控制台登陆
400-700-8700

0-20

 

6月25日,由微软全渠道事业部首席技术官徐明强博士主讲的“徐博士大讲堂”系列活动,在微软人工智能和物联网实验室举行了首场分享。

 

围绕“智能边缘时代下的数字化转型”话题,品览CTO彭靖田受邀展示品览使用AML和IoT Edge组合成功服务上汽安吉物流的案例,与徐明强博士一起呈现了一场精彩的分享课程。

 

屏幕快照2019-11-22下午6.10.01

 

品览AI+Cloud+IoT方案
助力安吉物流供应链数字化升级

 

为了解决汽车行业零配件“非标化”的库存管理挑战,以及对于高位货架传统人工盘点效率低、人力耗时久、安全性不高等问题,品览创新地提出了“无人叉车+AI视觉系统”的智能仓储盘点解决方案。

 

屏幕快照2019-11-22下午6.14.11

 

通过建立不同零件的视觉模型,训练无人叉车实现对仓储零配件的精准识别,最终实现全自动高速盘点:将单次仓库盘点的时长从360小时提升到4小时。

 

0-22

 

在方案的功能实现上,品览选择了Azure云上的AML和IoT Edge的组合,实现“云加端”的融合管理,一键实现模型部署到无人叉车机器人中。针对安吉物流仓库数量多、业务范围遍布全国的特点,使用AML的模型一键IoT Edge部署功能,集群IoT设备部署功能以及AKS部署功能,从而具备跨地域,跨产品门类,跨服务类型不同仓库数字化智能盘点能力。

 

靖田大牛说
AI+TensorFlow=机器学习的正确打开方式

 

在“徐博士大讲堂”系列首场活动做分享,品览CTO彭靖田被赞有Geek范儿。作为Google Developers Expert,国内第一本系统剖析Google AI框架专著《深入理解TensorFlow》以及《TensorFlow快速入门与实战》的作者,彭靖田是名副其实的TensorFlow技术大牛,曾经是TensorFlow社区全球前 40 的贡献者。


△ 品览CTO彭靖田在微软徐博士大讲堂分享案例

 

在众多深度学习框架中,TensorFlow凭借强劲的运算性能、高效的超大集群并行能力、生产环境部署的稳定性、丰富的语言接口以及支持灵活的模型设计等特点,成为目前最受欢迎的深度学习和机器学习框架。在品览专注的计算机视觉领域,TensorFlow能够带来哪些便利呢?

 

在彭靖田看来,计算机视觉是一个很经典并且已经发展很久的的领域,而TensorFlow本身就很擅长卷积神经网络(CNN)类型的模型建模和训练。不管是用底层的原生API来实现CNN类型的网络,还是用上层的Keras,Estimator等高级API,都能很方便的实现计算机视觉领域相关的算法模型的构建和训练。

 

TensorFlow能够为算法工程师提供高层次的API,让算法工程师足够方便的去快速实现各种AI模型,也可以很快的去验证试错。而对于系统架构工程师而言,TensorFlow提供了足够灵活的底层API,来做系统的调优,比如在GPU集群上做分布式多机多卡管理。而如何能够更好的提升模型服务效率,就需要基于当前的计算网络和存储环境来做调优。

 

 

 

品览CTO彭靖田应邀微软徐博士大讲堂,展示IoT Edge助力安吉物流数字化升级

2019-06-26