在中国，各个行业基于人工智能开源软件的模型和算法，形成了人工智能技术应用解决方案，并由此涌现出大量的应用场景。
本文将对三大领域，19个行业的36个案例进行总结提炼分析，提出人工智能开源软件的应用全景图。
一、智能制造(一)航天复杂产品智能协同研制1、背景与需求产品集成度高，产能不足，共享协作不足，协同效率低，信息一致性差。
2、基于人工智能技术的解决方案在纵向层面，实现设备层，车间层，企业层，企业互联层智能协同。
设备层通过工业网关集成接入工业现场设备，实现设备实时感知，智能资产管控等应用。
车间层，通过设备级互联，虚拟制造，制造资源平台化，车间内部物流升级，VR产线仿真等应用，实现车间内部生产能力之间的协同调度与优化运行。
3、开源技术选型思路此类应用场景中，引入TensorFlow、Caffe、PaddlePaddle人工智能开源框架，在PaaS服务中，提高开放的人工智能引擎，人工智能开发工具及组件，通用类人工智能模型，面向工业智能分析的工业人工智能模型及其相关的人工智能API。
在SaaS服务中，依托航天云网海量优质工业数据与DNN深度神经网络算法，构建图像识别及自然语言处理模型，提供生产资源智能调度、虚拟工厂、设备故障预测、精密加工检测等人工智能应用，可以显著提高航天复杂产品智能协同研制能力。
(二)、三维智能工厂1、背景与需求针对制造企业物理资源与数字世界之间存在交互数字鸿沟，多信息系统形成的海量数据整合不充分和利用率低，信息孤岛，数据可视化不佳。
2、基于人工智能技术的解决方案以虚拟工厂三维重构为例，采用多源数据智能融合建模技术，基于无人机，3D激光扫描，PDMS，三维模型等多源多粒度数据，借助一系列点云数据处理，三维模型处理等开源平台实现数据的融合处理和虚拟工厂的逼真三维重构。
3、开源技术选型思路三维重构方面可以采用开源点云数据平台PCL,实现对工厂点云数据的处理，也可以通过SFM等算法进行离线三维重构，通过SIFT、SURF等算法实现特征点的提取与优化，并通过开源图形引擎OpenCV进行场景管理。
数据挖掘与决策分析通过K-Means、KNN、决策树、朴素贝叶斯等算法实现对数据的深度分析和仿真模拟，为决策树提供支持。
(三)、电子元件智能检测1、背景与需求人工肉眼检测速度慢，效率低，受工人经验和身体状况影响，无法满足现代企业检测标准。
2、基于人工智能技术的解决方案基于深度卷积神经网络技术的元件切片识别系统，可以大大提高电子元器件外观检测的精度，速度和成功率，并实时在线提供检测结果记录、分析和统计，便于对外观不良品成因的查找。
3、开源技术选型思路此类应用场景中采用的是深度卷积神经网络开源技术，以及CNN,Yolo V3算法。
本案例选用ResNet做为基础网络，基于TensorFlow开源软件，有效提高了电子元器件外观检测的工作效率。
(未完待续)