安吉智能是上汽安吉物流旗下專注于智能物流解決方案的服務(wù)商，服務(wù)于上汽安吉物流內(nèi)部的同時，也向汽車 制造、機(jī)械電子、醫(yī)藥、冷鏈、日化、服裝等行業(yè)企業(yè)提供相關(guān)技術(shù)服務(wù)。

物流行業(yè)向來注重安全管理工作。以上汽安吉物流為例，其業(yè)務(wù)范圍涵蓋汽車零部件、整車、港口、快運(yùn)四個物 流業(yè)務(wù)板塊，包括上汽、特斯拉等主要汽車公司的整車倉儲與進(jìn)出口業(yè)務(wù)，其在全國范圍內(nèi)管理10個港口s 300 多個網(wǎng)點(diǎn)、5萬多名員工。為了保障如此龐大的物流系統(tǒng)能夠安全有序地運(yùn)轉(zhuǎn)，上汽安吉物流每年花費(fèi)上億元用 于雇傭安保人員。但隨著業(yè)務(wù)規(guī)模的增長，過度依賴人力的傳統(tǒng)安全管理模式已經(jīng)無法滿足其發(fā)展需求。

針對物流行業(yè)安全管理中的痛點(diǎn)問題，安吉智能自主研發(fā)了 “安眸智能視覺管理系統(tǒng)”，利用計算機(jī)視覺技術(shù)對 港口、園區(qū)、倉庫等物流業(yè)務(wù)場景中的核心元素“人員、貨物、設(shè)備”進(jìn)行識別和分析，并對出現(xiàn)的違反安全管 理規(guī)范的問題及時提醒和釆取相應(yīng)措施，主動化解潛在危險。以倉庫場景為例，安眸系統(tǒng)能夠?qū)�倉庫內(nèi)的叉車超 速、禁區(qū)出現(xiàn)人員、員工危險動作、著裝不規(guī)范等行為作出準(zhǔn)確識別，并進(jìn)行管理。

針對非結(jié)構(gòu)化數(shù)據(jù)集管理中的難題，格物鈦為安吉智能提供了如下解決方案：

D一，在云端對數(shù)據(jù)進(jìn)行統(tǒng)一托管。安吉智能各個網(wǎng)點(diǎn)的數(shù)據(jù)都存儲在云端，格物鈦的數(shù)據(jù)平臺多面托管了安吉 智能的原始數(shù)據(jù)、標(biāo)注數(shù)據(jù)和元信息。在平臺的權(quán)限管理功能保障數(shù)據(jù)訪問安全的前提下，安吉智能的團(tuán)隊可以 在平臺上方便地訪問數(shù)據(jù)和進(jìn)行團(tuán)隊協(xié)作。

D二，數(shù)據(jù)版本可追溯。安吉智能每月或每周會在數(shù)據(jù)集內(nèi)新增圖片和物品類數(shù)據(jù)，通過格物鈦數(shù)據(jù)平臺，安吉 智能在新增的數(shù)據(jù)上做標(biāo)注，然后合并進(jìn)原有數(shù)據(jù)集，并打上標(biāo)簽，從而形成新的標(biāo)準(zhǔn)化的數(shù)據(jù)集版本。算法工 程師只需要根據(jù)標(biāo)簽就能找到需要的數(shù)據(jù)集版本，并比較各個數(shù)據(jù)集之間的差異。

第三，數(shù)據(jù)集分布特征可視化。格物鈦數(shù)據(jù)平臺的可視化組件能讓算法工程師從宏觀層面查看數(shù)據(jù)集的特征分 布，以及從微觀層面查看單個文件和標(biāo)注數(shù)據(jù)。安吉智能的算法工程師因此能夠在模型訓(xùn)練前直接查看數(shù)據(jù)標(biāo) 注信息，也可以在模型訓(xùn)練后將預(yù)測結(jié)果作為一個數(shù)據(jù)版本，與人工標(biāo)注的數(shù)據(jù)版本進(jìn)行比較，從而判斷模型效 果和數(shù)據(jù)標(biāo)注質(zhì)量。

針對算法和數(shù)據(jù)團(tuán)隊的深度綁定，手動執(zhí)行數(shù)據(jù)處理工作效率低的問題，安吉智能通過使用格物鈦數(shù)據(jù)平臺的 Action功能，并結(jié)合了一些自研算法，對數(shù)據(jù)收集、數(shù)據(jù)標(biāo)注、模型訓(xùn)練等關(guān)鍵流程設(shè)置任務(wù)自動觸發(fā)機(jī)制， 并讓整個流程實(shí)現(xiàn)自動化。在數(shù)據(jù)收集階段，安吉智能通過自研圖像相似度和質(zhì)量分析的算法，當(dāng)發(fā)現(xiàn)符合要求的圖像后自動在攝像頭中進(jìn)行抽幀并將圖像上傳至云端；在數(shù)據(jù)標(biāo)注階段，通過使用格物鈦數(shù)據(jù)平臺，當(dāng)符合需 要的圖片數(shù)據(jù)達(dá)到一定量級后，平臺自動觸發(fā)數(shù)據(jù)標(biāo)注任務(wù)，然后通過簽約的數(shù)據(jù)標(biāo)注公司在平臺上對數(shù)據(jù)進(jìn) 行標(biāo)注，再與原先的數(shù)據(jù)集進(jìn)行合并。在模型訓(xùn)練階段，當(dāng)平臺監(jiān)測到數(shù)據(jù)標(biāo)注完成形成新的數(shù)據(jù)版本后，會自動先進(jìn)行模型訓(xùn)練，然后對更新后的模型的預(yù)測結(jié)果進(jìn)行評估，識別預(yù)測效果不好的圖片，并在平臺上對數(shù)據(jù)標(biāo)注實(shí)時地進(jìn)行調(diào)整。

2022愛分析人工智能應(yīng)用實(shí)踐報告