屌炸天：四个学生竟用百度PaddlePaddle整粗个“AI桃子选美机” 帮刘伯母一年省了3万块

Posted 2021-04-01 小白不菜

【听杨姐说】

 

今年夏天，果农刘伯伯真是太开心了，就像天上掉馅饼一样，他预计今年全年能白白多赚3万块！

 

没错，这三万块是四个大学生帮他“捡到”的：北京工业大学自动化专业的学生周忠祥，和他的三个同学做了一台“桃子选美机”，就是根据大桃的大小、颜色、品相来自动给桃子做分类，目前机器分桃准确率已超过90%。

 

对，就是这个玩意儿！

别看这台机器不起眼，但有了这台机器刘伯伯少请了不少帮他分拣桃子的银，前后一算全年的话竟然一共省了3万多银子！

 

您可千万别以为挑桃子是件很容易的事。

 

要知道，桃子等水果的收获需要大量的人力，因为要想能够做到看一眼就熟练地将桃子根据色泽、形状、大小、重量等多个属性分为5档，可不是随便一个人就能做到的，这你杨姐我……就绝对不行！这没个四五年的功力还真的办不到，绝对得是务农的老司机才行！

 

3万块啊，对于城市里的白领可能还算不了什么，但是对于农民来说，这可真是就像牙缝里省出来的一样，真不容易啊！

 

这个机器由传送带、推拉装置、电路控制系统和大桃品相识别系统四部分构成——你以为容易么？就这台机器，其实是认了6400张图片后，才能光荣“上岗”的！

 

其实，最最核心的地方，就在于那个“品相识别系统”——姐开始还纳闷，就四个大学生，没数据没模型，怎么可能搞出了人工智能？一问才知道，原来学生们是用了百度PaddlePaddle深度学习平台的能力，再结合上自己的自动化专业能力才开发出来的。

 

诞生记

 

其实，这四位大学生其实对AI和深度学习并不是太了解，但他们知道，想要完成自动分类，需要一个易学易用的开源平台。

 

几番比较之后，他们选择了PaddlePaddle深度学习开源平台。周忠祥和他的同学在PaddlePaddle上下载了文档和代码，一周之内就建立了一个适用于桃子各个档次分类的图片分类模型，并确定了机器的完整方案。

这几个大学生还挺费脑子，商量了不少方案！

 

录入数据其实挺麻烦的，6400张桃子照片啊！

 

还在实验室里先拿各种海洋球试练！

最终，才研制出了这台“桃子颜值选美机”，它可以按桃子的颜值，把桃子分别推到不同的筐里。工作起来是这样的：

从原理和流程上看，被AI武装之后的机器可以实现自动分拣大桃的全部过程：首先将桃子倒入机器，利用机械原理将桃子排成一排，接着自动对每一个桃子进行拍照，照片快速经过档次分类，之后由助推器来完成桃子的自动分类——这一切都在很短的时间内就得完成！

 

注意，在这个过程中，最关键的就是“识别”这个环节！

 

在这个过程中，深度学习发挥了强大的作用，但要发挥这个效力，需要给机器训练大量的数据。

 

刚才咱们说过，学生们给机器分类“学习”了约6400张大桃照片。因为模型能从各个分类的照片中自动提取影响分类的要素，并形成自己的分类逻辑，学习后的机器就能像经验丰富的桃农一样，快速辨别桃子的品质。不仅如此，机器在使用中还会不断积累并学习新的数据，提升自身的准确率。

 

据悉，刘师傅和刘大妈家的40亩桃树如果都用上了智能分拣机，一年能省3万多块钱的雇工费。

 

好，接下来给爱学习的同学们讲讲百度开放的那个PaddlePaddle，理科的同学可以继续往下看哈，有点技术难度，看热闹的童鞋可以不用看了，买桃子去吧。

 

PaddlePaddle

PaddlePaddle，其实就是Parallel Distributed Deep Learning，学名“并行分布深度学习”，最早是由百度科学家和工程师共同研发的并行分布式深度学习平台，由于这个平台具备易用性、高效性、灵活性和可扩展性，目前已在百度内部数十个产品线上广泛使用。在2016年9月1日百度世界大会上，百度宣布正式开源，起名PaddlePaddle。

 

凭姐这点简单地文科生理解能力，我认为这个PaddlePaddle其实就是把一系列的能力打了一个“包”，这个包呢，给他包上桃子的皮肤，它就能认桃子，给他包上李子的皮肤，它就能认李子，可以举一反三的那种。

 

而这个集合了很多种“能力”的包，也支持很多种深度学习模型，例如CNN(卷积神经网络)、RNN(循环神经网络)、DNN(深度神经网络)，复杂记忆（Memory）模型NTM等，支持多种优化算法。其模型训练为支持大规模并行、多机多显卡计算，能够充分利用集群计算资源，并且支持线下多语言（Python/C++）预测接口。

 

这样的一个平台，百度拿出来免费，自然是希望有越来越多开发者用才好，因此其易用性十分突出,要不四个大学生怎么能轻易驾驭？

 

所以，易用性是PaddlePaddle的设计初衷之一，它支持使用Python、C++来构建系统，更加直观且灵活，易于部署。同时可一键式安装，丰富的模型示例，并配有完善的中、英双语文档。

 

而在灵活性上， PaddlePaddle支持多种神经网络结构和优化算法，支持可高度定制的 RNN 单元：用户可以按照自己所需的逻辑定义 RNN 单元一个时间步之内完成的运算，由 PaddlePaddle 负责该运算在序列输入上的循环展开，以此实现非常复杂的自然语言处理任务；灵活的序列输入，PaddlePaddle 原生地支持序列和嵌套序列输入，这是许多深度学习平台不具备的！

 

此外，它还很高效——不需要 Padding RNN ，PaddlePaddle 中的各种 RNN 单元都经过专门地优化（坦白说）；其扩展性上，PaddlePaddle全面支持多机、多GPU环境，优化的通信实现使高吞吐与高性能成为可能。

 

正是由于有了这些“傻瓜”功能，PaddlePaddle已经被部署到百度的多个产品或服务中，包括预估外卖出餐时间、预判网盘损坏时间、精准推荐用户所需信息、大体量图像分类、字符识别（OCR），计算机病毒垃圾信息检测、机器翻译、甚至在自动驾驶等领域。

 

这四个大学生竟然把“桃子选美机”的整套方案和源代码开源到Github平台上去了。你也可以瞬间复制一个，还能看心情来个代码迭代，优化一下机器，也许还能拿来当个创业项目做做。

 

还是举几个栗子吧：

 

用百度这套傻瓜AI，少加修改，就能搞成很多玩法：

 

首先，通过叠加多个长短时间记忆的单元，就能构成深度循环神经网络。让它对从点评网站收集到的用户评论进行学习的话，这个AI系统模型可以自动判断用户评论的感情色彩，建立商家好感度模型，帮助商家了解用户喜好变化，从而改善营销策略。

 

又如咱们写稿的高级民工吧，它甚至可以自动搞出“动态标题”——现在各家新闻客户端不是都在玩“千人千面”吗？

 

你可以这样理解，这套模型含有三个RNN单元，一个编码原始标题，一个编码个性化参考信息，最后一个RNN单元将所有编码信息逐步释放，解码为改写后的标题。模型为同一篇文章生成不同的标题，以吸引不同用户。

 

再举一个栗子，就是应用于优质答案推荐。

如果是左右两个完全对称的神经网络分别对两组问答对进行打分，通过学习，深度神经网络会给予相关性高的问答更高分值。而问答相关性模型则可以帮助问答平台删除作弊问答，同时自动推荐优质问答。

 

在这四个大学生中，有一个是在中国待了3年的肯尼亚学生Simon，他一直觉得中国的人工智能技术很酷。看这桃子选美机不错，Simon打算日后将百度的人工智能技术用到家乡肯尼亚的农业上，实现芒果、百香果等水果的智能分拣。

童鞋们，看到他得意的小眼神了么？