[Translate to Chinese (Simplified):] “The Inwatec installations operate with multiple neural networks, which is, by definition, an AI approach”, confirms Martin Jakobsgaard, Software Engineer at Inwatec ApS
Robotics
目前，人工智能广受欢迎，正给各行各业带来翻天覆地的变化，洗衣行业也不例外。例如，脏污布草分拣区自动化现在由 AI 机器人完成。这是超级安全、卫生且可持续的脏污布草分拣方案。未来可以预见，它将成为最常见的方案。我们邀请英华特ApS 软件工程师 Martin Jakobsgaard 来解读一下“真正的人工智能”有多大作用。首先，我们来看看人工智能的定义：
关于人工智能（AI）
人工智能（英文缩写为AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。这些任务包括解决问题、从经验中学习、理解自然语言、识别模式和做出决策。AI 系统旨在模仿或模拟人类的认知能力，如感知、推理、解决问题和决策等，其目标通常是实现流程自动化、提高效率，并处理对人类具有挑战性或耗时的复杂任务。AI 涵盖机器学习、自然语言识别处理、视觉识别和机器人学等多个子领域，并在不断演进和发展，其目标是创建能够在特定领域展示类人或超人类智能的系统。
英华特利用 AI 技术
ODIN X 射线扫描仪能够扫描并拒收含钢笔、钉子或针头等有害异物的服装。为了达到出色效果，我们利用优秀的人工智能软件来不断训练机器，并根据每个洗衣厂的具体要求来优化参数。检测量最终取决于待扫描服装的类型。我们收集了数百万张图片，然后将它们分割成样本，用于训练一个约有 500 万个样本的神经网络。我们的目标是为神经网络提供足够多的样本，使其能够看到经过洗衣厂处理的绝大多数（即便不是全部）物品。神经网络擅长识别它们之前遇到过的物品。因此，我们的目标是提供尽量多的示例，说明可接受的物品（如纽扣、拉链等）应该什么样，以及异物（如刀、手术刀等）应该什么样。检测金属相对简单，但识别塑料物品则更具挑战。大多数洗衣厂使用的传统金属探测器只能识别刀具但不能识别塑料笔。
初代 ODIN 并不依赖于 AI技术。通过 AI 过渡到正常的计算机视觉，我们已经将检测率提升至 99%。用 X 射线扫描仪拍照并不复杂，但在接受衣服本身的物品的同时，找出所有不需要的物品就比较棘手。ODIN 中的 AI 确保系统可以区分因存在异物而拒收织物。
HEIMDAL 相机基于人工智能，根据物品的颜色、图案、纹理甚至大小等外观特征分拣产品。再结合智能软件，HEIMDAL 可以区分洗涤物中不同类型的纺织品。每个项目都有其特定的数据集，这需要针对特定的分拣组成和产品组合进行训练。目前，我们设有各种系统来处理工作服、布草和混合物品。即使没有 RFID，HEIMDAL 亦可以实现高于人工分拣的分拣精准度。
HEIMDAL 输入数据也是一张图片，但不同于 X 射线图片，它是一张真正的彩色照片。该系统与 ODIN 类似，它利用神经网络来创建衣物的“指纹”特征，从而达到精确识别，可以做到区分同一类别的大小件，如小毛巾和大毛巾等物品。
与日常使用的人工智能ChatGPT 比较
ChatGPT使用存储、收集的数据进行训练，然后这些数据通过神经网络转换为响应。此过程反映出 AI 在洗衣厂的运作方式。关键区别在于我们使用的已标记的图像，这些图像是由人为定义并输入系统，确保输入神经网络中数据的准确性。我们与软件工程师密切合作，不断完善模型，创建正确的数据集，并从一开始就建立有效的训练流程。在为 ODIN 训练 AI 时，它可能偶尔会做出不正确的判断或选择。
只有模型经过神经网络训练，而不是仅仅依靠预测（预测会时常出错），系统才会得到改善。顾名思义，使用神经网络是一种 AI 方法，它已成功应用于 ChatGPT、各行各业的许多工业应用以及全球许多洗衣厂的分拣系统中。
如果没有 AI，它就只是一个摄影工具，需要大量的操作人员来处理洗涤物品的检测。借助于 AI，对脏污纺织品进行分拣的流程在很大程度上就实现了自动化，减少了在清除所检测到的多余物品时的人工干预。
