ISI222
ISI222是一個對于品質影響較大的因素，尤其在開機階段的調試，往往依賴于師傅的經驗，這往往會造成較大的開機浪費（100-200 米），而這里依賴于人經驗的地方就是機器可以去學習的地方。
在每個色組后，通過視覺檢測其產品畫質，獲得圖像的特征信息，并經由P OWE R L I N K 網絡傳輸至中心控制器，在控制器上的智能推理算法可以對這些品質進行分析，并經由卷積神經網絡（C N N）建立畫面與控制量之間的關系，然后推理出版輥/ 承印輥間的壓力調節量。
當然，這是一個需要人工參與的監督學習過程，需要由經驗豐富的技師給出機器學習的結果是否滿足預期。因此，就當前應用來說，機器學習在工業里，還都需要師傅的參與、以及長周期的數據學習，以及經驗豐富的數據科學專家為其進行模型訓練方法的調整—也即，仍然需要大量的人工參與。
這樣的學習過程也是一個不斷進行的過程，它旨在讓機器變得更加智能。并且，在未來，其具有很好的可擴展性，數據可以被賦予更多的能力，可以調整壓力，也可以對油墨提供反饋、也可以建立起材料與機械之間的關系，這些都是AI 的未來能夠給予的空間，數據，不斷挖掘潛能。
豫公網安備41010502000017號 
