面向可持续性的 AI：以计算机视觉促进可持续智能产品—服务系统
机器学习
2023-03-28 v2 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
深度学习用于清洁生产和可持续性目的的使用与影响仍鲜有探索。本工作展示了如何借助深度学习提升生产和产品使用中的可持续性。具体而言，我们利用基于深度学习的计算机视觉来确定产品的磨损状态。所得洞见可作为具有更好集成和结果导向的新型产品—服务系统的基础。此外，这些洞见有望促进产品使用改进与研发创新。我们在两种产品上演示了我们的方法：加工刀具和旋转 X 射线阳极。从技术角度看，我们表明使用基于深度学习的计算机视觉识别这些产品的磨损状态是可行的。特别地，我们通过两种产品的显微图像检测磨损。我们利用 U-Net 进行语义分割以基于像素粒度检测磨损。所得的 0.631 和 0.603 的平均 dice 系数证明了所提方法的可行性。因此，专家现在可以做出更好的决策，例如改进加工工艺参数。为评估所提方法对环境可持续性的影响，我们进行了生命周期评估，显示两种产品均获益。结果表明，加工刀具的 CO2 当量排放减少 12%，旋转阳极减少 44%。本工作可作为指南，启发研究者和从业者类似场景中利用计算机视觉开发可持续智能产品—服务系统并实现清洁生产。
引用
@article{arxiv.2303.13540,
title = {Artificial Intelligence for Sustainability: Facilitating Sustainable Smart Product-Service Systems with Computer Vision},
author = {Jannis Walk and Niklas Kühl and Michael Saidani and Jürgen Schatte},
journal= {arXiv preprint arXiv:2303.13540},
year = {2023}
}