對(duì)于以加油站為代表的能源行業(yè)而言，“降本增效”和“安全管理”就是兩大基本紅線——前者拉高企業(yè)的上線，后者守護(hù)企業(yè)的下線。面對(duì)行業(yè)數(shù)字化、智能化轉(zhuǎn)型趨勢(shì)，主要奉行“人海戰(zhàn)術(shù)”的能源企業(yè)在盡可能降低人力成本的前提下，用AI為加油站筑起一道安全“防火墻”，就是轉(zhuǎn)型的生命線。
安全管理：懸在加油站頭上的“達(dá)摩克利斯之劍”
一直以來(lái)，加油站主要都是依賴人工防范、排查、辨識(shí)存在的安全隱患及風(fēng)險(xiǎn)，運(yùn)維管理難度大，人員抽煙、打電話、員工離崗、煙火異常、卸油管理、靜電釋放時(shí)長(zhǎng)等行為的監(jiān)控方式尚存在不及時(shí)、非智能、易疏忽等諸多問(wèn)題。
數(shù)據(jù)來(lái)源：前瞻產(chǎn)業(yè)研究院
數(shù)據(jù)顯示，目前我國(guó)運(yùn)行的加油站已接近12萬(wàn)座，其中民營(yíng)加油站就占了超過(guò)50%，不斷攀升的業(yè)務(wù)體量，人員素質(zhì)的參差不齊，帶來(lái)的是安全事故概率的增加，也讓安全管理成為懸在所有加油站頭上的一把“達(dá)摩克利斯之劍”。據(jù)統(tǒng)計(jì)，2020年全國(guó)加油站安全事故數(shù)量超過(guò)60起，其中86.7%都是人為原因?qū)е隆Ｐ队汀⒓佑蛢纱蟓h(huán)節(jié)的安全事故占比高達(dá)50%。
曾在加油站從事管理工作十余年的李先生表示，油品具有易燃、易爆、易產(chǎn)生靜電等危險(xiǎn)特征，因此安全方面必須嚴(yán)格管控。但很多加油站在安全管理的信息感知、信息集成、風(fēng)險(xiǎn)評(píng)估等多方面都存在不足，特別是對(duì)于潛在人為風(fēng)險(xiǎn)的監(jiān)測(cè)和預(yù)警還存在管理盲區(qū)。以卸油區(qū)為例，油氣揮發(fā)的濃度不能直接有效觀測(cè)，且卸油流速較快時(shí)容易聚集靜電，存在嚴(yán)重的安全隱患。
2022年3月，國(guó)家應(yīng)急管理部召開(kāi)視頻推進(jìn)會(huì)，全面部署重大危險(xiǎn)源企業(yè)雙重預(yù)防機(jī)制數(shù)字化建設(shè)，持續(xù)深化危化品安全生產(chǎn)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警系統(tǒng)建設(shè)應(yīng)用。而作為能源大省的山東更是明確發(fā)文要求，推動(dòng)加油站采用視頻智能監(jiān)控技術(shù)，對(duì)加油區(qū)和卸油區(qū)內(nèi)人員抽煙、打電話等違規(guī)行為，明火和煙霧等異常狀態(tài)，卸油作業(yè)時(shí)人員離崗，滅火器未正確擺放，靜電釋放時(shí)間不足等不規(guī)范情形進(jìn)行智能識(shí)別、報(bào)警和記錄，推行加油站渠化規(guī)范工作。
由此看來(lái)，無(wú)論是市場(chǎng)發(fā)展需求，還是國(guó)家監(jiān)管要求，依靠數(shù)字化、智能化手段提升加油站的安全管理水平已是行業(yè)必然趨勢(shì)，也催生了一大批智慧加油站解決方案提供商。一時(shí)間，智慧加油站“百家爭(zhēng)鳴”，大廠小廠紛紛入場(chǎng)，解決方案層出不窮，意欲分食百億級(jí)智慧能源“新蛋糕”。
智慧賦能：解決方案千千萬(wàn)，亂花漸欲迷人眼
“我們也先后接觸了不少智慧加油站的解決方案服務(wù)商，但總的來(lái)說(shuō)，大廠比較靠譜，但價(jià)格太高，承受不了，小廠性價(jià)比高，但精度不敢保證，而且交付周期都挺長(zhǎng)，我們員工的專業(yè)能力也有限，很難具體對(duì)接這種偏AI技術(shù)流的工作。”李先生說(shuō)出了所有加油站管理者的心聲。
確如李先生所言，目前市場(chǎng)上關(guān)于智慧加油站的解決方案提供商“一抓一把”，既有華為等大廠巨頭，也不乏諸多科技新秀，但絕大部分提供的都是“非定制化”產(chǎn)品方案，即用一套標(biāo)準(zhǔn)化產(chǎn)品方案去適配N個(gè)場(chǎng)景需求，當(dāng)然這其實(shí)也沒(méi)錯(cuò)，只不過(guò)針對(duì)像加油站這樣的極特殊場(chǎng)景，“一魚(yú)多吃”的方案似乎很難讓“李先生們”滿意。
首先，加油站對(duì)安全管理的要求是“絕對(duì)級(jí)”的。與居民社區(qū)等一般民用安防系統(tǒng)不同，加油站對(duì)煙火等風(fēng)險(xiǎn)隱患的識(shí)別預(yù)警必須要前置化，如果等到已經(jīng)開(kāi)始冒煙了再報(bào)警，萬(wàn)事休矣。而要做到提前風(fēng)險(xiǎn)預(yù)警，就需要對(duì)加油站不同場(chǎng)景下的數(shù)據(jù)狀態(tài)和數(shù)據(jù)采集反復(fù)進(jìn)行高精度的算法適配，比如大到一輛卸油車的停放位置，小到一根細(xì)煙的圖像識(shí)別，背后都需要一套成熟的算法體系。
通常這種情況下，如果按照傳統(tǒng)的人工作業(yè)方式，至少需要一個(gè)15人的專業(yè)算法工程師團(tuán)隊(duì)，從數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、模型結(jié)構(gòu)設(shè)計(jì)、超參調(diào)節(jié)、芯片適配、迭代優(yōu)化、部署應(yīng)用等13大環(huán)節(jié)，耗費(fèi)數(shù)月甚至更長(zhǎng)的周期才能交付完成。所以，“極不劃算”的投入產(chǎn)出比也讓加油站管理者們對(duì)AI的部署望而卻步。
傳統(tǒng)算法生產(chǎn)流程及成本
另外，對(duì)精度要求極高的加油站還是典型的“小樣本”場(chǎng)景。“不同的場(chǎng)景需要不同的數(shù)據(jù)樣本，訓(xùn)練出來(lái)的模型也不一樣，通用算法模型并不適用，精度會(huì)大打折扣。”作為全球領(lǐng)先的AutoML自動(dòng)化AI訓(xùn)練平臺(tái)提供商，共達(dá)地的一位產(chǎn)品經(jīng)理表示，極度碎片化的加油站應(yīng)用場(chǎng)景缺乏大數(shù)據(jù)樣本，而訓(xùn)練算法一般需要足夠有效的樣本數(shù)據(jù)支撐。如何通過(guò)小樣本學(xué)習(xí)訓(xùn)練出高精度的算法模式？是一個(gè)不小的挑戰(zhàn)。
定制化、高精度、小樣本、低成本的智慧加油站轉(zhuǎn)型道路何去何從？共達(dá)地AutoML或許可以給出一個(gè)不一樣的示范答案。
共達(dá)地AutoML：以AI算法為加油站插上智慧的翅膀
AutoML，即自動(dòng)化機(jī)器學(xué)習(xí)，被譽(yù)為深度學(xué)習(xí)新一代王者。雖然谷歌早在2017年便率先在產(chǎn)業(yè)界提出了這個(gè)概念，但長(zhǎng)期以來(lái)缺乏真正的商業(yè)化落地。而共達(dá)地在AutoML領(lǐng)域已積累了2年多的商業(yè)化落地經(jīng)驗(yàn)，并推出了GDDi自動(dòng)化AI訓(xùn)練平臺(tái)3.0，在智慧城市、智慧園區(qū)等多個(gè)領(lǐng)域打下了扎實(shí)的基本功，屬于業(yè)內(nèi)真正的領(lǐng)軍者。
面對(duì)加油站要求低成本、高精度、小樣本、定制化的碎片化場(chǎng)景需求，共達(dá)地AutoML自動(dòng)化AI訓(xùn)練平臺(tái)通過(guò)“用AI訓(xùn)練AI”，將整個(gè)AI研發(fā)流程自動(dòng)化，交付的不僅僅是一款“標(biāo)品化”算法，而是一整套“軟件平臺(tái)+硬件設(shè)備+生態(tài)服務(wù)”的全平臺(tái)全鏈路閉環(huán)能力，為加油站插上了智慧的翅膀。
共達(dá)地算法生產(chǎn)流程及效率
在具體場(chǎng)景應(yīng)用方面，共達(dá)地重點(diǎn)針對(duì)加油區(qū)和卸油區(qū)兩大高風(fēng)險(xiǎn)區(qū)域部署AI智能算法。在加油區(qū)部署吸煙檢測(cè)、打電話檢測(cè)、煙火檢測(cè)、車輛占道檢測(cè)、人員離崗檢測(cè)等AI算法系統(tǒng)，覆蓋加油區(qū)常見(jiàn)的危險(xiǎn)行為。在卸油區(qū)部署車輛檢測(cè)、輪檔放置、除靜電、油品接卸載等AI算法系統(tǒng)，保障區(qū)域內(nèi)的全流程安全卸油作業(yè)，實(shí)現(xiàn)安全隱患事前預(yù)警、事中管控、事后取證，由“人防”到“智防”的數(shù)字化轉(zhuǎn)變。
作為共達(dá)地的核心服務(wù)標(biāo)簽，以AutoML為底層技術(shù)能力的自動(dòng)化AI訓(xùn)練平臺(tái)，具有更快交付、更高精度、更好適配、更強(qiáng)迭代等多重優(yōu)勢(shì)，對(duì)加油站而言，是目前綜合成本最優(yōu)的AI解決方案。
1.更快交付：通過(guò)共達(dá)地AutoML自動(dòng)化AI訓(xùn)練平臺(tái)的自動(dòng)化模型設(shè)計(jì)與超參調(diào)節(jié)等功能，以小時(shí)級(jí)的速度定制算法，開(kāi)發(fā)效率可以提升10倍以上，并且全程由于沒(méi)有算法工程師參與，客戶也無(wú)需搭建專業(yè)算法團(tuán)隊(duì)，AI建設(shè)成本可直降9成。
2.更高精度：依托首屈一指的自動(dòng)化數(shù)據(jù)增強(qiáng)技術(shù)，共達(dá)地AutoML自動(dòng)化AI訓(xùn)練平臺(tái)可在更少數(shù)據(jù)標(biāo)注的情況下，通過(guò)小步快跑敏捷迭代，使得算法平均精度超過(guò)95%，能力媲美8年的專業(yè)算法工程師。
3.更好適配：基于對(duì)近大量主流芯片的預(yù)適配，共達(dá)地AutoML自動(dòng)化AI訓(xùn)練平臺(tái)能在算法生成過(guò)程中，就針對(duì)即將部署的設(shè)配芯片的算子結(jié)構(gòu)進(jìn)行訓(xùn)練，包含英偉達(dá)、高通、寒武紀(jì)、海思等10+主流大廠的100+款芯片，支持云/邊/終端靈活部署。
4.更強(qiáng)迭代：通常在算法的應(yīng)用初期，AI識(shí)別的精度會(huì)出現(xiàn)不同程度下降，這就需要不斷進(jìn)行數(shù)據(jù)的更新迭代，但要耗費(fèi)很高的人力和時(shí)間成本。而通過(guò)共達(dá)地的訓(xùn)練平臺(tái)，最快可實(shí)現(xiàn)一天迭代一個(gè)版本，免去額外成本與時(shí)間，讓精度直達(dá)最優(yōu)。
舉個(gè)例子，共達(dá)地針對(duì)某加油站存在的重大危險(xiǎn)源監(jiān)測(cè)問(wèn)題，提供了基于工服識(shí)別，車+人同步判斷的離崗識(shí)別等算法定制方案，以及安全帽、打電話、火焰識(shí)別等常規(guī)方案，助力客戶打造視頻算法的安全預(yù)警平臺(tái)，建立了可視化、數(shù)字化的智能管理系統(tǒng)。
共達(dá)地智慧能源應(yīng)用案例
相較于其他友商提供的解決方案，共達(dá)地的單個(gè)算法交付時(shí)間由2個(gè)月縮短至1天，模型識(shí)別效果由85%提升至96%，定制算法交付數(shù)量提升了6倍，客戶滿意度大大提升。
從“偶像派”到“實(shí)力派”，以AutoML為核心的自動(dòng)化算法服務(wù)正在成為驅(qū)動(dòng)AI大規(guī)模商用的“關(guān)鍵力量”。而作為AutoML產(chǎn)業(yè)化的先行者，面對(duì)AI大航海時(shí)代的黎明前夜，共達(dá)地率先吹響了這樣的時(shí)代號(hào)角：技術(shù)平權(quán)，AI即服務(wù)，人人皆可AI——從某種角度說(shuō)，共達(dá)地AutoML加速推動(dòng)了一場(chǎng)AI算法商業(yè)化落地的產(chǎn)業(yè)革命。
