给千年建盏配个“电子身份证”!旷视用算法量产为非遗瓷艺护航

智东西(公众号:zhidxcom)
作者 | 心缘
编辑 | 漠影

建盏,一种从两宋时期流传至今的黑釉茶碗,却让爱茶人士为之痴迷了千年。

两宋时期,“斗茶”风尚盛行,适宜斗茶的黑釉茶碗风靡一时,由福建省南平市建阳区建窑烧制的精品建盏更是成为皇家御用茶具,凭借“入窑一色、出窑万彩”的美誉,被文人墨客百般追捧。

如宋徽宗在《大观茶论》写道:“盏色贵青黑。”蔡襄《茶录》云:“兔毫紫瓯新,蟹眼清泉煮。”陈蹇叔《郎中出闵漕别送新茶》书:“鹧鸪碗面云萦字,兔毫瓯心雪作泓。”

这个由火与土碰撞出的精妙工艺品,从历史深处一路走来,凭借其深邃文化内涵和独特艺术造诣,愈发跻身古瓷圈的收藏新宠,最高甚至被拍出约7800万人民币的天价。

给千年建盏配个“电子身份证”!旷视用算法量产为非遗瓷艺护航▲宋 建阳窑黑釉兔毫盏(故宫藏)

2011年建窑建盏烧制技艺被列入国家级非物质文化遗产名录;近年来建盏产业快速发展,产值达75亿元,品牌价值超160亿元。

但随着建盏盛行于世,伪作也愈发猖獗,一些不良商家伺机鱼目混珠,令人防不胜防,轻则造成买家财产损失,重则影响建盏产品的长远发展。

那么能否构建一套权威的建盏溯源系统,以便能随时随地高效准确地鉴定建盏的真伪?人工智能(AI)公司旷视科技正在做这样一件事,基于算法量产,推出首个基于盏纹识别的建盏AI溯源系统,让千年建盏拥有了专属的“电子身份证”。

一、千年建盏,也能靠刷脸验身份

随着宋代品茶文化热度及收藏价值攀高,在直播带货等新兴线上形式的加持下,建盏销量快速增长。据悉,当前福建省南平市建阳区注册建盏企业和个体超7000家,从业人员3万多人,产值预估达75亿元。但与此同时,这个欣欣向荣的产业也夹杂着仿造、伪造、以次充好等市场乱象。

在销售和鉴定过程中,建盏曾多依赖于建盏传承人亲笔签名、拍照,或提供产品防伪码等形式。这类方法效率低、人力成本高,还留下了更多造假仿造的空间。消费者也很难从拿着盏的合影照片中看清手里建盏的样子和盏纹。

每个建盏经烧制后都会随机生成独特而细腻的纹理,使得它们具有“每盏皆唯一”的特点。要让AI基于纹理识别对建盏做真伪鉴别,算法的精度必须极高,才能真正解决问题。

旷视研发的建盏溯源平台,是行业首个基于AI图像识别技术打造的建盏溯源系统,通过对建盏进行采集、登记、追溯、鉴定,有效保护建盏消费者的权益。

给千年建盏配个“电子身份证”!旷视用算法量产为非遗瓷艺护航

建盏AI溯源系统实现了“一盏一图、一盏一码、图码结合”,每个建盏独有的码就相当于它的官方“身份证号”。对兔毫、鹧鸪斑、曜变等类型建盏,该系统的识别准确率达到95%以上,并支持在移动端上传建盏照片来快速鉴别真伪。

旷视研究院算法量产负责人周而进告诉智东西,因建盏的器型相对简单,2D图像检测及细分特征识别足以提取出足够的信息量,因此旷视团队通过拍摄多角度照片来提取特征,以此捕捉到建盏整个立体结构的信息。

该系统正在持续迭代演进。由于不同建盏的花纹特征迥异,对于那些纹理不够清晰、特征不易观测的建盏,算法还需结合更多技术思路来进一步优化“溯源”效果。同时,从建盏溯源项目中沉淀的技术及实践经验,对于其他非遗保护、鉴定、认证类项目同样有推广迁移的价值。

二、应对算法供给5大挑战,单点突破难解决复杂问题

火焰检测、工业质检、零件计数、危化品检测、通行管理、明厨亮灶、高空抛物检测、普洱茶茶饼识别、破皮速冻水饺检测……这些“五花八门”的AI算法,随着数字化转型的热潮,进入了日常生产生活。

过去十年,AI技术不断演进,给越来越多的行业带来了降本增效的价值,但实际上,AIoT市场上高质量的AI算法仍然“供不应求”。如何解决算法生产及落地应用挑战、让AI在海量场景中发挥更大的作用,是AI企业在AIoT时代需解决的难题。

在11月10日举行的旷视算法量产沟通会上,旷视研究院算法量产负责人周而进谈道,当前AIoT市场算法供给、落地过程中主要存在5大挑战:行业数据匮乏、算法通用性低、IoT设备繁杂、Software2.0的挑战、算法供给质量参差不齐

业界也一直在探索应对这些挑战的解法,较常见的有定制化开发、预训练大模型、云端AI开发平台等。

目前绝大多数算法都是定制化生产模式,根据需求进行算法定制化开发,一个一个项目解决,但往往成本较高、算法交付质量参差不齐;预训练大模型能为算法带来良好的泛化性,但其背后需要大量算力支持,难以解决具体的细分场景问题;云端AI开发平台具备易上手、零代码等优点,但是只实现了流程数字化,对策略选择自动化等进阶功能的支持有限。

然而,当应对一个复杂问题,仅靠单点是不够的,需要对AI生产模式的理念和生产方式进行思考。

周而进告诉智东西,不同公司的解题思路不一样,作为一家算法驱动的公司,旷视并不希望一个一个问题去解决,而是基于生成式思路,希望以抽象方式打造解决同类问题的能力。

在这一背景下,旷视基于10余年的算法研发积累及深入多个行业的项目实践经验,提出了算法量产的理念,希望通过算法量产,将AI生产过程标准化,降低算法生产门槛,让更多的人能够加入到算法生产的工作中,提升算法生产效率。

三、算法生产平台:零代码、自动化,支持100多种业务模型训练

在推动算法在各行各业的实际场景落地的过程中,旷视一直坚持“落地实用是算法价值的最终检验标准”。大规模算法落地是系统问题,在数据、模型、评测、迭代等环节都存在很多挑战。

对此,旷视认为“算法生产过程的标准化,是解决复杂且碎片化的算法生产的有效手段”。

这个标准化过程,包括了数据生产的标准化、算法模型的标准化和推理框架的标准化。只有标准化,才有可能让算法生产的所有环节实现自动化,进而提高算法生产的效率。

基于这些思考,旷视推出了适配算法量产的AI基础设施——算法生产平台AISAI Service

给千年建盏配个“电子身份证”!旷视用算法量产为非遗瓷艺护航

AIS基于旷视Brain++体系,构建了一套覆盖数据处理、模型训练、性能分析调优、推理部署测试等算法生产全链路的零代码、自动化的生产力工具平台,让算法量产真正成为可能。

当前AIS平台主要能够解决2D计算机视觉感知类的问题,可支持100多种业务模型训练,最快2小时即可完成训练,且模型产出精度指标远高于业界平均水平。同时,AIS的嵌入式管理平台已支持30种设备的管理,有效节省IoT设备的日常开发与维护成本。

以建盏溯源为例,建盏溯源系统便基于AIS平台极大缩短了从验证可行性到研发出完整系统所需的时间。建盏AI溯源系统有很多的细分子方向,除了纹理识别外,还包括盏的定位、检测、质量判断等,这些借鉴了旷视在其他生物认证识别方面的诸多经验。如果没有这样一个系统把此前的知识集约在一起,那么可能要重新研发一遍,既耗时又造成重复资源浪费。

另一个例子是油田安全生产。石化企业安全管理工作既涉及到对工业园区内烟雾、油品泄漏等异常情况的监测,又涉及到相关作业人员的日常行为管理。旷视基于MegEngine框架,通过算法量产和AIS生产平台,为某油田提供了烟雾检测、火焰检测、油品泄漏、配电室未佩戴绝缘手套等多项AI算法,通过“危险化学品视频分析智能预警系统”,提升其日常安全监管工作效率。

在算法研发和交付过程中,AIS平台极大提升了旷视算法交付的效率,以往完成一个定制化的安全生产模型可能需要1-2个月时间,如今只需要12就可以完成。

给千年建盏配个“电子身份证”!旷视用算法量产为非遗瓷艺护航

旷视还提出了适合当下算法需求的5:3:2研发矩阵5个行业工程师基于AIS算法生产平台进行相应的业务交付,3个算法研究员聚焦于算法的创新与探索,2个工程师不断打磨相应的基础设施并进行AI生产力工具的开发。

这一团队阵型,既满足了解决现有问题的需求,同时也能不断自我提升,推动AIoT时代所需的AI能力进化。

包括建盏溯源在内,旷视通过算法量产已帮助能源、教育、零售、运动健身等行业的多个客户在日常生产与经营中运用AI技术,实现降本增效。

给千年建盏配个“电子身份证”!旷视用算法量产为非遗瓷艺护航

结语:降低AI生产门槛,加速算法落地更多行业

总体来看,旷视希望通过算法量产将AI生产过程标准化,降低实际AI落地应用过程中的算法生产门槛,让更多传统行业的IT人员能快速上手、加入到算法生产工作中,促进算法在更多行业的落地,加速AI与实体经济的深度融合。

周而进认为,当前AI行业仍处在初级阶段,“初级”的一个典型特征是行业分工不明确,本质上还是“作坊式”生产模式。要想理清一个复杂的系统,需要能够将整个流程中的每一个模块解耦、标准化定义,再加以组合,才能使最终的收益是各子模块收益的相乘。

“我们相信算法生产这件事情并不是一个黑盒子,只是异常的复杂,复杂性本身可能就是这里面最重要的问题。”他谈道,旷视通过解耦和标准化的形式,在很多行业里已经顺利落地,这对于其算法量产理念是一个很好的反馈。