「完美藥丸」選秀記
每年，全世界數以百億計的口服液和瓶裝劑藥品飛速地離開工廠，奔入尋常百姓家。
自1867年德國西門子兄弟把蓄熱室連續熔化池窯應用於玻璃工業後，小口瓶的成型技術廣泛造福於人類。無論是醫院使用的針劑，或者藥房售賣的各種保健品和藥液，都離不開150年前的那項歷史性創造。
然而，小玻璃瓶的安全還不能讓人完全放心。玻璃瓶內的液體中偶有雜質、瓶身肉眼難見細小的裂紋，極可能會讓藥品失效或者導致服藥的小寶貝面臨意外的傷害。
無數保健品和藥品企業費盡心力，希望能將「害群之馬」剔除。
進入21世紀以來，擔任這些「完美藥丸」選秀重任的傳統識別技術慢慢退出，依託人工智慧的機器視覺登台起舞。
他山之石 可以驗玉
2018年年初，英國的媒體紛紛聚焦於一項發明：專註於藥品行業包裝系統的專業公司Pharma Packaging Systems Ltd (PPS)，藉助機器視覺技術(MVT)公司開發出計數和檢驗系統。
PPS公司希望能通過人工智慧的演算法打造一雙「火眼金睛」，在快速運轉的生產線上，檢查出破損或不符合所需形狀的產品。更重要的是，系統還可以檢測不屬於所需批次的產品，以防止交叉污染。
在製藥行業，如果未能在受到影響的批次流出製造商之前檢驗出交叉污染，不僅會遭受巨額罰款，還可能導致整個工廠在一段時間內進行關閉整頓。
不負眾望的MVT公司，很快讓客戶享受到機器視覺帶來的好處。
它開出的藥方是：一般情況下，散裝產品（藥片或膠囊）會從料斗中被送入一連串的槽型振動托盤，以便分離不同產品並引導它們通過不鏽鋼托盤中的通道。高速紅外光學感測器會計算自由下落的產品數量。系統以高精度、高速度完成產品計數，並將產品裝入瓶子中，由絲杠驅動系統在傳送機上進行編排。
這裡的創新之處在於將相機放置在最終的托盤上方，途經此處的藥片緊接著將會被進行計數和裝瓶步驟。每台相機均可拍攝6條藥片通道的圖像。在從上到下通過相機視場(FOV)的過程中，每個藥片通常會被檢測10次或以上。
「堪稱一項真正的成就！」國外媒體評價。
這些報道，讓遠在湖南長沙市的納威爾公司CEO曾小維會心一笑——1年多前，他們同樣利用人工智慧在機器視覺技術的頂端敲開了這扇門。萬里之外同行的成功，更讓他們信心滿滿。
「皮匠們」的技術革命
曾小維團隊3位核心技術人員全部來自長沙理工大學物理與電子科學學院。曾小維來自2009級電子信息科學與技術專業，劉浪來自2010級光電信息科學與技術專業，陳建成來自2011級光電信息科學與技術專業。
2012年，作為人工智慧的核心概念，深度學習演算法又開始在學術圈火爆起來。在國外的ImageNet大賽上，有研究團隊使用深度學習方法將圖片中的物體識別率一下子提升了好幾個百分點，這在業界成了革命性的變化。
正在校園內苦苦研究的曾小維，由此確定了以計算機視覺演算法以及人工智慧演算法為將來的研究以及就業方向。更為湊巧的是，他也選擇了藥片檢測作為進攻的目標。
藥片實時在線檢測的關鍵在於，如何讓計算機知道，一粒藥片是完整的藥片，還是有缺陷的「垃圾」？
這在常人眼看來，似乎是很簡單的，哪怕是3歲的小孩子也能分辨得出。但是對於計算機，就無比艱難。
傳統的方法是基於尺寸和面積來判斷。但即便是這種方法，實現起來也並不容易。因為，藥片在實際生產過程中，是從一個鏡面拋光的不鏽鋼軌道上面流過去，每個藥片都會在導軌的兩側有一個鏡像，而利用面積和尺寸為基礎的演算法，會認為每一粒葯都不合格。
其次，藥片在導軌上運行並非像小學生排著隊伍出校門一樣有序，兩粒藥片甚至多粒藥片連接在一起向前跑的情況也很常見。系統會自動將這些藥片打「×」。
難題一重一重，讓3個「臭皮匠」絞盡腦汁。經過多方面的評估之後，他們意識到，這個問題最好的解決方式，應該是利用外部的光源系統——利用某種光照技術將藥片的鏡像減到最低。
為了製作出這樣一個光源系統，他們首先將光路以及陰影面積的大小計算出來，然後找到東莞一家擁有十幾年光源整體解決方案的企業，最終製作出來了一個可以使藥片軌道上幾乎看不到鏡像的光源系統。
於是，一項發明專利隨之手到擒來。
解決了鏡像問題之後，第二個攔路虎就是藥片在運動過程中的連接問題。「有時候，技術真的就是一層窗戶紙，捅開了，就全通了。」曾小維說，冥思苦想多日後，他們忽然想到，通過提取連通區域的邊緣，並且使用向量的叉乘方法，不到半天的時間，就把這個困擾多時的問題給解決了。
此時，他們團隊的技術已經走在國內同行的最前列。「因為其他公司，現在還在花精力解決我們曾遇到的難題」。
市場檢驗真知
成功路上多艱辛。
把實驗室的技術產品化後，第一次在上海某公司試機，現實的慘敗給3個驕傲的研發者以警醒——他們剛剛在實驗室里解決了前兩個難題。整個系統里最難的技術——運動物體的追蹤與配准，將要耗去他們更多的汗水。
和傳統的追蹤不一樣的地方在於：藥片的形態大小几乎一樣，如何從一個運動序列中確定哪一個是你要追蹤的對象？
就連中山大學的幾位教授——公認的國內此領域最牛的專家，也認為這是當前追蹤領域很難的一道關卡。「我們一共熬了幾十個通宵，平均每天4到5小時的睡眠時間。大部分夜晚，都是在椅子上度過的」。
無數次試驗和失敗後，2016年下半年的一天，他們忽然想到，人眼之所以能在一段圖像序列中準確地找出每一個合格藥片，是因為人腦其實就是一個經過不斷學習並且優化了的神經網路；所有的決策，都是基於某種概率的。
基於這一想法，他們把解決這個問題的研究方向切換到以概率模型為基礎。
經過兩個來月的不懈努力之後，終於在2016年年底，他們完成了這個技術的所有測試，並且在精度與追蹤技術上，超過了加拿大的OPTL、美國的jekson、義大利的安塔瑞斯的同款產品。
此刻，該團隊的技術產品「牛刀小試」，成功地進入了雲南白藥集團的產品檢測。
雲南白藥氣霧劑瓶底是一個凹陷的球面，上面噴有字元標碼。如何識別流水線上的這些瓶瓶罐罐下面的字元，以便分類管理，成了企業的難題。
最先被邀請來解決問題的是全世界機器視覺行業的老大——美國康耐視公司。
但這家全球技術最先進的企業，發現雲南白藥公司的這個問題屬於「非標」類，並不願意為此付出太多精力而離場。
「我們是一個小團隊，並沒有大公司那麼多標準的序列，那就把它作為標準來搞。」曾小維說，啃下這塊骨頭後，在整個檢測系統，我們的技術已經無可置疑。
沈偉教授任職於中山大學，其研發的一種演算法被寫入國外圖像處理教科書中，在全球最大的圖像處理商用軟體中，也有以他名字命名的函數。看到雲南白藥噴霧劑上的點陣字元識別項目研發成功之後，他感慨：「這是整個字元識別領域的一個代表性的應用成果，我自己都不一定能成功研發出來。」
跨入了一個新的高度後，曾小維和中山大學的老師交流時發現，圖像的預處理對於好的檢測系統來說至關重要。他們開始把大量精力投入到這方面，並嘗試各種各樣的方法，成功地完成了「利用運動場與光流檢測小瓶液體裡面的雜質」這一更高難度的技術研發。
如今，他們的核心產品不僅在國內遙遙領先，而且已經擴展到了印度、北美市場。
「4+5=？」
1992年出生的曾小維，從小就喜歡動腦，是那種「數學考試總是滿分」的偏科生。考入長沙理工大學後，他更成了一個技術宅男，大部分時間都是叫上宿舍另外兩位同學一起去學院的創新實驗室，從中掌握了單片機編程技術、嵌入式編程技術、linux系統的使用以及C語言的學習資料等。
大一結束後，暑假在一個親戚的軟體公司打工的經歷，讓他對演算法、數據結構、應用數學等知識產生濃厚的興趣。
回到學校之後，「進入了一個痴迷的狀態，每天絕大部分時間都花在研究這些演算法上。」曾小維說。
就在這一年，他深刻地體會到了計算機解決問題的原理，也認識了學弟劉浪。隨後在組隊參加全國大學生電子設計競賽時，團隊中又多了2011級的學弟陳建成。
大學畢業後，曾小維在研究生入學考試中以初試複試第一名的成績考入了中山大學，並如願以償地選擇了計算機視覺這個方向。開學後不久，一位博導上課時手寫了一道題目：「4+5=」，要求學生用手機拍照，把這個手寫的數列，在手機里識別出來。
兩個星期後，曾小維把自己的解題方法提交給了教授。教授大感意外，隨後決定推薦曾小維去法國的波爾多第三大學讀博士——多位在計算機視覺領域有很大影響力的頂級學者任教於這所學校。也就在這一年，劉浪帶領的參賽隊伍，拿到了那一屆全國大學生電子設計競賽的全國一等獎。
曾小維和劉浪商定，一起做一份事業。為此，曾小維放棄了去法國讀博的機會，和兩位學弟一起開始了創業路。
「在計算機視覺和人工智慧領域，作為一個中國人是很驕傲的——每年的新成果，大部分都是華人學者領銜或者參與完成的。」曾小維說，當前正處在人工智慧全面落地的風口上，而人工智慧的落地，首先就是依靠計算機視覺。（郭劍 洪克非）
TAG:正北方網 |