安(an)(an)吉(ji)智能是(shi)上(shang)汽安(an)(an)吉(ji)物(wu)流(liu)旗下專(zhuan)注于智能物(wu)流(liu)解決(jue)方案的服(fu)(fu)務(wu)(wu)商，服(fu)(fu)務(wu)(wu)于上(shang)汽安(an)(an)吉(ji)物(wu)流(liu)內部的同時，也向(xiang)汽車 制(zhi)造(zao)、機(ji)械電子、醫(yi)藥、冷鏈、日化、服(fu)(fu)裝等行業(ye)企業(ye)提供相(xiang)關技術服(fu)(fu)務(wu)(wu)。

物(wu)流行業(ye)向來注(zhu)重安(an)(an)全管理(li)工作。以上汽(qi)安(an)(an)吉物(wu)流為(wei)例(li)，其(qi)業(ye)務范圍涵蓋(gai)汽(qi)車(che)零部件、整車(che)、港(gang)口、快(kuai)運四個(ge)物(wu) 流業(ye)務板塊，包括上汽(qi)、特(te)斯拉等主要汽(qi)車(che)公司的(de)整車(che)倉(cang)儲與進出口業(ye)務，其(qi)在全國(guo)范圍內管理(li)10個(ge)港(gang)口s 300 多個(ge)網點、5萬多名員(yuan)(yuan)工。為(wei)了保(bao)(bao)障(zhang)如此龐大的(de)物(wu)流系統能夠安(an)(an)全有序地運轉，上汽(qi)安(an)(an)吉物(wu)流每年花費上億元用 于雇(gu)傭(yong)安(an)(an)保(bao)(bao)人員(yuan)(yuan)。但(dan)隨著業(ye)務規(gui)模的(de)增長，過度依賴人力(li)的(de)傳(chuan)統安(an)(an)全管理(li)模式已(yi)經無法滿足其(qi)發(fa)展需(xu)求(qiu)。

針對(dui)(dui)物(wu)(wu)流(liu)行(xing)業安(an)(an)全管理(li)中(zhong)(zhong)的(de)痛點(dian)問題，安(an)(an)吉智(zhi)能(neng)自主研發了(le) “安(an)(an)眸智(zhi)能(neng)視(shi)覺管理(li)系統(tong)(tong)”，利用計(ji)算機(ji)視(shi)覺技術對(dui)(dui) 港(gang)口、園區、倉庫(ku)等(deng)物(wu)(wu)流(liu)業務場景中(zhong)(zhong)的(de)核心元素“人員(yuan)、貨物(wu)(wu)、設備”進(jin)行(xing)識別和分析，并對(dui)(dui)出(chu)現的(de)違(wei)反(fan)安(an)(an)全管 理(li)規范的(de)問題及(ji)時(shi)提醒和釆取相應措(cuo)施，主動(dong)(dong)化解(jie)潛在危(wei)險。以(yi)倉庫(ku)場景為例，安(an)(an)眸系統(tong)(tong)能(neng)夠對(dui)(dui)倉庫(ku)內的(de)叉車(che)超(chao) 速、禁區出(chu)現人員(yuan)、員(yuan)工危(wei)險動(dong)(dong)作(zuo)、著裝(zhuang)不規范等(deng)行(xing)為作(zuo)出(chu)精準識別，并進(jin)行(xing)管理(li)。

針對非結構(gou)化數據集管理中的難題(ti)，格物(wu)鈦為安吉智能提供了(le)如下解決方案：

第一，在(zai)云端對數(shu)據(ju)進行(xing)統一托管。安(an)吉(ji)(ji)智能各個網點的(de)(de)數(shu)據(ju)都存儲在(zai)云端，格(ge)物鈦的(de)(de)數(shu)據(ju)平臺全(quan)面托管了(le)安(an)吉(ji)(ji) 智能的(de)(de)原(yuan)始數(shu)據(ju)、標(biao)注數(shu)據(ju)和元信息。在(zai)平臺的(de)(de)權(quan)限管理功能保障數(shu)據(ju)訪(fang)(fang)問安(an)全(quan)的(de)(de)前提下(xia)，安(an)吉(ji)(ji)智能的(de)(de)團(tuan)隊(dui)可以 在(zai)平臺上方便地訪(fang)(fang)問數(shu)據(ju)和進行(xing)團(tuan)隊(dui)協作(zuo)。

第二，數(shu)(shu)據(ju)(ju)版本(ben)可追溯。安吉(ji)智能(neng)(neng)每(mei)月或(huo)每(mei)周會在(zai)數(shu)(shu)據(ju)(ju)集(ji)內(nei)新(xin)增(zeng)圖片和(he)物(wu)品類數(shu)(shu)據(ju)(ju)，通過(guo)格物(wu)鈦(tai)數(shu)(shu)據(ju)(ju)平臺(tai)，安吉(ji) 智能(neng)(neng)在(zai)新(xin)增(zeng)的(de)(de)數(shu)(shu)據(ju)(ju)上(shang)做標(biao)注，然(ran)后(hou)合并進原有數(shu)(shu)據(ju)(ju)集(ji)，并打上(shang)標(biao)簽(qian)，從而形成新(xin)的(de)(de)標(biao)準化的(de)(de)數(shu)(shu)據(ju)(ju)集(ji)版本(ben)。算法工 程師只(zhi)需(xu)要根據(ju)(ju)標(biao)簽(qian)就能(neng)(neng)找(zhao)到需(xu)要的(de)(de)數(shu)(shu)據(ju)(ju)集(ji)版本(ben)，并比較各(ge)個數(shu)(shu)據(ju)(ju)集(ji)之間的(de)(de)差異。

第三，數據(ju)集分(fen)布(bu)特征可視化。格物鈦數據(ju)平臺(tai)的可視化組件能讓(rang)算法工(gong)(gong)程師從宏觀(guan)層面(mian)查看數據(ju)集的特征分(fen) 布(bu)，以及從微觀(guan)層面(mian)查看單個文件和標(biao)注(zhu)(zhu)數據(ju)。安吉智能的算法工(gong)(gong)程師因(yin)此能夠在模型(xing)訓(xun)練前直接查看數據(ju)標(biao) 注(zhu)(zhu)信息，也可以在模型(xing)訓(xun)練后將(jiang)預(yu)測(ce)結果作為一個數據(ju)版本(ben)，與人工(gong)(gong)標(biao)注(zhu)(zhu)的數據(ju)版本(ben)進行比較，從而(er)判斷(duan)模型(xing)效 果和數據(ju)標(biao)注(zhu)(zhu)質(zhi)量。

針對(dui)算法和數(shu)(shu)據(ju)團隊的(de)(de)深度(du)綁(bang)定(ding)，手(shou)動(dong)(dong)執行(xing)數(shu)(shu)據(ju)處(chu)理工作(zuo)效率低的(de)(de)問題，安吉(ji)智能通(tong)過使用格物鈦數(shu)(shu)據(ju)平(ping)臺的(de)(de) Action功能，并(bing)結(jie)合(he)了一(yi)些自研算法，對(dui)數(shu)(shu)據(ju)收集(ji)、數(shu)(shu)據(ju)標(biao)(biao)注(zhu)(zhu)、模(mo)(mo)型訓練(lian)等關(guan)鍵流程設置任務自動(dong)(dong)觸(chu)發機制， 并(bing)讓整(zheng)(zheng)個流程實現自動(dong)(dong)化。在(zai)(zai)(zai)數(shu)(shu)據(ju)收集(ji)階段，安吉(ji)智能通(tong)過自研圖(tu)(tu)(tu)像相似度(du)和質(zhi)量分析(xi)的(de)(de)算法，當(dang)發現符合(he)要求的(de)(de)圖(tu)(tu)(tu)像后(hou)(hou)自動(dong)(dong)在(zai)(zai)(zai)攝像頭中(zhong)進(jin)行(xing)抽幀并(bing)將圖(tu)(tu)(tu)像上傳至云端；在(zai)(zai)(zai)數(shu)(shu)據(ju)標(biao)(biao)注(zhu)(zhu)階段，通(tong)過使用格物鈦數(shu)(shu)據(ju)平(ping)臺，當(dang)符合(he)需 要的(de)(de)圖(tu)(tu)(tu)片數(shu)(shu)據(ju)達到一(yi)定(ding)量級后(hou)(hou)，平(ping)臺自動(dong)(dong)觸(chu)發數(shu)(shu)據(ju)標(biao)(biao)注(zhu)(zhu)任務，然后(hou)(hou)通(tong)過簽(qian)約(yue)的(de)(de)數(shu)(shu)據(ju)標(biao)(biao)注(zhu)(zhu)公司在(zai)(zai)(zai)平(ping)臺上對(dui)數(shu)(shu)據(ju)進(jin) 行(xing)標(biao)(biao)注(zhu)(zhu)，再與原(yuan)先的(de)(de)數(shu)(shu)據(ju)集(ji)進(jin)行(xing)合(he)并(bing)。在(zai)(zai)(zai)模(mo)(mo)型訓練(lian)階段，當(dang)平(ping)臺監測到數(shu)(shu)據(ju)標(biao)(biao)注(zhu)(zhu)完成形成新的(de)(de)數(shu)(shu)據(ju)版(ban)本后(hou)(hou)，會自動(dong)(dong)先進(jin)行(xing)模(mo)(mo)型訓練(lian)，然后(hou)(hou)對(dui)更新后(hou)(hou)的(de)(de)模(mo)(mo)型的(de)(de)預測結(jie)果進(jin)行(xing)評估，識別預測效果不好的(de)(de)圖(tu)(tu)(tu)片，并(bing)在(zai)(zai)(zai)平(ping)臺上對(dui)數(shu)(shu)據(ju)標(biao)(biao)注(zhu)(zhu)實時(shi)地進(jin)行(xing)調整(zheng)(zheng)。