当前位置: Home / 新闻中心 / 行业动态

聚焦 | 以数据为底色,进击的AI视觉

2020-12-08

资本嗅觉往往最灵敏,机器视觉在劳力成本的提升、生产线柔性化布局的迫切需求的催化下,以及“新基建”等政策的推波助澜,依然在纷繁复杂、波云诡谲的人工智能领域,贡献了较多的热点和看点。

GGII数据显示,2019年中国机器视觉市场规模65.50亿元(该数据未包含计算机视觉市场规模),同比增长21.77%。2014-2019年复合增长率为28.36%。GGII预测,到2023年中国机器视觉市场规模将达到155.6亿元。这个数据背后意味着机器视觉在产业化升级中的重要价值,更意味着激烈的市场竞争。

尽管今天它是“多数人走的路”,但是对库柏特来说,围绕机器人手、眼、脑来提高机器人智能性、易用性,除了要构建领先的手-眼-脑协同操作系统CobotSys,视觉这块在库柏特刚成立的时候,就明确了这是一条必须要走的路。

众所周知,在工业上,机器视觉在工业上应用领域广阔,核心功能包括:测量、检测、识别、定位等。库柏特在基于CobotSys基础上,视觉技术也在不断积累、发展。库柏特的视觉系统承担着两个重要的功能,一是定位,作为机器人的“眼睛”存在,获取物体位姿或特征位姿,引导机器人操作。二是检测,获取物体定量尺寸或定性类别,对物体分类。

毫无疑问,库柏特依托于CobotSys,关注重点在于AI视觉如何与产业真实需求的进一步耦合,带来极大的生产力激活价值,实现从通用化、简单化到场景化、行业化的聚变,在这个过程中,大数据的蓬勃发展和算力的指数级增长将赋予深度学习新的生机,并形成反哺效应。显而易见,这场修炼,要靠耐力。

深度学习+传统视觉,进击的视觉技术

场景落地是企业发展的必由之路,走向巨型市场的过程中,必将经历浩浩荡荡行业场景应用,磨砺与反思,积累与沉淀,为后期的发展奠定了基础。

库柏特一方面利用视觉技术进行通用物体定位,通过深度学习目标检测,组合传统计算机视觉方法,在仓储物流、食品生产线、制造业等场景进行了应用。例如在某仓储物流拆垛中,一套算法需要用于数千种垛的定位,库柏特经过深度学习组合传统视觉方案,达到了4000种垛,定位成功率99.99%。这个方案也用在某食品生产线上,达到定位精度1/10pixel。目前,库柏特智慧药房发药通过深度学习特征学习来达到发药的准确性和快速性。

另一方面,聚焦AI视觉检测。在视觉检测方面,人工智能的价值尤为明显。与人眼能够发现缺陷一样,经过长期训练的AI视觉系统也能做到这一点,而且效率更高。库柏特的视觉检测系统可通过机器自动识别、检测、分类目标物体,以实现降低人工成本、提升检测效率、提高识别准确率的目的,充分满足用户在外观检测、质量检测等方面的需求,目前已在香菇、巧克力、烟草检测等场景中落地。

通过收集大量物料的数据与分类策略,结合深度学习分类识别算法,最终机器人可凭2D视觉感知分析,对不同种类的物料进行分类处理,并可以将学习模型连续迁移到相似的不同客户场景。

香菇检测就是库柏特比较典型的一个例子,在同一培养皿上会生长不同种类的香菇,传统需要人工将其分类再售出,现在基于cobotsys 深度学习的人工智能视觉识别方法,对各种等级的农产品以及不良的香菇种类进行大量的样本采集,让机器自主学习,有效的区分农产品的等级与不良。目前,结合这一场景的特性,已实现规模商用。

无独有偶,在巧克力、玩具、烟草等行业,陆续部署了库柏特的视觉检测系统。

中国是世界机器视觉发展最活跃地区之一,应用范围几乎涵盖国民经济各个领域,庞大细分领域给与了视觉技术充分的成长环境,也给企业带来了更多挑战和机遇,没有所谓的通用法则和方案,也没有垄断的巨头。

聚焦细分领域,沉淀积累数据

从技术到落地,技术所实现的这一切,都离不开场景的支持,当然,这些技术的价值,最终都要回归到场景。

从这个角度上来看,科技下沉与产业升级的是个漫长融合过程,敬畏各个领域的复杂度,彼此学习,跨越鸿沟,相向而行。

当然,实际落地过程中,所有的感知决策都是基于算法。没有一种算法能够估计到所有的变化,必须通过学习来对算法进行训练,因此,数据积累尤其重要。对库柏特来说,构建不同行业以数据为核心的AI解决方案(AI软件),离不开作为自研的CobotSys和行业数据。

在早期做香菇分拣项目时,库柏特面对诸多挑战,但是最大的还在于“数据”,无数据积累、多维度差异且需要存储大量数据,而且数据获取直接影响模型的效果,且对标注人员要求较高,需要懂得行业知识。

“为了能和客户讲一样的语言”,项目团队选择扎根香菇厂,跟着分拣工人学习,一个个被锻炼成“专家”,经过多少个日夜的奋战,经由他们标注的图像,能让算法识别率跃升一个新高。这是库柏特团队能够持续落地场景的一个缩影,扎根这些细分领域,深入了解其“活法”,做接地气的有用功。

同样的,经过一番调研、立项、决策,选择在哪个场景落地,项目团队就扎根在哪个,实地学习,加工厂、生产线、仓库……有数据的地方,就有团队的身影。在这样一个个场景积累下,技术的突破带来业务的落地,业务的落地带来数据的累积,数据的累计可以带来技术的进步。这样的数据闭环,帮助整体业务拓展并能带来非常大的价值。

当然,以上凡此种种,需要时间,需要空间。所幸,库柏特操作系统cobotsys 中智能算法库和软件平台的通用性和领先性,保证了跨场景复制的可能性,当前,库柏特已积累超过20PB的客户终端数据,落地场景中的经验和数据不算完善系统核心算法,形成数据闭环和系统的飞轮效应。

写在最后

2020即将翻页,替换旧秩序的按键悄然按下,创新者只有不断向前。曾有一句话印象深刻,“智慧带来的问题,往往需要更大的智慧才能解决。”每个奋斗的企业的智慧往往体现都不一样,对库柏特来说,更大智慧却体现在结结实实下笨功夫,做个“接地气”的AI创业者,聚焦然后拓展,积累然后复制。最后用余世存的《时间之书》这句话来结束——你职责是平整土地,而非焦虑时光。你做三四月的事,在八九月自有答案。