同時(shí)，發(fā)揮圖像識(shí)別這種技術(shù)價(jià)值，得到特殊數(shù)據(jù)，合理區(qū)分圖像差異。

其次，處理數(shù)據(jù)資料。該環(huán)節(jié)著重處理的是圖像變換與圖像平滑需求，凸顯圖像重要資源與條件。

此外還有特征的選取與收取。這是圖像識(shí)別過(guò)程中最重要的部分，圖像處理的算法和識(shí)別模式有很高的要求，會(huì)對(duì)最后的圖像識(shí)別產(chǎn)生決定性影響。

最后，分類器設(shè)計(jì)。分類器是整個(gè)識(shí)別過(guò)程中最重要的部分，其能夠讓操作程序充分結(jié)合，制定規(guī)則，而非混亂的識(shí)別，保障了圖像識(shí)別與評(píng)價(jià)質(zhì)量。

3? 圖像識(shí)別技術(shù)運(yùn)用

3.1 模式識(shí)別

人工智能背景下的圖像識(shí)別這種技術(shù)有著非常突出的優(yōu)勢(shì)，能夠合理使用各種各樣的信息與數(shù)據(jù)資料。通常來(lái)說(shuō)，模式識(shí)別這種技術(shù)需要搭配計(jì)算機(jī)技術(shù)、傳統(tǒng)圖像進(jìn)行操作。數(shù)學(xué)原理是其中的切入點(diǎn)，以此為基礎(chǔ)充分考慮數(shù)據(jù)的多元特征，實(shí)現(xiàn)對(duì)各種特征、價(jià)值的評(píng)價(jià)與識(shí)別。一般來(lái)說(shuō)，這種模式大多會(huì)被用在學(xué)習(xí)階段與實(shí)習(xí)階段。其中學(xué)習(xí)階段指的就是存儲(chǔ)過(guò)程，能夠很好地保存與收集各種圖像信息，在計(jì)算機(jī)的幫助下分類、識(shí)別數(shù)據(jù)，構(gòu)建系統(tǒng)化、規(guī)范化圖像、識(shí)別程序。實(shí)現(xiàn)階段則強(qiáng)調(diào)人腦圖像與圖像統(tǒng)一發(fā)展，能夠生成識(shí)別程序，包括計(jì)算機(jī)識(shí)別、人腦識(shí)別、應(yīng)用情況分析。在計(jì)算機(jī)搜集信息、科學(xué)匹配中表示圖像成功識(shí)別，當(dāng)然這種方式經(jīng)常發(fā)生各種錯(cuò)誤。

3.2 神經(jīng)網(wǎng)絡(luò)

這種技術(shù)能夠很好地識(shí)別圖像，在使用中利用神經(jīng)算法處理圖像信息。第一步就是預(yù)處理圖像，具體方法很多，包括灰度圖歸一化、旋轉(zhuǎn)、灰度圖放大、灰度圖等。為了保障神經(jīng)網(wǎng)絡(luò)能夠有效識(shí)別圖像，就需要參照?qǐng)D像識(shí)別領(lǐng)域、條件、對(duì)象設(shè)計(jì)針對(duì)性網(wǎng)絡(luò)。這種設(shè)計(jì)需要包括輸出層、隱含層、輸入層等多種關(guān)系。要明確初始數(shù)值以及期望誤差等條件。涉及輸入層過(guò)程中，要根據(jù)被識(shí)別對(duì)象的需求與問(wèn)題確定數(shù)據(jù)條件、數(shù)據(jù)形式。研究中為了方便理解神經(jīng)網(wǎng)絡(luò)，通常會(huì)將輸入層設(shè)計(jì)為統(tǒng)一圖像樣本形式。隨后設(shè)計(jì)因深層過(guò)程中，要明確單元數(shù)與隱含層具體數(shù)量，減少誤差，保障精度。要適當(dāng)增加隱層數(shù)目，實(shí)現(xiàn)有效性設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)。選擇隱含層過(guò)程中一般需要利用到經(jīng)驗(yàn)公式，這種公式能夠很好地規(guī)避神經(jīng)網(wǎng)絡(luò)泛化能力。識(shí)別樣本中，所用的公式M表示的是輸出層神經(jīng)元數(shù)目，N表示的是輸入層神經(jīng)元數(shù)目[3]。設(shè)計(jì)輸出層過(guò)程中往往會(huì)選擇多種類型的輸出層做神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)。選取初始權(quán)值的過(guò)程中一定要收斂學(xué)習(xí)效果，在（-1，1）區(qū)間選擇隨機(jī)數(shù)。選擇期望誤差的過(guò)程中，一般需要將預(yù)期誤差值與訓(xùn)練時(shí)間作為參考對(duì)象。設(shè)計(jì)完神經(jīng)網(wǎng)絡(luò)以后需要訓(xùn)練神經(jīng)網(wǎng)絡(luò)，保障圖像識(shí)別要求可以得到滿足。

3.3 非線性降維

在計(jì)算機(jī)當(dāng)中，圖像識(shí)別這項(xiàng)技術(shù)有著異高的高維。事實(shí)上不論是什么分辨率的圖像，它的生成數(shù)據(jù)都包括各種各樣的維度。而這種復(fù)雜的維度數(shù)據(jù)勢(shì)必會(huì)成為計(jì)算機(jī)識(shí)別圖像過(guò)程中最大的干擾。為了能夠體現(xiàn)計(jì)算機(jī)技術(shù)價(jià)值，讓計(jì)算機(jī)具備突出的圖像識(shí)別能力，最直接、最有效的手段就是降維。這里所說(shuō)的降維包括兩種，分別是非線性和線性兩種。比如，線性奇異分析與主成分分析這兩種技術(shù)就屬于比較常見(jiàn)的線性降維。這種降維模式有著簡(jiǎn)單、容易理解的特征，不過(guò)這種降維方式為整體數(shù)據(jù)處理，因此能夠得到的數(shù)據(jù)主要集中在低維投影，這勢(shì)必會(huì)占用非常多的空間，浪費(fèi)比較多的時(shí)間。非線性降維技術(shù)則是更科學(xué)、有效的技術(shù)。這種技術(shù)的實(shí)踐分析得出的結(jié)果是，能夠在不影響圖像自身組織的同時(shí)控制維度，實(shí)現(xiàn)降維，讓計(jì)算機(jī)圖像在低維度識(shí)別，保障與提高圖像識(shí)別效率、速度。比如，隧道內(nèi)襯砌裂縫的識(shí)別，隧道形狀不是一個(gè)平面它有多個(gè)維度，隧道的裂縫有不同形狀和大小，分析中存在不均勻特征干擾與影響。非線性降維能夠很好地解決這種問(wèn)題，通過(guò)處理使隧道的平面處于軟件能處理的維度，再通過(guò)合理的算法對(duì)特征部分進(jìn)行篩選和分類，就能達(dá)到裂縫的識(shí)別。

4? 結(jié)語(yǔ)

當(dāng)前我國(guó)已經(jīng)步入信息時(shí)代，只有充分融合與發(fā)展圖像處理和人工智能這兩項(xiàng)技術(shù)，不斷完善數(shù)據(jù)處理系統(tǒng)，結(jié)合硬件系統(tǒng)的不斷更新，才能夠在工程檢測(cè)上發(fā)揮更大作用。

參考文獻(xiàn)

[1] 張曉冉.圖像信息識(shí)別的智能處理方法分析[J].集成電路應(yīng)用，2019（11）：114-115.

[2] 張?zhí)N綺.用于高校教室照明節(jié)能的圖像識(shí)別技術(shù)研究[J].科技經(jīng)濟(jì)市場(chǎng)，2019（9）：9-10.

[3] 謝璐陽(yáng)，夏兆君，朱少華，等.基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別過(guò)擬合問(wèn)題分析與研究[J].軟件工程，2019（10）：27-29.

作者簡(jiǎn)介：楊洋（1987，6—），男，漢族，四川南充人，本科，通信工程師，研究方向：隧道智能檢測(cè)、信號(hào)傳輸。