AI自动观测天气状况，识别准确率不断提升 

在别人眼里，“与星为伴、与云为伍”是件浪漫的事。但在气象工作者眼里，更是一种社会民生的责任和坚守。他们将云划分为三族十属二十九类，天空的云量可以细化到11个级别。而他们要做的是24小时监测，准确地“认”出这些云，且识别准确率不能低于80%。

杭州环境气象中心的胡德云、杨焕强和同事们驻扎在馒头山，但他们的思想却很超前“大部分气象要素实现自动化了，那能不能把剩下的部分也实现自动化，让气象观测员从馒头山的气象观测场解放出来？“

他们和同事一起付诸行动：在全国建立了28个站点，收集了内蒙古、青海、黑龙江、北京等多地不同的气候图片，从沙暴、扬尘到高原云状，他们全都“捕捉”到了，数量达100万张。收集到足够多的图片样本只是第一步。之后，他们将精选的2万张气候图片，借助百度EasyDL定制化训练和服务平台进行训练打造了一套能够智能“看云”的AI系统，这套系统里包括观察云状、云量、天况、霜露、雨凇雾凇、茶叶霜冻识别等气象图片的定制化模型，目前，已经对20多种云状、11种云量，以及雾、霾、沙尘、霜露、结冰、结雪、雨凇雾凇、茶叶霜冻等天气状况进行自动观测。经过不断迭代，现在这套人工智能天气观测系统对20多种类型的云状识别准确率达87.5%，云量识别实际准确率也在85%以上，霜露、雨凇雾凇识别准确率均在80%以上。

 AI辅助路桥维护巡查工作，保障人民出行一路平安 

“宁波有6000多座桥梁。”刘瑞江说，“宁波市下属有40名左右的桥隧工程师，再下面是一线巡检工人，每人每个月要检查一次，每次大概400至500座桥。”桥梁监测并不是远远看一看就好，他们需要现场采集病害图片，手写记录相关数据，回到工作单位后再将巡检内容汇总、分类数据并提报系统。

“内容要记录的东西很多，比如哪座桥上、哪个部件、什么位置、病害类型、病害尺寸、定损等等。”刘瑞江说，录入很耗时，一般要花3到4天，提报系统后，会按照提报情况、区域分配维修工程师做相关维护。

“其实公路养护行业有大量的纸质历史数据，但是传统手段应用它们成本高、效率低。”刘瑞江说，人工智能的一些技术解决方案比如NLP 、OCR 、知识图谱这时候就派上了用场。

在北京，新桥信息研发部部门经理张磊也在想，能不能借助技术，帮助宁波的巡检工人更轻松地巡检桥梁。

结合历史积累的道路及病害图像，北京新桥使用百度的EasyDL训练了图像分类、物体检测算法，实现训练桥梁结构类型分类、桥梁破损部位、道桥病害模型，用于帮助全国日常道路桥梁维护巡查工作。如今，EasyDL训练处的模型对桥梁破损部位识别准确率可达94%，并能识别出结构物破损、裂缝等十多种病害，完全是一名合格的路桥巡检员了。

现在，刘瑞江和他的同事们只需要现场拍照，并测量病害尺寸即可，后台算法就能实时识别并作出相关反馈，只需要花费原来三分之一的时间，而且原来人看不见的地方，比如悬索桥顶部、桥底部，也可以通过无人机拍摄，再交给人工智能这位“员工”处理。

 AI排查输电线路外部隐患，守护电网安全供应 

在佛山市不到4000平方公里的土地上，铺设着超过5000公里的输电线路，而徐振磊和同事们要做的，就是保护这些线路的安全可靠运行，确保电力供应的安全。9个线路班组，每班平均十来人，每天驱车100多公里，巡查沿途输电线路的情况。

线路运维人员每天大部分的时间都消耗在路上，不仅工作量大，有些地方路况不佳，开车都很难到达。最近几年，他们开始尝试用科技进行改善，比如应用无人机帮忙巡线，还在一些线路上安装了摄像头。但伴随而来的，还有新的挑战——传回来的照片仍然需要人工筛别，且数据量呈几何式增长，平均每人每天要面对几千张照片，这给审核人员带来了巨大的工作压力。

他们借助百度大脑EasyDL训练了一套输电线路外部隐患识别模型，用来识别出输电线路中存在的吊车、挖掘机等外部隐患，一旦发现隐患，就实时通知负责该区域线路运维的班组及时排查处理，确保输电线路安全运行。

“以前安装监控，相当于给输电线路安装了‘眼睛’，现在有AI技术，输电线路就像是有了自己的‘大脑’，不仅更快更便捷，检测的水平也提高了。”徐振磊说。

正是AI的这个“大脑”，监测系统可以自动识别输电线路外部隐患，让班组人员和巡检员工作量减少了20%。

 AI升级工业制造生产力，确保零部件保质保量 

自1980年成为经济特区以来，深圳一直在以惊人的速度成长，在外围郊区，座落着几家大型工厂，它们是世界级品牌苹果与三星产业链上的一个齿轮：核心零部件生产供应商。

 华付瑶，就是这些工厂里数万工人中的一个。与其他流水线上的工人不同，华付瑶身体不如他们那么健壮，还戴着一副眼镜，“别人说我不像工人，更像是个搞学术的。”华付瑶说，“我的工作是质检员，也就是产品质量的把关者。”“那些零件，最小的可以达到1mm X 1mm，质检员都得拿放大镜看。”

高亮度的工作间里，质检员每天都要重复这样的工作8至12小时，下了班眼睛都是痛的，见风就会流泪，高度近视是常见的现象。除此之外，质检员还面临着因一个漏判整批次零件打回的风险。

“让人工智能在工业上形成生产力，最可能的方向就是质检。”领邦仪器公司CEO崔忠伟博士说。

领邦引入了百度的开源深度学习框架PaddlePaddle，通过训练和研发，AI做到了可以检测45mm以下零件外观缺陷，如刀痕、磕边、麻点、砂眼等，并实现缺陷位置标注和分类。而且AI的工作效率很高——一台零件智能分选机器人能达到10个工人的工作效率。

这一次，AI这个“隐形劳模”帮工厂生产成本平均降低15%，效益提升15%。由于机器检验水平稳定，大大提高了产品的交付质量，交付投诉率平均降低了30%，综合生产力水平平均提高了30%。

 AI排查输电线路外部隐患，确保电网安全供应 

林聪田博士就职于中国科学院动物研究所，不久前，他开发出了一个名为“生物记”的平台，这是通过百度EasyDL训练野生动物（如中国鸟类等）模型，有效解决了生物分类学研究、生物科学普及中快速鉴定识别物种难题的平台，可支持科学考察与科学普及活动，网站平台目前已经上线服务。

“生物记将为中国科学院A类先导专项‘地球大数据科学工程’积累更丰富的生物物种数据，也将为野外博物教育提供强有力的科学支持。”林聪田介绍，在最新版本的生物记中，物种智能识别工具可与分类专家的专业知识相结合，帮助分类专家及野外观测人员大大提高物种识别的效率和可靠性。目前训练后的鸟类识别模型能够识别1000多种常见中国鸟类，Top3准确率达到92%，蝴蝶物种模型能够识别12个科级类别的蝴蝶。

在保证物种覆盖度的同时，TOP3的识别准确度在92%以上，TOP5的准确率接近95%。不仅如此，用户可以为每一条观测记录提供相关证据，批量上传物种图片。通过百度EasyDL训练的鸟类识别模型，用户可以快速获取物种名称与百科知识。

了解更多详细信息，请阅读案例原文：https://ai.baidu.com/support/news?action=detail&id=1395