同學，你聽說過「桃臉」識別嗎？
你聽說過「桃臉」識別嗎？
你能想像人工智慧MIX農業的畫面嗎？
這段視頻有2分27秒，點開看看，也許會激發你的想像力
前情提要
視頻中的劉師傅年近六旬，是北京平谷的桃農。劉家世代種桃，他也有35年的種桃經驗，家裡的40畝桃園一年能產80萬斤的大桃。
每到大桃成熟季，大桃的採摘和分類就成了他們最操心的事。劉師傅每天夜裡兩、三點就起床下地幹活，每年還需花費3萬多元僱工人來幫忙摘桃和分桃，就為了等早上桃商來收桃時賣個好價錢。
好在今年夏天，他有了一台懂得「桃臉」識別的智能分揀機。長這樣：
這台智能分揀機是由北京工業大學幾名自動化專業的學生製造的，藉助了我廠PaddlePaddle深度學習平台的能力，能夠自動識別大桃的品類並進行分揀。這不僅能幫助桃農提升了效率，還減少了人工成本，讓果農的腰包鼓起來。
從靈感到實現
製作桃子智能分揀機，是北京工業大學幾位自動化專業的學生在去平谷採摘時萌生的靈感。
他們覺得桃子分揀是個費時費力的過程，如果有了可以分揀桃子的人工智慧機器，我們的桃農就不用再那麼辛苦地分揀桃子了。
來自肯亞的Simon（最右）也是其中一員哦
對機械和控制很在行的他們開始著手製造分揀機時，卻遇到了一個難題：如何讓機器能夠識別大桃的品相？想要完成自動分類，就需要一個易學易用的開源平台。幾番比較之後，我廠『Easy to use』的PaddlePaddle深度學習開源平台擔起了這個重任。
PaddlePaddle，百度的分散式深度學習平台，你可以把它理解成具有人類記憶能力和辨別能力，並可以自主進化的機器。目前它仍然是一個技術「黑盒子」，讓技術人員著迷，各種奇思妙想都可以拿這個「黑盒子」來嘗試。
在PaddlePaddle上下載了文檔和代碼，他們一周之內就建立了適用於桃子各個檔次分類的圖片分類模型，並確定了機器的完整方案：將傳送帶、推拉裝置、電路控制系統和大桃品相識別系統結合在一起。
為了讓機器學會自動分揀，他們進行了大桃的實驗和訓練，給分揀機「學習」了同一品種大桃的6400張照片。經過一天的數據學習之後，機器就學會了像桃農一樣分揀大桃，分桃的準確率達到了90%以上。
因為有了AI能力的加持，分揀機不但能夠實現自動分揀，還能不斷積累和學習新的數據，不斷提升自身的準確率。
今年夏天，平谷桃農劉師傅已經在自家桃園運用了這台機器。他家的40畝桃園，如果都用上這台智能分揀機，一年能省3萬多的僱工費呢！
這些桃子就像帶上了「分院帽」
我廠程序猿解答時間
有人問：為什麼從最早這樣的想法誕生至今，看似商業潛力巨大，卻仍然沒有成熟的商用產品呢？
帥氣的程序猿GG在內網作出了回答：
人工智慧應用的兩個重要的先決條件，海量的數據積累和數據的標註。我舉兩個例子給不了解人工智慧落地瓶頸的讀者分享一下。
一個是大家熟知的語音識別模型。要完成一個識別效果還不錯的語音識別服務，所需要的訓練數據需要上萬小時的語音數據，而語音數據除了音頻數據本身，還需要為每段音頻標註好對應的文本，上萬小時的數據不計採集和標註周期，單就成本在百萬人民幣以上（數據標註公司報價），對該領域更多場景下應用的落地是一個不小的門檻。
另外一個例子是日本極客Koike製造的黃瓜分揀機。當時的報道是這樣說的：「Koike 使用了由其家庭成員耗時三個月分類完成的7000張黃瓜圖片作為訓練數據集」。
通過上面兩個例子，大家應該對人工智慧的數據需求量有一個大概的概念了。
而現在，幾個學生在為大桃分揀機採集和標註的6400張訓練集圖片的時候，一人耗時不到一天時間，極大簡化了模型的實現成本。在未來，單人即可操作機器的目標也指日可待。
代碼開源啦
TAG:百度Family |