我國正在大力開展企業(yè)轉(zhuǎn)型升級，其中人工智能技術是企業(yè)成功完成轉(zhuǎn)型升級的關鍵，能夠有效的提升生產(chǎn)力水平。電子工程作為提升生產(chǎn)效率的手段，智能化將是其未來發(fā)展必然趨勢。隨著技術的發(fā)展，人工智能技術已經(jīng)全面的應用在電子工程中，例如機械設備中的專家系統(tǒng)、智能算法、模糊推理系統(tǒng)等，其在電子工程的智能化發(fā)揮了重要作用，大幅度的提升了企業(yè)智能化和自動化水平。因此，相關的電子生產(chǎn)企業(yè)應重視產(chǎn)品的人工智能技術應用，同時培養(yǎng)和儲備人工智能技術方面的專業(yè)技術人才，提升產(chǎn)品的市場競爭力。

1人工智能技術與電子工程概述

1.1人工智能技術。人工智能技術是在計算機技術的基礎上，綜合了控制學、生物學以及語言學等多種學科而成的智能學科領域，具有較強的綜合性。人工智能在早期主要被應用在博弈研究以及翻譯工作中，目前則在設備自動化、機器人以及專家系統(tǒng)等領域得到了長足的發(fā)展。1.2電子工程技術。電子工程指的是采用計算機和網(wǎng)絡技術，對電子信息進行處理。這是現(xiàn)代技術的一個重要分支。它包括多種技術，如通信技術、電路系統(tǒng)技術、智能技術等。隨著人工智能技術的發(fā)展，電子工程技術具備如下特點：首先，其性能趨于完善。結(jié)合智能技術發(fā)展，其性能更加完善。例如，機器人技術帶動了電子工程技術發(fā)展，并解決了智能化程度較低的問題。其次，產(chǎn)業(yè)類型新穎。隨著電子工程技術的迅速發(fā)展，在各領域得到廣泛應用，其類型也越新穎。最后，技術智能化、節(jié)能。人工智能技術的迅速發(fā)展，對電子技術節(jié)能和智能化提出列高的要求，因此電子工程技術也朝這方向進行發(fā)展。

2智能化技術在電子工程中的應用

在目前的電子工程領域內(nèi)，人工智能技術已經(jīng)得到了較為廣泛的應用，主要有專家系統(tǒng)、視覺傳感器、模糊推理系統(tǒng)以及神經(jīng)網(wǎng)絡系統(tǒng)等。2.1專家系統(tǒng)。隨著技術不斷的發(fā)展，設備的功能越來越多，電子元器件的數(shù)量急劇增加，使得設備故障檢測和維修的難度非常大，如果僅僅依靠傳統(tǒng)的人力，需要耗費大量時間。為了提升設備故障檢測效率和運行安全，采用專家系統(tǒng)對設備的運行實時狀態(tài)進行監(jiān)測，而且當設備發(fā)生故障時還能夠準確的評定出發(fā)生故障的位置及原因，并采用緊急措施保證設備運行的安全。專家系統(tǒng)是基于人工智能技術發(fā)展起來的計算機程序，其通過將大量積累的專家經(jīng)驗及知識以程序的形式儲存至計算機系統(tǒng)中，從而建立起故障診斷數(shù)據(jù)庫，同時數(shù)據(jù)庫還能夠不斷的更新和完善。一旦設備發(fā)生故障，系統(tǒng)將會根據(jù)發(fā)生故障出現(xiàn)的現(xiàn)象和位置與數(shù)據(jù)庫進行對比分析，給出故障診斷結(jié)果，為技術人員維修提供支持。2.2視覺傳感器。在電子工程中的眾多信人工智能技術中，視覺傳感器是較早應用在電子工程領域中的技術。視覺傳感器在電子工程中的主要工作原理是通過視覺傳感器判定工作步驟的合理性，其可以判斷的類型有多種，例如工位是否有工人、工作設備是處于工作狀態(tài)還是閑置狀態(tài)等。同時視覺傳感器還可以通過在機械電子設備各個關節(jié)安裝不同傳感器的方式來判斷設備的工作步驟是否合理，從而評價其對施工環(huán)境的影響。2.3模糊推理系統(tǒng)。模糊推理系統(tǒng)在電子工程中主要用來分析工程中的數(shù)據(jù)。模糊推理系統(tǒng)具有對模糊信息進行推理和處理的能力，使得電子工程中大量的模糊數(shù)據(jù)得到了有效地處理，從而提升了機械電子產(chǎn)品的精度。模糊推理系統(tǒng)的主要工作原理是模擬人類大腦思考和推理的過程，并將推理過程使用計算機語言表達出來。在一定的網(wǎng)絡軟件支持下，電子工程中數(shù)據(jù)的模糊推理過程能夠使用函數(shù)將其表達，并使用函數(shù)儲存的方式進行儲存。模糊推理系統(tǒng)的劣勢是目前和機械電子系統(tǒng)的聯(lián)接尚不穩(wěn)定，且模糊數(shù)據(jù)的推理精確度還不夠高，使得其在電子工程中的廣泛應用受到了一定的限制。2.4神經(jīng)網(wǎng)絡系統(tǒng)。神經(jīng)網(wǎng)絡系統(tǒng)在電子工程中主要用來存儲工程中的數(shù)據(jù)。神經(jīng)網(wǎng)絡系統(tǒng)模擬人類大腦神經(jīng)元的記憶儲存方式，將電子工程生產(chǎn)過程中的數(shù)據(jù)儲存在建立好的類神經(jīng)元記憶模塊中，其不但能夠儲存數(shù)據(jù)，還能夠?qū)�這些數(shù)據(jù)進行一定的動態(tài)計算，整個計算過程就是模擬人類的神經(jīng)元工作方式，通過信息儲存以及定向提取的過程完成計算。神經(jīng)網(wǎng)絡系統(tǒng)能夠精確且快速的儲存和計算電子工程生產(chǎn)過程中的數(shù)據(jù)，從而提高電子工程生產(chǎn)過程中的生產(chǎn)質(zhì)量和效率。

3人工智能技術在電子工程中的應用實例

隨著我國車輛數(shù)量的日益攀升，車牌定位系統(tǒng)在我們?nèi)粘５纳�活和出行具有非常重要的作用。車牌定位系統(tǒng)不僅可以應用在智能交通領域，而且還可以廣泛應用在停車場、小區(qū)車輛管理系統(tǒng)、收費站等諸多領域中。為了便以對車輛進行科學合理的管理，越來越多的研究者為了提高車牌定位系統(tǒng)的定位準確率和準確性，開始研究車牌定位系統(tǒng)。本文將以邊緣特征提取、顏色特征、AlexNet卷積神經(jīng)網(wǎng)絡多種方法相結(jié)合的方式在車牌定位系統(tǒng)中的應用實例為研究對象。3.1車牌初定位算法實現(xiàn)。采用邊緣特征提取、顏色特征、AlexNet卷積神經(jīng)網(wǎng)絡多種方法相結(jié)合的方式對車牌信息進行提取分析。首先需要對車牌圖片進行預處理分析，然后采用AlexNet卷積神經(jīng)網(wǎng)絡進行識別分析，從而實現(xiàn)車牌的定位。因此，車牌初定位主要包括圖像的預處理、顏色判斷、形態(tài)學處理、車牌信息的提取和定位等過程。圖像的預處理主要是將信息采集的圖像進行顏色特征提�。≧GB圖像處理）和邊緣特征提�。℉IS轉(zhuǎn)化），預處理完成后系統(tǒng)將會對車牌圖像信息進行顏色的判斷分析，隨后對車牌上的數(shù)據(jù)形態(tài)進行分析處理，處理完成后系統(tǒng)將會選取車牌一定的區(qū)域作為車牌的定位選取區(qū)域。系統(tǒng)選取的區(qū)域范圍的寬度與高度比值處于8.5~9.5之間。在RGB圖像處理過程中，圖像處理結(jié)果只有兩個，當車牌為黃色和藍色時，則處理結(jié)果顯示為白色，此時系統(tǒng)將會賦值為255，當車牌顏色為其它時，處理后的結(jié)果顯示為黑色，系統(tǒng)將會賦值為0。形態(tài)學處理主要的功能是通過對圖像進行左右移動處理，從而確保處理結(jié)果顯示為白色。從上面所描述的流程圖可以發(fā)現(xiàn)，在進行車牌定位的初期時，首先需要將原始得到的與車牌相關的圖片進行轉(zhuǎn)換，需要將圖片從色彩形式轉(zhuǎn)換到灰度圖像形式下，轉(zhuǎn)換過程從第二章中已經(jīng)確定好分量的公式可以得出。3.2車牌精定位算法實現(xiàn)。完成車牌的初定位程序后，下一步就是進行車牌的精定位。為了防止AlexNet分類器對圖像進行全掃描，降低系統(tǒng)的工作效率和準確度，在進行分類器進行車牌識別前，對圖像進行圖像預處理過程。精定位主要包括圖像預處理、投影、車牌區(qū)域判定、分類器處理分析等過程。投影過程將會把處理的圖像進行投影處理，處理結(jié)果主要是以數(shù)組a[n]的形式顯示處理，本文將會對數(shù)組a[n]進行結(jié)果判定，判定的程序如下：For(i=0;i<with;i++)if(a[i]<6)a[i]=0；經(jīng)過上述的判斷程序處理分析后，所得到的數(shù)組a[n]中第一個序列的寬度為W1，而W2為最后一個非零序列的寬度。從而最后以W1為車牌的左邊框，而W2為車牌的右邊框，最終確定車牌選取的區(qū)域，然后經(jīng)過分類器進行分類訓練，最終獲得車牌定位信息。經(jīng)過初定位和精定位，即可完成對車牌的定位。

4結(jié)語

智能化技術已經(jīng)全面應用在各個領域中，尤其是在電子工程中的應用，全面的提升了工業(yè)生產(chǎn)電子設備的加工精度和自動化水平，為我國企業(yè)的轉(zhuǎn)型升級提供了強大助力。隨著智能化技術在電子工程領域應用不斷深入，將會促進電子工程自動化控制想柔性化、高效化、高精度化等方向發(fā)展，為企業(yè)提升產(chǎn)品質(zhì)量和工作效率的同時，降低企業(yè)生產(chǎn)成本。