在企業(yè)AI模型的開發(fā)中，從數(shù)據(jù)準備到模型訓練再到服務(wù)部署，每個環(huán)節(jié)都需要企業(yè)加以關(guān)注。數(shù)據(jù)的質(zhì)量直接影響模型效果，企業(yè)需要高效率、低成本完成數(shù)據(jù)的采集、上傳、清洗與標注并快捷接入模型訓練。在傳統(tǒng)醫(yī)藥物流行業(yè)的分揀業(yè)務(wù)中，藥盒種類多、背景復雜、檢測速度要求快，人工分揀和復核已難以滿足需求。商務(wù)服務(wù)業(yè)、知識密集型產(chǎn)業(yè)則面臨著海量數(shù)據(jù)的理解與處理難題，培養(yǎng)一名理解行業(yè)的員工需要耗時多年，但經(jīng)驗傳授卻難上加難，企業(yè)培養(yǎng)人才成本高。

EasyDL零門檻AI開發(fā)平臺，面向企業(yè)開發(fā)者提供智能標注、模型訓練、服務(wù)部署等全流程功能，針對AI模型開發(fā)過程中繁雜的工作，提供便捷高效的平臺化解決方案。針對數(shù)據(jù)管理問題，EasyDL中的EasyData智能數(shù)據(jù)服務(wù)平臺，提供覆蓋采集、清洗、標注、加工等一站式數(shù)據(jù)處理功能，并與模型訓練環(huán)節(jié)無縫對接，通過數(shù)據(jù)閉環(huán)功能支持高效的模型迭代。EasyDL面向不同人群提供了經(jīng)典版、專業(yè)版、行業(yè)版三種產(chǎn)品形態(tài)，其中EasyDL專業(yè)版支持深度開發(fā)高精度業(yè)務(wù)模型，內(nèi)置了豐富的預訓練模型，能適用于多種場景，僅需少量數(shù)據(jù)即可達到優(yōu)異的模型效果。

剛剛結(jié)束的EasyDL產(chǎn)業(yè)應(yīng)用系列公開課從案例出發(fā)，為你帶來行業(yè)洞察與模型開發(fā)實操演示，錯過直播也不必擔憂，本文精選三個經(jīng)典案例，提取行業(yè)AI應(yīng)用的核心知識點，助你翻越企業(yè)AI應(yīng)用的高山！

核心解決問題：覆蓋數(shù)據(jù)采集、清洗、擴充、智能標注的一站式數(shù)據(jù)服務(wù)

典型案例：智能云秤實現(xiàn)自動稱重結(jié)算

面對疫情，減少人員聚集被反復強調(diào)。在社區(qū)果蔬店中，如何做到減少人員聚集，通過智能果蔬識別結(jié)算秤代替人工結(jié)算被中科立業(yè)所關(guān)注。但在數(shù)據(jù)準備階段，主要遇到了兩個問題：水果種類繁多，包裝情況復雜，對數(shù)據(jù)量要求高；重復圖片和模糊圖片數(shù)量多，數(shù)據(jù)質(zhì)量需要提升。這兩個問題也不僅僅出現(xiàn)在這一個案例中，許多企業(yè)在采集訓練數(shù)據(jù)時都會遇到采集上傳困難、數(shù)據(jù)需預先處理耗費大量精力等問題。

為此，中科立業(yè)開始使用EasyData數(shù)據(jù)智能服務(wù)平臺，通過將平臺提供的SDK部署到智能秤的攝像頭中，不僅可以自定義修改抽幀頻率和運行時間，可根據(jù)果蔬店運營時段設(shè)定圖片采集時間；還可以直接將攝像頭采集到的一手圖片數(shù)據(jù)，傳輸至EasyData平臺，進行清洗、標注等后續(xù)操作。由于常見水果的出現(xiàn)頻率高、部分采集圖片模糊不清等原因，出現(xiàn)了大量重復圖片與人眼都難以識別的模糊圖片，中科立業(yè)使用EasyData數(shù)據(jù)清洗中的“去重復”與“去模糊”功能，去掉重復率高的圖片與高模糊度的圖片，優(yōu)化訓練數(shù)據(jù)，進一步提升數(shù)據(jù)集的質(zhì)量。

通過EasyData平臺對數(shù)據(jù)進行采集、處理與標注，并依托EasyDL的圖像分類模型進行訓練，中科立業(yè)成功訓練了一個果蔬識別模型，目前已經(jīng)可以成功識別50種水果，識別準確率達到95%以上，已在20家店鋪成功落地應(yīng)用；同時，仍在持續(xù)優(yōu)化模型效果、增加水果種類。

立即使用智能數(shù)據(jù)處理服務(wù)，可百度搜索“EasyData”或訪問：https://ai.baidu.com/easydata/

核心解決問題：醫(yī)藥物流行業(yè)的分揀流程，機器人替代人工高效精準抓取

典型案例：藥盒檢測分揀模型的開發(fā)

近年來，隨著互聯(lián)網(wǎng)醫(yī)藥的快速發(fā)展、醫(yī)藥流通市場的逐步規(guī)范、零散藥品內(nèi)復核、整箱外復核的推行，醫(yī)藥物流行業(yè)顯現(xiàn)出兩個特點：拆零占比大、訂單碎片化程度大。零散的藥盒分揀與復核，單純采取人工進行工作，每個工人負責的分揀區(qū)域較大，出庫頻率較低，這一工作方法在日益龐大的醫(yī)藥物流體系中難以長久維系。因此，越來越多企業(yè)希望把AI能力應(yīng)用到產(chǎn)品與服務(wù)中，然而，基于開源框架的模型開發(fā)需要專業(yè)算法團隊的支持，付出的成本使許多企業(yè)望而卻步。

浙江工業(yè)大學信息工程學院的付老師，根據(jù)企業(yè)對高效率、高性能、低成本AI開發(fā)平臺的需求，找到了EasyDL。

經(jīng)過對分揀場景需要精準定位藥盒這一需求的細致了解，付老師選擇了EasyDL專業(yè)版的物體檢測模型。為盡可能提高模型精度，在準備原始數(shù)據(jù)集時，與實際應(yīng)用時選擇了同樣的設(shè)備與背景進行藥盒采樣，并盡量覆蓋各種角度，以保證訓練數(shù)據(jù)與實際業(yè)務(wù)數(shù)據(jù)盡量一致。EasyDL專業(yè)版的物體檢測模型支持開發(fā)者根據(jù)自己對模型性能和精度的需求靈活進行網(wǎng)絡(luò)選型，在藥盒檢測中，付老師推薦使用高精度的FasterRCNN、YoloV3或mobilenetSSD網(wǎng)絡(luò)，也鼓勵用戶根據(jù)頁面上的選型提示查看不同網(wǎng)絡(luò)的特點。在啟動訓練后，付老師選擇了支持數(shù)據(jù)閉環(huán)，持續(xù)不斷優(yōu)化模型效果。

在具體部署時，企業(yè)需要根據(jù)應(yīng)用場景進行選擇。在藥盒分揀場景中，對時延要求很高，因此推薦進行離線部署。付老師選擇的EasyDL-EdgeBoard VMX加速卡軟硬一體方案，將模型部署到VMX加速卡，直接集成到機械臂中。在實際落地過程中，該物體檢測模型的3D定位精度精確到1-2毫米，每完成一次分揀任務(wù)的周期是7秒左右，并且相對人工覆蓋區(qū)域更大，可24小時不間斷工作，實現(xiàn)了分揀場景的智能化轉(zhuǎn)型。

立刻嘗試EasyDL專業(yè)版，可百度搜索“EasyDL專業(yè)版”或直接訪問：

https://ai.baidu.com/easydl/

核心解決問題：海量復雜文本的結(jié)構(gòu)化與靈活部署

典型案例：獵頭行業(yè)實現(xiàn)復雜文本分類

獵頭行業(yè)作為知識密集型行業(yè)，看似門檻低，但在實際工作中要求從業(yè)人員對其所專注的行業(yè)擁有深入的認知和理解，只有掌握行業(yè)內(nèi)不同公司的各類工作信息，才能為候選人提供全面的顧問咨詢服務(wù)。因此，獵頭行業(yè)中，從入門的小白到掌握行業(yè)信息的專家，往往需要多年的經(jīng)驗累積和知識沉淀。

然而，已經(jīng)積累下的海量數(shù)據(jù)，是否能夠通過結(jié)構(gòu)化處理，將沉淀的歷史數(shù)據(jù)和源源不斷的新數(shù)據(jù)通過AI賦能變?yōu)橐?guī)則化的標簽，幫助從業(yè)人員進行快速解讀被瀚才獵頭的負責人譚笑然所關(guān)注。

在瀚才獵頭的模型開發(fā)中，譚笑然分享了一個提升模型訓練效率的關(guān)鍵點：數(shù)據(jù)清洗與關(guān)鍵信息的留存。在第一次進行模型訓練時，十萬條數(shù)據(jù)訓練了近六天，效率很低。通過EasyDL后臺工單的協(xié)助，重新進行了數(shù)據(jù)處理：首先對數(shù)據(jù)進行數(shù)字化統(tǒng)一，通過OCR等功能將不同格式的數(shù)據(jù)統(tǒng)一為文本格式；下一步進行數(shù)據(jù)的結(jié)構(gòu)化，留下需要的模型數(shù)據(jù)，最后將冗余數(shù)據(jù)和模糊數(shù)據(jù)剔除。由此獲得的高質(zhì)量語料，在提升模型訓練速度的同時，大大提高了模型的準確率。

瀚才獵頭公司累積了10余年的近200萬條候選人數(shù)據(jù)，通過EasyDL專業(yè)版的文本分類模型，將企業(yè)內(nèi)部經(jīng)營信息及候選人信息高效、安全、低成本地進行了結(jié)構(gòu)化分類。由于EasyDL提供端云協(xié)同的多種靈活部署方式，用戶可以根據(jù)自己的具體業(yè)務(wù)場景和訓練的模型類型，選擇適應(yīng)的部署方式，包括公有云API、設(shè)備端SDK、離線服務(wù)器與軟硬一體部署方案。在瀚才獵頭的模型開發(fā)完成后，根據(jù)公司日常業(yè)務(wù)處理的需要，笑然將模型集成到公司工作管理平臺，結(jié)合使用實現(xiàn)了海量數(shù)據(jù)的結(jié)構(gòu)化處理，大大降低了學習成本與數(shù)據(jù)的處理成本。

快速開發(fā)高精度業(yè)務(wù)AI模型：百度搜索“EasyDL”或直接訪問：https://ai.baidu.com/easydl/

以上三個典型案例，在數(shù)據(jù)處理、模型訓練與服務(wù)部署各有側(cè)重，是否也為你帶來了AI落地產(chǎn)業(yè)應(yīng)用的啟發(fā)？在EasyDL產(chǎn)業(yè)應(yīng)用系列公開課中，行業(yè)資深專家聯(lián)手百度研發(fā)工程師，從行業(yè)深度解讀到產(chǎn)品實際應(yīng)用，幫助你快速理解業(yè)務(wù)、掌握技術(shù)，成長為一名懂行業(yè)的AI工程師，協(xié)助企業(yè)完成智能化轉(zhuǎn)型的飛躍！

查看覆蓋各行業(yè)經(jīng)典案例：

https://ai.baidu.com/customer?industry=0&technology=8&clickType=industry

課程重點回顧與錄播視頻，可百度搜索“EasyDL產(chǎn)業(yè)應(yīng)用公開課”，或訪問：

https://ai.baidu.com/support/news?action=detail&id=2075

[[332413]]

對課程或產(chǎn)品使用有問題或建議，可微信搜索“BaiduEasyDL”添加小助手，或掃描下方二維碼。