人工智能，正在让一些看似不可能的事情变成可能。

它能把三十年的经验变成一个准确的算法；

它能让十个人就可以实现对十九个城市变电站7X24小时的实时监管；

它能把三十五种机器的声音翻译成“人话”；

它也能看出两千万亩农作物的生长情况。

在以前，这些事情似乎都是天方夜谭；但是百度飞桨（PaddlePaddle），让这些不可能真正变成了可能。

站在数据的肩膀上

人人都能成为熔炼大师

我国是个钢铁大国。2000年时，我国的铸造、熔炼就已经达到世界第一的产量。但无论是在质量方面还是在能耗方面，其实都与先进国家有非常大的差距。

铸造熔炼虽然是铸造工厂的重要工序，但目前铸造熔炼还全靠人工经验，稳定性不高。

在熔炼领域，一个新手往往需要二十年到三十年的沉淀和学习，才能成为真正的高精技术人才。而工厂的恶劣环境、炙热的熔炼炉、不太体面的工作职称……都是熔炼业将年轻人拒之门外的原因。由于缺少新鲜血液的注入、工厂里有经验的老师傅也越来越少，熔炼的质量问题和耗能问题都无法得到有效解决。

为了解决这些问题，精诺数据基于百度飞桨，研发了一套铸造熔炼生产智能解决方案——精诺智能熔炼系统。

百度飞桨把100多位老师傅们30年的配料经验做成了3秒就能给出结果的合金配比模型。

该模型主要采用监督学习的方式，运用了强化学习的思想，将包含有原料的熔炼时间和原料配比等多种因素的信息作为输入特征进入深度学习模型进行训练，而后在输出端能够形成符合目标工艺的原料配比方案，让铸造熔炼变成一门容易掌握的技术。

有了这套方案，刚刚入行的小白也能胜任老师傅们的工作，坐在控制室就能操控加料配料工作。以往，普通师傅精配步骤一般用时10分钟左右，如今只需要几秒钟，这中间节约的时间能够让工厂的生产效率提升15%左右。

师傅们也不需要面对高温的熔炉，熔炼行业的门槛被降到了最低，更多的年轻人表示愿意从事这份职业，人才稀缺状况得到了巨大的改善。

此外，熔炼过程的自动化还能节省大量能源。人工计算熔炼材料配比时，炉子在1500度的高温下需要不少电费，这个过程由 AI 来承担后能节省大量时间和能源，在提升工厂效率节省工厂支出的同时，还能为保卫蓝天做出贡献。

不仅如此，工厂管理者还可以通过设置推送的方式，通过手机 APP、短信、微信小程序等，随时随地掌握生产信息，让工厂数据更透明，告别数据小黑匣。

实时智能的 AI 巡检

让电力巡检迈入无人时代

我们日常离不开的电能，从生产到消费，要经过发、输、变、配、用五大环节，任何一个环节出问题，都会影响到电能的正常供应。

其中，输变电是电能通过电网传输的重要部分。因此，为保障电力系统的安全运行和电能的稳定供应，需要不间断的电力巡检，而一直以来，电力巡检都是由人工完成的。

一次典型的变电站巡视工作涉及的巡视点多达1000多个，这通常需要两位工作人员花费6-7个工时去完成，不止耗费人力，更耗费时间。不论严寒酷暑，电力工作人员都不得不穿上长袖长裤的工作服、头戴安全帽在室外奔波工作。“走一圈整个全身都是汗水，衣服都可以挤出水来”，南方电网广东能源技术公司机器人事业部杨英仪博士如此描述夏日室外巡检工作的艰辛。

随着经济的迅猛发展，电网的规模越来越大，输变电设备的数量也越来越多。在现有的人员规模情况下，如何提供智能化的巡检装备，使人力投入更少、运维效率更高，是摆在所有电力人面前的一道亟待解决的难题。

多年来，南方电网也一直在进行尝试，经过多次迭代，智能巡检机器人目前已经可以取代人工完成大部分自动化巡视工作。但由于受到复杂背景、光线条件等因素的影响，表计识别与识读的整体准确率仍然较低。

2017年，广东电网与百度建立了战略合作关系，赋能前端巡检设备也是合作的重要内容之一。智能巡检机器人攻关团队引入百度飞桨平台，利用其所提供的丰富深度学习算法，使机器人面向表计的深层次特征提取能力大大提高，突破了环境因素的制约，方法的准确率和鲁棒性显著提升，在表计目标检测、示数读取等方面的效果尤为显著。

现在，利用智能巡检机器人开展室外巡视，只需预先设定机器人的巡检点，规划好巡检路线，机器人就会自动进行所有相关表计的检测与读取。工作人员无需花费6个小时在现场巡视，而只需要在远方的主控室一键下达巡检任务。

“所以现在我们变电站可以利用智能巡检机器人替代人工开展现场巡视了”，杨英仪说道，智能巡检机器人的好处在于，受环境、气候及作业时长等因素的影响较小，可以降低人工巡检的劳动强度，降低运维成本，提高巡检作业和管理的自动化和智能化水平。

从更长远的意义上讲，智能巡检机器人的推广应用与赋能提升，可有效推动变电站巡检无人化的进一步发展。

机器听诊大师

探明噪声背后的“玄机”

工业设备产生的轰鸣噪声，对于平常人来说难以忍受。然而，这些细微变化的噪声对企业而言却是一笔宝贵的财富。

设备在运转的过程中，每一个“节奏”都暗藏玄机。刮擦声变大，可能是缺少润滑油，振幅频率变大，可能是螺丝松动...…这些看起来微小的变化，都有可能极大地影响整个生产线的正常运行。

当然，识别出机器噪声的细微变化对工厂的老职工而言并非难事，多年的经验让他们有了“异于常人”的听力，能够做到“听声辨位”。然而，面对人力资本提高、老职工退休、年轻人不愿意下工厂的现状，这种方法正在逐步“失效”。

同图像识别一样，AI 也可以在收集大量声音信息后重新定义“噪声”。

在百度飞桨助力硕橙科技的“机器听诊大师”解决方案中，AI 可以代替人耳，深入到恶劣的工厂环境中，通过噪声对各种机械状态进行识别、检测、统计，并进行设备健康度的评估。飞剪设备剪下钢带后，会产生一个不到一秒的噪声脉冲。通过百度飞桨深度学习进行 AI 识别，与典型噪声特征集进行对比，在完成一段时间的生产数据统计后，即可分析整个切割机器是否异常，进行生产执行管理。

这些功能的实现不再需要在设备上开设新的接口，仅需通过网络便可使数据互联，继而实现对设备的预测性维护。

在飞桨的助力下，“机器听诊大师”的应用可显著降低机器故障率，减少70%的故障停机，同时，通过科学维修排班，优化备件采购计划，还可使维护成本降低25%。

“机器听诊大师”作为易实施、高投入产出比的设备预测性维护方案，从需求调研开始，一般只需3个月的时间就能落地应用。且由于是非接触性方案，无需改造生产线，更无需停工，不需要额外的操作或应用培训就能直接使用。

硕橙科技服务的某汽车零配件客户使用“机器听诊大师”后，投资回报达到了300%以上。

一个 APP 指导万亩农业生产

让农耕不再靠“天意”

民以食为天，食以农为本。而农业的根本，在于农田；农田的健康，离不开“风调雨顺”等不可控的外界条件。在这个科技蓬勃发展的时代，很多农民依然要靠天吃饭。

每到冬天，农场主张磊都会在自家上千亩农田上种上冬小麦。播种后的一周里他每天都要走上几十万步路巡视农田，一一查看小麦的出苗情况。出苗之后，冬小麦到了返青、拔节、出穗、乳熟、成熟等关键生育期时候，巡田工作还会加倍。

田是巡了，但是作物生长是否健康，只能依靠他的经验来判断。有时候看走“眼”，一大片的作物就可能废了。

今年冬天，中科赛诺团队带来了一款中科赛诺新农业家 APP，农户在 APP 上就能巡田并制定应对策略。

通过结合中科赛诺的遥感技术和百度飞桨的深度学习技术，许多农户、农技专家足不出户，通过手机就能随时掌握天气变化数据、市场供需数据、农作物生长数据，准确判断农作物是否该施肥、浇水或打药，不仅能避免因自然因素造成的产量下降，而且可以避免因市场供需失衡给农民带来经济损失。

构建中科赛诺新农业家 APP 丰富的智能农业功能的基础在于——地块管理，也就是解决农户种植过程中的第一步：知道自家的田地在哪儿、有多大面积、种植了什么作物等。此前，他们主要依靠遥感影像的光谱分析来做地块识别，这种相对传统的方法，需要前期采集大量的样本数据，且识别的精度不高。

同时，卫星遥感影像数据存在画幅巨大、肉眼分辨率低、对识别人员专业要求能力高等问题，且人工标注需要大量重复劳动，非常费时费力。

中科赛诺基于百度飞桨创造了自动农耕地块提取系统，应用飞桨图像分割库 PaddleSeg 中的Deeplab V3模型实现地块面积提取准确率达90%以上。

基于飞桨的数据采集建立模型后，即使是换了区域，如果作物生长差别不大，也能达到较高的识别率，不需要重新采集数据。系统还可以快速自动获得农耕用地边界及面积，对作物长势、作物分类、成熟期预测、灾害监测、估产等工作进行高效辅助，大大减少了传统人力的投入，将地块信息采集和分析变成了一件相对简单的工作。

“普通农户真的很辛苦，他们需要定期巡田、灌溉、施肥、病虫害防，一个环节出问题，一年的收成就没了。现在我们的技术，改变了田间农作日常，他们打开手机就能看到作物生长情况。浇水、施肥、杀虫，看一眼就能准确安排上。”中科赛诺一位女工程师骄傲地说道。

这四个案例只是 AI 赋能百业的一部分缩影，以百度飞桨为代表的人工智能技术，正在让更多的不可能变成可能！

作为中国首个也是目前国内唯一全面开源开放、技术领先、功能完备的产业级深度学习平台，百度飞桨已经成为全面推动国内产业智能化升级的重要基石。

它集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体，拥有开发便捷的产业级深度学习框架；支持超大规模深度学习模型的训练；多端多平台部署的高性能推理引擎；面向产业应用，开源开放覆盖多领域的工业级模型库等四大国际领先技术。

目前百度飞桨已经赋能千行百业，推动了产业智能化浪潮，让产能实现平方级增长。未来，我们也将看到更多类似的案例，见证更多的奇迹发生。

欢迎进入飞桨官网（https://www.paddlepaddle.org.cn/），或关注「飞桨 PaddlePaddle」微信公众号，及时掌握飞桨的最新进展和应用案例！