人工智能，正在让一些看似不可能的事情变成可能。
它能把三十年的经验变成一个准确的算法;
它能让十个人就可以实现对十九个城市变电站7X24小时的实时监管;
它能把三十五种机器的声音翻译成“人话”;
它也能看出两千万亩农作物的生长情况。
在以前，这些事情似乎都是天方夜谭。但是百度飞桨(PaddlePaddle)，让这些不可能真正变成了可能。
站在数据的肩膀上人人都能成为熔炼大师
凌晨2点，年近50的张师傅接到电话，钢铁厂一个熔炼炉的配料过程出了一些问题，需要他紧急算一下补救方案。在张师傅的远程指导下，钢铁厂的工人调了三四炉才得到了合格的结果。
2000年的时候我国的铸造、熔炼已经达到世界第一的产量，但无论是质量还是在能耗方面，其实都跟先进国家有非常大的差距。比如，铸造熔炼是铸造工厂的重要工序，然而铸造熔炼还全靠人工经验，稳定性不高，工厂里像张师傅这样有经验的老师傅也越来越少。
在熔炼领域，往往一个新手需要二十年甚至是三十年的沉淀和学习，才能做到像张师傅一样十拿九稳。而工厂的恶劣环境、炙热的熔炼炉、不太体面的工作职称……都是熔炼业将年轻人拒之门外的原因，缺少新鲜血液的注入，熔炼业真正的高精技术人才又接近退休年龄，所以，不管是熔炼的质量问题和耗能问题都无法得到有效解决。
为了解决这些问题，精诺数据基于百度飞桨，研发了一套铸造熔炼生产智能解决方案——精诺智能熔炼系统。
在研发之初，精诺数据刘晶教授在两个月的时间跑了100多家工厂，请教了100多位在熔炼领域深耕多年拥有丰富经验的老师傅，利用百度飞桨把老师傅们30年的配料经验做成了3秒就能给出结果的合金配比模型，该模型主要采用监督学习的方式，运用了强化学习的思想，将包含有原料的熔炼时间和原料配比等多种因素的信息作为输入特征进入深度学习模型进行训练，而后在输出端能够形成符合目标工艺的原料配比方案的原料配比方案，让铸造熔炼变成一门容易掌握的技术。
“我真的想做点事，让这个行业的门槛降下来，用新技术去打磨老经验，让小师傅青出于蓝而胜于蓝，撑起钢铁制造的一片天”，一位参与研究的技术人员说道。
有了这套方案，刚刚入行的小白也能胜任老师傅们的工作，再也不用大半夜给师傅打电话寻求帮助了，而且坐在控制室就能操控加料配料工作，也不需要面对高温的熔炉，熔炼行业的门槛被降到了最低，更多的年轻人表示愿意从事这份职业，人才稀缺状况得到了巨大的改善。
此外，熔炼过程的自动化还能节省大量能源。对于大多数铸造厂来说，电费是不可忽视的一笔大开销，因此不少工厂会选择在晚上开工，因为晚上电费便宜。而熔炼过程，人工计算材料配比时，炉子在1500度的高温下需要不少电费，这个过程由AI来承担后能节省时间，能节省大量能源，在提升工厂效率节省工厂支出的同时，还能为保卫蓝天做出贡献。
不仅如此，工厂管理者还可以通过设置推送方式，通过手机APP、短信、微信小程序等方式，随时随地掌握生产信息，让工厂数据更透明，告别数据小黑匣。
电力无人实时巡检
盛夏的广东，酷热难耐。当大多数人在空调房里享受电力带来的清凉的时候，有一群人却不得不冒着酷暑在户外奔波工作，他们就是广东南方电网的电力巡检人员。
火辣辣的太阳下，为了保障自身人身安全，电力巡检人员需要穿上长袖长裤的工作服，头戴安全帽进行室外的电力巡视和检查工作。“走一圈整个全身都是汗水，衣服都可以挤出水来”， 南方电网广东能源技术公司机器人事业部杨英仪博士如此描述夏日室外巡检工作的艰辛。
就变电站巡检而言，对设备的巡视是其中的重要部分。这部分又分为常规巡视和特殊巡视。常规巡视根据设备运维策略表开展，对设备的巡视周期每月1次或每季度1次不等;而特殊巡视则根据特定需求而设定更为频繁的周期，如在特殊时期的保供电巡视要求每天一次。如今已经成为高级工程师的杨英仪博士也在电力设备现场巡维的生产一线上待过，他回忆起当时所在班组的老班长开玩笑说过的话：“我们每天不是在巡检就是在去巡检的路上”。
电力设备巡检工作是枯燥而繁琐的，一次典型的变电站巡视工作涉及的巡视点多达1000多个，这通常需要两位工作人员花费6-7个工时去完成，不止耗费人力，更耗费时间。随着经济的迅猛发展，电网的规模越来越大，输变电设备的数量也越来越多。在现有的人员规模情况下，如何提供智能化的巡检装备，使人力投入更少、运维效率更高，是摆在所有电力人面前的一道亟待解决的难题。
多年来，南方电网也一直在进行尝试。目前，机器人已经被引入电力巡检领域，并可以取代人工完成大部分自动化巡视工作。但是，针对表计识别的传统图像识别方法由于受到复杂背景、光线条件等因素的影响，检测与识读的整体准确率仍然较低。
2016年，广东电网围绕智能巡检机器人研发成立了重点攻关团队，团队中有做高压绝缘的，做传感检测的，但是没有一个人是机器人专业科班出身的。用他们的话说，他们对机器人技术“一抹黑”，完全不了解。经过2年多的实践和摸索，光机器人本体和后台，更迭了至少六个版本，跑了30000多行代码。
2017年，广东电网与百度建立了战略合作关系，赋能前端巡检设备也是合作的重要内容之一。智能巡检机器人攻关团队引入百度飞桨平台，利用其所提供的丰富深度学习算法，使机器人面向表计的深层次特征提取能力大大提高，突破了环境因素的制约，方法的准确率和鲁棒性显著提升，在表计目标检测、示数读取等方面的效果尤为显著。
现在，利用智能巡检机器人开展室外巡视，只需预先设定机器人的巡检点，规划好巡检路线，机器人就会自动进行所有相关表计的检测与读取。工作人员无需花费6个小时在现场巡视，而只需要在远方的主控室一键下达巡检任务。
“所以现在我们变电站可以利用智能巡检机器人替代人工开展现场巡视了”，杨英仪说道，智能巡检机器人的好处在于，受环境、气候及作业时长等因素的影响较小，可以降低人工巡检的劳动强度，降低运维成本，提高巡检作业和管理的自动化和智能化水平。从更长远的意义上讲，智能巡检机器人的推广应用与赋能提升，可有效推动变电站巡检无人化的进一步发展。
用噪声帮机器“听诊”
广东韶关，钢铁车间内。
飞剪机组精密斩切着从精轧机组转出的钢带，噪声轰鸣刺耳，生产工人不得不带上耳塞进行检查作业。然而，在硕橙科技陈世林看来，这让常人难以忍受的声音却在反映着设备的健康状态和运行情况。
工业设备产生的噪声对企业而言是一笔宝贵的财富。设备在运转的过程中，每一个“节奏”都暗藏玄机。刮擦声变大，可能是缺少润滑油，振幅频率变大，可能是螺丝松动...…这些看起来微小的变化，却都有可能极大地影响整个生产线的正常运行。
当然，识别出机器噪声的细微变化对工厂的老职工而言并非难事，多年的经验让他们有了“异于常人”的听力，能够做到“听声辨位”。然而，面对人力资本提高、老职工退休、年轻人不愿意下工厂的现状，这种方法正在逐步“失效”。
同图像识别一样，AI也可以在收集大量声音信息后重新定义“噪声”。在百度飞桨助力硕橙科技的“机器听诊大师”解决方案中，AI可以代替人耳，深入到恶劣的工厂环境中，通过噪声对各种机械状态进行识别、检测、统计，并进行设备健康度的评估。这些功能的实现不再需要在设备上开设新的接口，仅需通过网络便可使数据互联，继而实现对设备的预测性维护。
“飞剪设备剪下钢带后，会产生一个不到一秒的噪声脉冲。通过百度飞桨(PaddlePaddle)深度学习进行AI识别，与典型噪声特征集进行对比，在完成一段时间的生产数据统计后，即可分析整个切割机器是否异常，进行生产执行管理。”谭熠这样介绍“机器听诊大师”在飞剪产线上的应用。在飞桨的助力下，“机器听诊大师”的应用可显著降低机器故障率，减少70%的故障停机，同时，通过科学维修排班，优化备件采购计划，还可使维护成本降低25%。
“机器听诊大师”作为易实施、高投入产出比的设备预测性维护方案。从需求调研开始，一般只需3个月的时间就能落地应用，且由于是非接触性方案，无需改造生产线，更无需停工，不需要额外的操作或应用培训就能直接使用。硕橙科技服务的某汽车零配件客户使用“机器听诊大师”后，投资回报达到了300%以上。
一个APP指导万亩农业生产
张磊是一名农场主，每到冬天，他家上千亩农田都会种上冬小麦。播种后的一周里他每天都要走上几十万步路巡视农田，一一查看小麦的出苗情况，遇到刮风下雨的天气他还会多巡视几遍，工作辛苦枯燥。
出苗之后，冬小麦到了返青、拔节、出穗、乳熟、成熟等关键生育期时候，巡田工作还会加倍。田是巡了，但是作物生长是否健康，只能依靠他的经验来判断。有时候看走“眼”，一大片的作物就可能废了。
在这个科技蓬勃发展的时代，很多农民却依然要靠天吃饭。今年冬天，中科赛诺团队带来了一款APP，农户在APP上就能得到种植地块信息、农作物生长情况图，更早更及时地知道作物生长情况，从而制定应对策略。通过结合中科赛诺的遥感技术和百度飞桨(PaddlePaddle)的深度学习技术，许多农户、农技专家足不出户，通过中科赛诺新农业家APP就能随时掌握天气变化数据、市场供需数据、农作物生长数据，准确判断农作物是否该施肥、浇水或打药，不仅能避免因自然因素造成的产量下降，而且可以避免因市场供需失衡给农民带来经济损失。
在此前，他们主要依靠遥感影像的光谱分析来做地块识别，这种相对传统的方法，对数据要求高，前期需要采集大量的样本数据，不同地区的同种作物需要重复采集，且识别的精度不高。
地块信息采集工作十分辛苦，中科赛诺工程师郭文茜分享到，当时他们要去采集衡水市几个县的地块信息，在连续一周的时间里，团队都是早上6点开工，天黑才回去。遇到需要采集玉米地等种植地时，需要忍受高温的煎熬，被玉米秆割伤手脚更是家常便饭。在此过程中，他们也感受到了农户们种植过程中的辛苦。
据采集之后，工作人员们还要回到市内使用软件操作，进行样本数据整理、遥感数据下载、解析等工作。传统对遥感图像的处理，依赖于大量拥有遥感专业背景的人工使用专业软件进行分析。卫星遥感影像数据存在画幅巨大、肉眼分辨率低、对识别人员专业要求能力高等问题，且人工标注需要大量重复劳动，非常费时费力，枯燥无味。
这一套完整的流程进行下来，识别几个区域的地块通常需要半个多月的时间。他们都非常渴望引入新技术，提高耕地巡查的工作效率。
拥有高素质开发和服务团队、成员参加过国家级重大科研项目的中科赛诺基于百度飞桨(PaddlePaddle)创造了自动农耕地块提取系统，应用飞桨 图像分割库PaddleSeg中的Deeplab V3模型实现地块面积提取准确率达90%以上。
基于飞桨的数据采集建立模型后，即使是换了区域，如果作物生长差别不大，也能达到较高的识别率，不需要重新采集数据，系统还可以快速自动获得农耕用地边界及面积，对作物长势、作物分类、成熟期预测、灾害监测、估产等工作进行高效辅助，大大减少了传统人力的投入，将地块信息采集和分析变成了一件相对简单的工作。
“普通农户真的很辛苦，他们需要定期巡田、灌溉、施肥、病虫害防，一个环节出问题，一年的收成就没了。现在我们的技术，改变了田间农作日常，他们打开手机就能看到作物生长情况。浇水、施肥、杀虫，看一眼就能准确安排上”，中科赛诺一位女工程师骄傲地说道。
百度飞桨是百度在多年深度学习和人工智能技术的积累和业务实践的基础上，研发的产业级深度学习开源开放平台。它集深度学习核心框架、工具组件和服务平台为一体，是国内最早开源、也是当前唯一一个自主研发、功能完备的，端到端的深度学习平台。目前百度飞桨拥有开发便捷的产业级深度学习框架、超大规模深度学习模型训练技术、多端多平台部署的高性能推理引擎、覆盖多领域的产业级开源模型库四大领先技术。
从这四个案例中我们可以看出，以百度飞桨为代表的人工智能技术，正在让更多的不可能变成可能。目前百度飞桨已经赋能数百个企业，推动了产业智能化浪潮，让产能实现平方级增长。未来，我们也将看到更多类似的案例，见证更多的奇迹发生。
|
