AI赋能从看云观天到路桥巡检,隐形劳模谱写新篇
AI最前线 发布于2019-09-30 14:44 浏览:815 回复:2
0
收藏
最后编辑于2019-10-02

 AI自动观测天气状况,识别准确率不断提升 

在别人眼里,“与星为伴、与云为伍”是件浪漫的事。但在气象工作者眼里,更是一种社会民生的责任和坚守。他们将云划分为三族十属二十九类,天空的云量可以细化到11个级别。而他们要做的是24小时监测,准确地“认”出这些云,且识别准确率不能低于80%。

杭州环境气象中心的胡德云、杨焕强和同事们驻扎在馒头山,但他们的思想却很超前“大部分气象要素实现自动化了,那能不能把剩下的部分也实现自动化,让气象观测员从馒头山的气象观测场解放出来?“

他们和同事一起付诸行动:在全国建立了28个站点,收集了内蒙古、青海、黑龙江、北京等多地不同的气候图片,从沙暴、扬尘到高原云状,他们全都“捕捉”到了,数量达100万张。收集到足够多的图片样本只是第一步。之后,他们将精选的2万张气候图片,借助百度EasyDL定制化训练和服务平台进行训练打造了一套能够智能“看云”的AI系统,这套系统里包括观察云状、云量、天况、霜露、雨凇雾凇、茶叶霜冻识别等气象图片的定制化模型,目前,已经对20多种云状、11种云量,以及雾、霾、沙尘、霜露、结冰、结雪、雨凇雾凇、茶叶霜冻等天气状况进行自动观测。经过不断迭代,现在这套人工智能天气观测系统对20多种类型的云状识别准确率达87.5%,云量识别实际准确率也在85%以上,霜露、雨凇雾凇识别准确率均在80%以上。

 AI辅助路桥维护巡查工作,保障人民出行一路平安 

“宁波有6000多座桥梁。”刘瑞江说,“宁波市下属有40名左右的桥隧工程师,再下面是一线巡检工人,每人每个月要检查一次,每次大概400至500座桥。”桥梁监测并不是远远看一看就好,他们需要现场采集病害图片,手写记录相关数据,回到工作单位后再将巡检内容汇总、分类数据并提报系统。

“内容要记录的东西很多,比如哪座桥上、哪个部件、什么位置、病害类型、病害尺寸、定损等等。”刘瑞江说,录入很耗时,一般要花3到4天,提报系统后,会按照提报情况、区域分配维修工程师做相关维护。

“其实公路养护行业有大量的纸质历史数据,但是传统手段应用它们成本高、效率低。”刘瑞江说,人工智能的一些技术解决方案比如NLP 、OCR 、知识图谱这时候就派上了用场。

在北京,新桥信息研发部部门经理张磊也在想,能不能借助技术,帮助宁波的巡检工人更轻松地巡检桥梁。

结合历史积累的道路及病害图像,北京新桥使用百度的EasyDL训练了图像分类、物体检测算法,实现训练桥梁结构类型分类、桥梁破损部位、道桥病害模型,用于帮助全国日常道路桥梁维护巡查工作。如今,EasyDL训练处的模型对桥梁破损部位识别准确率可达94%,并能识别出结构物破损、裂缝等十多种病害,完全是一名合格的路桥巡检员了。

现在,刘瑞江和他的同事们只需要现场拍照,并测量病害尺寸即可,后台算法就能实时识别并作出相关反馈,只需要花费原来三分之一的时间,而且原来人看不见的地方,比如悬索桥顶部、桥底部,也可以通过无人机拍摄,再交给人工智能这位“员工”处理。


 AI排查输电线路外部隐患,守护电网安全供应 

在佛山市不到4000平方公里的土地上,铺设着超过5000公里的输电线路,而徐振磊和同事们要做的,就是保护这些线路的安全可靠运行,确保电力供应的安全。9个线路班组,每班平均十来人,每天驱车100多公里,巡查沿途输电线路的情况。

线路运维人员每天大部分的时间都消耗在路上,不仅工作量大,有些地方路况不佳,开车都很难到达。最近几年,他们开始尝试用科技进行改善,比如应用无人机帮忙巡线,还在一些线路上安装了摄像头。但伴随而来的,还有新的挑战——传回来的照片仍然需要人工筛别,且数据量呈几何式增长,平均每人每天要面对几千张照片,这给审核人员带来了巨大的工作压力。

他们借助百度大脑EasyDL训练了一套输电线路外部隐患识别模型,用来识别出输电线路中存在的吊车、挖掘机等外部隐患,一旦发现隐患,就实时通知负责该区域线路运维的班组及时排查处理,确保输电线路安全运行。

“以前安装监控,相当于给输电线路安装了‘眼睛’,现在有AI技术,输电线路就像是有了自己的‘大脑’,不仅更快更便捷,检测的水平也提高了。”徐振磊说。

正是AI的这个“大脑”,监测系统可以自动识别输电线路外部隐患,让班组人员和巡检员工作量减少了20%。


 AI升级工业制造生产力,确保零部件保质保量 

自1980年成为经济特区以来,深圳一直在以惊人的速度成长,在外围郊区,座落着几家大型工厂,它们是世界级品牌苹果与三星产业链上的一个齿轮:核心零部件生产供应商。

 华付瑶,就是这些工厂里数万工人中的一个。与其他流水线上的工人不同,华付瑶身体不如他们那么健壮,还戴着一副眼镜,“别人说我不像工人,更像是个搞学术的。”华付瑶说,“我的工作是质检员,也就是产品质量的把关者。”“那些零件,最小的可以达到1mm X 1mm,质检员都得拿放大镜看。”

高亮度的工作间里,质检员每天都要重复这样的工作8至12小时,下了班眼睛都是痛的,见风就会流泪,高度近视是常见的现象。除此之外,质检员还面临着因一个漏判整批次零件打回的风险。

“让人工智能在工业上形成生产力,最可能的方向就是质检。”领邦仪器公司CEO崔忠伟博士说。

领邦引入了百度的开源深度学习框架PaddlePaddle,通过训练和研发,AI做到了可以检测45mm以下零件外观缺陷,如刀痕、磕边、麻点、砂眼等,并实现缺陷位置标注和分类。而且AI的工作效率很高——一台零件智能分选机器人能达到10个工人的工作效率。

这一次,AI这个“隐形劳模”帮工厂生产成本平均降低15%,效益提升15%。由于机器检验水平稳定,大大提高了产品的交付质量,交付投诉率平均降低了30%,综合生产力水平平均提高了30%。

 AI排查输电线路外部隐患,确保电网安全供应 

林聪田博士就职于中国科学院动物研究所,不久前,他开发出了一个名为“生物记”的平台,这是通过百度EasyDL训练野生动物(如中国鸟类等)模型,有效解决了生物分类学研究、生物科学普及中快速鉴定识别物种难题的平台,可支持科学考察与科学普及活动,网站平台目前已经上线服务。

“生物记将为中国科学院A类先导专项‘地球大数据科学工程’积累更丰富的生物物种数据,也将为野外博物教育提供强有力的科学支持。”林聪田介绍,在最新版本的生物记中,物种智能识别工具可与分类专家的专业知识相结合,帮助分类专家及野外观测人员大大提高物种识别的效率和可靠性。目前训练后的鸟类识别模型能够识别1000多种常见中国鸟类,Top3准确率达到92%,蝴蝶物种模型能够识别12个科级类别的蝴蝶。

在保证物种覆盖度的同时,TOP3的识别准确度在92%以上,TOP5的准确率接近95%。不仅如此,用户可以为每一条观测记录提供相关证据,批量上传物种图片。通过百度EasyDL训练的鸟类识别模型,用户可以快速获取物种名称与百科知识。

了解更多详细信息,请阅读案例原文:https://ai.baidu.com/support/news?action=detail&id=1395

收藏
点赞
0
个赞
共2条回复 最后由付洋洋carrie回复于2019-10-02 16:12
#3付洋洋carrie回复于2019-10-02 16:12:54

手动赞

0
#2wangwei8638回复于2019-09-30 22:55:25

来支持下

0
TOP
切换版块