AI人才“養(yǎng)成記”：大學生用百度飛槳接穩(wěn)質檢接力棒

原標題：AI人才“養(yǎng)成記”：大學生用百度飛槳接穩(wěn)質檢接力棒

十八世紀初，上海，為抵制外國香煙的霸道出口，三星紙煙有限公司成立。這是中國第一家煙草公司，“清末美女牌九”，一套單色32片，封面上沒有一句外語。

很快，全國大大小小的煙草公司如雨后春筍般涌現(xiàn)，北方的北洋煙草公司，南方的廣東南洋煙草公司……光上海就近四百多家。

大國，人口眾多，對煙草的需求自然不低。細觀近十年來，我國每年生產卷煙均超過2.3萬億支，2017、2018兩年，煙草行業(yè)稅收均突破萬億，是國民財政總稅收的大部頭。

稱少不了坨，卷煙濾棒于卷煙成型的重要性亦是如此。卷煙產量及銷量的提升加劇了對濾棒產量的需求以及對濾棒生產工藝提高的需求，因此，作為關鍵的原材料，濾棒質量檢測成為了卷煙生產線上十分重要的環(huán)節(jié)。

然而事實是，卷煙濾棒的生產問題重重。首先，72%的工廠仍停留在人工檢測階段，成本高，速度慢，視覺檢測方法精度自然也不高，以至于遠達不到生產要求。其次，現(xiàn)有方法僅能進行正次品檢測，各類次品量仍需要人工去統(tǒng)計，耗時費力，更別說成本多大了。

（圖：人工視覺檢測濾棒）

1.接力棒

早前，湖南大學機器人視覺感知與控制技術國家工程實驗室與長沙海貝智能科技有限公司就有針對濾棒質量檢測的校企合作項目，但項目第一代使用的仍是傳統(tǒng)視覺檢測方法。隨著國家煙草專賣局提出建立數(shù)字化、智能化、精益化的現(xiàn)代工廠的要求，生產方也發(fā)現(xiàn)了第一代項目存在著的弊端和局限，方向變得清晰——質量檢測走向“智能化”勢在必行。

湖南大學大學生張屹峰和他的年輕團隊接過了這一棒。

大家都在埋頭準備畢業(yè)論文，為秋招奔波之時，張屹峰和楊婷婷兩人的忙碌還停留在實驗室里——5月參加“中國高校計算機大賽人工智能創(chuàng)意賽”以來，他們就沒閑下來過。2019“中國高校計算機大賽人工智能創(chuàng)意賽” （簡稱：C4-AI大賽）由教育部三大教指委、全國高等學校計算機教育研究會主辦，百度公司、浙江大學、德清縣人民政府聯(lián)合承辦，通過“AI+X”開放式命題，鼓勵學生跨界思維，去發(fā)現(xiàn)AI在各個行業(yè)、領域的應用場景，用創(chuàng)意開發(fā)去解決實際問題。這一競賽方式也與張屹峰團隊的想法不謀而合，他們不僅期望通過這次比賽在知識上有所收獲，結識些志同道合朋友，更重要的是對行業(yè)做些力所能及的改變。

（圖：張屹峰和楊婷婷同學）

因為同在一屆，又同屬一位導師門下，張屹峰和楊婷婷平時的研究課題以及工程項目都一起完成，可以說是老搭檔了，加上平日里就帶著他們做項目的博士學長馮明濤，“湖大機器視覺”團隊組建完畢。

作為隊長，張屹峰在團隊中負責整個項目框架的設計以及核心算法的實現(xiàn)，安排項目中各項工作；隊員楊婷婷負責軟件的開發(fā)和測試，馮明濤主要負責給出一些深度學習算法上的建議。遇到硬件的選取裝配以及在生產線測試，他們則一起行動。

幾個年輕人立志打破對卷煙濾棒的傳統(tǒng)視覺檢測方法：“我們想通過使用‘人工智能’算法來進行改造升級?！?/p>

根據(jù)參賽者自身興趣及技術基礎能力差異，C4-AI大賽將隊伍分為賦能組與創(chuàng)新組兩個組別，分別提供EasyDL 定制化訓練服務平臺及飛槳開源深度學習平臺。湖大機器視覺團隊選用了EasyDL去建立空管濾棒端面智能化檢測系統(tǒng)，將缺陷檢測任務轉換成多分類任務，并采用EasyDL定制化訓練出高精度、速度快的分類網絡模型。

（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）

“首先是因為賦能組和創(chuàng)新組的側重不同，賦能組注重項目的落地應用，而創(chuàng)新組注重算法的創(chuàng)新。我們這個項目已經在落地測試，更適合參加賦能組的比賽。并且EasyDL只需要數(shù)據(jù)集即可開始訓練，更適合應用到追求算法簡單、高效開發(fā)的工業(yè)生產中。”

EasyDL是基于百度飛槳的定制化AI訓練和服務平臺，面向各行業(yè)有定制AI需求的企業(yè)及開發(fā)者，提供從數(shù)據(jù)管理與標注、模型訓練、服務部署的一站式AI開發(fā)全流程支持,它能讓零算法基礎的用戶，也可以基于自身業(yè)務需求和數(shù)據(jù)，快速訓練專屬的定制化AI模型。而這正是湖大機器視覺團隊所需要的。

2.AI解燃眉之急

“把不同種濾棒集成在一個模型里面更加智能化，更方便用戶使用。不然模型分開選擇的話，有點不‘人工智能’。”

“不同種類濾棒集成在一個模型有點不現(xiàn)實，這樣的模型準確率會降低很多，還有處理速度也會慢很多，我們的項目是要投入生產線使用的，要先考慮實用性、可行性，再考慮功能的優(yōu)化?！?/p>

“為什么模型準確率一定會降低，速度會變慢，我不信。你都沒做，怎么說一定不行？”

“效果肯定會變差很多，我拿兩種不同濾棒的數(shù)據(jù)集整合在一起訓練，然后測試模型我們一起看吧?！?/p>

在項目的設計階段，這樣的對話是團隊的日常。好在盡管有分歧有爭論，但總能有意想不到的發(fā)現(xiàn)。

最難的問題還是與數(shù)據(jù)集相關。模型訓練初期準確率很低，只有70%左右，離生產方的要求還有一定距離?！皵?shù)據(jù)集不是由同一人標注的，因此標準不一樣，而且我們的數(shù)據(jù)集量只有三千多，模型的泛化能力也就一般。”他們花了一周時間反復確定三千多張樣本的標注，將數(shù)據(jù)集量擴充到了一萬兩千多張，之后訓練出來的模型準確率提高了十幾個點，為后續(xù)標注新的濾棒數(shù)據(jù)集打下了良好基礎。

（圖：空管濾棒端面缺陷種類示例）

南方夏日的酷暑一點兒不留情，而三位同學必須奔波于實驗室和濾棒生產工廠之間考察。

張屹峰和楊婷婷都是湖南常德人，為了完善項目，他們常常需要輾轉交通、四處奔波。測試期間，他們利用暑假時間“駐守”在江蘇南通的濾棒廠。兩人每天7點左右起床從酒店出發(fā)，8點之前到工廠，一待就是一整天，這樣的節(jié)奏持續(xù)了有一個多月?！吧a車間是沒有凳子的，如果想要坐下來休息，只能在地上墊個東西將就將就。”加上有些老舊的濾棒成型機噪音不小，有時聽身邊人說話都費勁，需要戴耳塞保護耳朵。

還有一個關鍵問題——工廠的工控機不能聯(lián)網。所幸的是，EasyDL支持用離線SDK來部署模型功能在生產設備終端。

可這還沒完。在實驗室測試的時候他們就已經將EasyDL提供的兩個按設備激活的序列號使用了，因此，在工廠測試時就沒有新的授權序列號可用。

萬般焦急下，他們試著向EasyDL控制臺提交了申請額外序列號的工單，本以為結果遙遙無期，誰想當天就收到了電話回復?！癊asyDL方確認用途之后馬上就給我們提供了新的序列號?！焙髾C器視覺團隊的一大隱患解決了，“為百度工作人員的效率點贊！”

3.智能化的光

得知生產線上測試的功能和性能指標都通過，并能夠投入生產線使用的當晚，張屹峰和伙伴們去吃了頓海底撈?！斑€是不打折的那種！”終于可以松口氣了，這是他們最有成就感的時刻。

卷煙生產工廠需要濾棒生產工廠提供的每箱濾棒的正次品率至少要94%以上，而空管濾棒端面智能化檢測系統(tǒng)實現(xiàn)了無需人工干預的高質量生產，相對于傳統(tǒng)視覺檢測算法，檢測速度提高了30%，正次品準確率由94%左右提高到了最高98%。

“一是提高了缺陷檢測的速度和準確率，二是我們實現(xiàn)了在線的次品多分類，避免了大量生產原材料的浪費?！边@是一次巨大的飛躍。

如今，他們的項目收獲專利5篇，軟件著作6篇，并且在全國各地與多個濾棒生產公司有合作，擁有濾棒檢測、膠線檢測、段長檢測、爆珠檢測等落地項目。本次比賽的系統(tǒng)也已經在湖南、江蘇等濾棒生產公司的一線生產線上開始測試。

回溯整個項目過程，張屹峰不諱言，選擇EasyDL平臺確實給他們省了不少心力?！拔覀冺椖勘旧砭鸵獙戃浖约敖?shù)據(jù)庫，還要裝配硬件，EasyDL幫我們進行了模型訓練的代碼編寫及實驗結果分析。另外EasyDL的AutoDL技術自動搜索適合訓練數(shù)據(jù)的網絡結構，也為我們省去了選取網絡的工作，并且EasyDL訓練出的模型準確率極高。再者EasyDL支持使用C#調用模型，我們可以在編寫軟件的時候直接調用訓練好的網絡模型，十分方便?！?/p>

這次團隊使用的是EasyDL經典版優(yōu)化模型，他們表示今后會再繼續(xù)學習和使用提供網絡模型選擇、超參數(shù)修改等功能的EasyDL專業(yè)版?！耙驗槲覀冄芯糠较蚴怯嬎銠C視覺及機器視覺，后續(xù)需要用到人工智能（深度學習、機器學習）的時候很多?！?/p>

通過C4-AI大賽初露頭角的湖大機器視覺團隊只是百度AI賦能社會的其中一份子，越來越多的熱血少年們將百度AI技術能力應用于各行各業(yè)。百度提供了飛槳深度學習平臺及其EasyDL定制化訓練服務平臺進行創(chuàng)意性開發(fā)，降低了AI技術門檻，讓選手更高效、更靈活地實現(xiàn)深度學習應用。

比如，中南大學的“AI知膚寶”項目，基于臨床圖像和病史數(shù)據(jù)，構建了皮膚疾病全病種分類系統(tǒng)，通過小程序提供在線服務，解決了醫(yī)療資源不平均、看病難等問題；大連理工大學的作品 “指舞”，創(chuàng)新性地將現(xiàn)有的觸摸識別人機交互方式，拓展到跟蹤手指在桌子上滑動產生的聲音信號并進行識別，大大提高了智能家居的操控范圍......除此之外，學生們的作品還涉及了新零售、智慧農業(yè)、智能游戲、環(huán)境保護、特助公益、公共安全等多個領域，更具生活氣息。

（圖：2019“中國高校計算機大賽人工智能創(chuàng)意賽”選手現(xiàn)場演示各種“硬核”設備）

據(jù)了解，目前EasyDL平臺已應用于近30個行業(yè)，包括零售、安防、互聯(lián)網內容審核、醫(yī)療、法律、會計、餐飲、購物等等?？梢?，EasyDL正在為各個行業(yè)的智能化升級不斷添加助力。

AI工業(yè)大生產已經來臨，適用且易用的深度學習平臺對于需求與行業(yè)背景各異的企業(yè)和開發(fā)者而言，意味著可以事半功倍地實現(xiàn)AI技術應用落地，實現(xiàn)降本增效。百度飛槳作為中國首個也是目前國內唯一開源開放、功能完備的產業(yè)級深度學習平臺，已經累計服務150多萬開發(fā)者，定制化訓練平臺上企業(yè)用戶超過6.5萬，發(fā)布了16.9萬個模型，而百度飛槳的定制化訓練和服務平臺 EasyDL，則全方位滿足了不同行業(yè)、不同應用場景、不同 AI 算法基礎的企業(yè)和開發(fā)者的業(yè)務需求。

除了技術利器，AI人才在人工智能變革中無疑是至關重要的。而國內AI人才的供求比例為1:10，缺口超過500萬，AI高端人才供不應求。在百度看來，AI人才應該是始終立足于產業(yè)智能化轉型中的現(xiàn)實需求，堅持理論與實踐相結合的人才培養(yǎng)模式，致力于培養(yǎng)出能夠從理論出發(fā)指導實踐，又能從實踐中反哺理論的AI人才。

百度通過與科技部、教育部等政府指導部門，高校、研究所等學界，以及行業(yè)龍頭企業(yè)等產業(yè)界展開合作，產學研用一體化構建資源體系和協(xié)同育人合作生態(tài)。百度推動發(fā)布國內AI領域第一個專業(yè)技術人才培養(yǎng)標準，為AI人才培養(yǎng)厘定標準，并發(fā)布了兩大企業(yè)級認證標準，助力企業(yè)AI人才的培養(yǎng)?；谌瞬排囵B(yǎng)標準，百度設立云智學院，促進ABC領域的產教融合，建設課程體系、實訓室及人才培養(yǎng)基地，推出面向高校一線教師的深度學習師資培訓，面向不同層級的企業(yè)從業(yè)人員分別推出零基礎深度學習集訓營、PaddleCamp未來深度學習工程師集訓營、AI快車道-企業(yè)深度學習實戰(zhàn)營、黃埔學院-首席AI架構師培養(yǎng)計劃等舉措，為企業(yè)從業(yè)人員提供更專業(yè)的學習平臺，幫助企業(yè)培養(yǎng)AI技術人才，從而整體推進AI人才的培養(yǎng)。同時，舉辦包括C4-AI大賽在內的各類AI競賽，以賽促學。

如今，百度已經培養(yǎng)了全國300余所高校、超過1000名一線AI專業(yè)教師，累計賦能超1000家企業(yè)開發(fā)者，走出上百位首席AI架構師。僅2019年，百度舉辦超過30場AI賽事，150+場線下活動，覆蓋超過1億人次產業(yè)鏈人群。

一支支“百度AI生力軍”正在誕生。

【完】

智能相對論（id:aixdlun）

?AI新媒體;

?今日頭條青云計劃獲獎者TOP10;

?澎湃新聞科技榜單月度top5;

?文章長期“霸占”鈦媒體熱門文章排行榜TOP10;

?著有《人工智能 十萬個為什么》

?【重點關注領域】智能駕駛、AI+醫(yī)療、機器人、AI+硬件、物聯(lián)網、AI+金融、AI+安全、AR/VR、開發(fā)者以及背后的芯片、算法、人機交互等。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。