自《中國制造2025》戰(zhàn)略發(fā)布以來，“推進生產(chǎn)過程智能化，培育新型生產(chǎn)方式”已經(jīng)成為工業(yè)制造廠商們進行智能化升級的必經(jīng)之路。而如何將技術(shù)更高效地融入到工業(yè)生產(chǎn)與質(zhì)檢中，加速幫助企業(yè)進行智能化轉(zhuǎn)型，湖南大學電氣與信息工程學院研究生三年級的張屹峰同學帶著自己的團隊和項目在一次人工智能比賽中寫下了屬于他們自己的答案。

　　2019年5月，張屹峰同學參加了由教育部高等學校計算機類教指委、軟件工程教指委、大學計算機課程教指委、全國高等學校計算機教育研究會主辦，百度、浙江大學、德清校企政多方聯(lián)合承辦的2019中國高校計算機大賽人工智能創(chuàng)意賽，其團隊基于百度EasyDL平臺打造的卷煙濾棒端面智能化檢測系統(tǒng)，大大提升了卷煙濾棒檢測的精度與速度。該項目不僅在比賽中獲得了優(yōu)異成績，并已在江蘇大亞濾嘴材料、南通煙濾嘴、常德芙蓉大亞化纖等多家濾棒生產(chǎn)公司的一線生產(chǎn)線上落地測試。

(圖：湖南大學“基于EasyDL的空管濾棒端面智能化檢測系統(tǒng)”項目)

　　卷煙濾棒是卷煙成型的重要原材料之一。據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2019年1-7月全國卷煙產(chǎn)量已達1.43萬億支。龐大的卷煙產(chǎn)量對濾棒產(chǎn)量及質(zhì)量也提出了更高的需求。目前，仍有72%的工廠在采用人工視覺檢測的方式對卷煙濾棒進行質(zhì)檢，這不僅導致檢測成本高、速度慢、精度低。而且，由于在濾棒生產(chǎn)中，工作人員需要根據(jù)不同種類的次品數(shù)量去調(diào)節(jié)生產(chǎn)線設(shè)備。而現(xiàn)有的方法僅能對正品與次品進行檢測區(qū)分，卻不能實現(xiàn)次品的分類，這導致各類次品量的統(tǒng)計依舊需要人工進行，耗時又費力。

　　(圖：人工視覺檢測濾棒)

　　正是由于人工檢測存在著以上種種弊端和局限性，湖南大學電子與通信工程專業(yè)的張屹峰同學想到了將人工智能運用到濾棒檢測中。一直對“中國高校計算機大賽-人工智能創(chuàng)意賽”有所關(guān)注的張屹峰便懷著“改造升級”濾棒檢測方式的想法報名參加了2019年的比賽，在零算法基礎(chǔ)也能快速上手的EasyDL平臺的幫助下，打造了空管濾棒端面智能化檢測系統(tǒng)。

　　具體來看，首先，張屹峰帶領(lǐng)團隊標注了超過3000多張濾棒端面圖，并通過圖像旋轉(zhuǎn)、隨機切割等方式將濾棒端面的數(shù)據(jù)集擴充到一萬余張;將數(shù)據(jù)集經(jīng)過預處理過后，張屹峰團隊通過 EasyDL平臺定制化訓練得到濾棒缺陷分類網(wǎng)絡(luò)模型，將其以離線SDK的方式部署在卷煙濾棒生產(chǎn)設(shè)備的終端。而此后，隨著連接生產(chǎn)設(shè)備上的相機，便可通過實時采集生產(chǎn)線上的濾棒端面照片進行實時正次品檢測，與此同時，生產(chǎn)線上的工控機也會將分類信號傳遞給剔除閥門，以此來實現(xiàn)次品的剔除，實現(xiàn)智能化的濾棒缺陷檢測。目前該檢測方式，一方面能對正次品進行準確區(qū)分，正確率達98.79%以上，相比于傳統(tǒng)人工檢測提升了30%的速度，大大提高了缺陷檢測的精度和速度;另一方面，也能對次品進行多重分類，多分類的準確率可達94.32%以上。同時將分類后的結(jié)果反饋給生產(chǎn)人員進行生產(chǎn)調(diào)節(jié)，避免了生產(chǎn)原材料的浪費。

　　(圖：空管濾棒端面缺陷種類示例)

　　在說起EasyDL平臺對項目起到的幫助時，張屹峰同學表示：首先，對于“空管濾棒端面智能化檢測”項目本身而言，原本是需要經(jīng)歷編寫軟件、建立數(shù)據(jù)庫、裝配硬件等一系列復雜過程的。而EasyDL平臺為他們省去了模型訓練的代碼編寫及實驗結(jié)果分析的流程。其次，EasyDL平臺的AutoDL技術(shù)可以自動搜索適合訓練數(shù)據(jù)的網(wǎng)絡(luò)結(jié)構(gòu)，不僅為其省去了選取網(wǎng)絡(luò)的工作，而且通過EasyDL平臺訓練出的模型準確率極高。再次，EasyDL平臺支持使用C#調(diào)用模型，這使得參賽選手在編寫軟件時可直接調(diào)用訓練好的網(wǎng)絡(luò)模型，十分方便。

　　在 AI 技術(shù)深入各行各業(yè)的進程中，簡單且易用的“定制化訓練及服務(wù)平臺”對于AI零基礎(chǔ)或追求高效率開發(fā)的企業(yè)及個人開發(fā)者而言，可以幫助他們事半功倍地實現(xiàn)AI創(chuàng)意的落地，進而幫助更多企業(yè)達到降本增效的目的。據(jù)了解，EasyDL是基于百度飛槳——這款由百度自主研發(fā)，集深度學習訓練和預測框架、模型庫、工具組件、服務(wù)平臺等為一體的開源深度學習平臺，而打造出的“定制化訓練及服務(wù)”平臺。它可以讓沒有算法基礎(chǔ)的用戶基于自身需求，快速訓練專屬的定制化AI模型。據(jù)近日全球權(quán)威咨詢機構(gòu) IDC 發(fā)布的2019年下半年《深度學習框架和平臺市場份額》報告顯示，在國內(nèi)機器學習平臺市場中，百度系機器學習平臺整體份額穩(wěn)居第一，其中EasyDL 則占據(jù)了細分平臺市場份額排名的首位。而在此次張屹峰參加的中國高校計算機大賽人工智能創(chuàng)意賽中，EasyDL平臺幫助了零算法基礎(chǔ)的賦能組選手們快速上手，獲得高精度的模型效果，實現(xiàn)真正的創(chuàng)意落地。

　　“最有成就感的時刻也就是，在生產(chǎn)線上測試到功能和性能指標達到能夠投入生產(chǎn)線使用的時刻。在那一刻才感覺到我們真的做到什么，真正實現(xiàn)了學以致用。”張屹峰同學在回顧整個項目時如是說道。而這也正是百度此次“以賽促學”選拔優(yōu)秀人才的初衷之一。

　　在產(chǎn)業(yè)智能化提檔加速的今天，百度在深化自己的技術(shù)優(yōu)勢與平臺優(yōu)勢的同時，也始終立足于各行業(yè)智能化轉(zhuǎn)型中的人才需求，在AI人才培養(yǎng)上持續(xù)發(fā)力，推動人工智能交叉學科融合，培養(yǎng)“人工智能+X”知識體系下的實踐型人才，為各個產(chǎn)業(yè)源源不斷地培養(yǎng)“生力軍”。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實，對本文以及其中全部或者部分內(nèi)容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關(guān)內(nèi)容。本站不承擔此類作品侵權(quán)行為的直接責任及連帶責任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請及時聯(lián)系我們，本站將會在24小時內(nèi)處理完畢。