认知物联网的应用场景争夺战：从最传统的产业寻找核心突破

吴恩达导师、伯克利大学教授Micheal I. Jordan在近期接受大数据文摘访问时，描绘了这样一个认知物联网的应用场景：在网上下单买一台冰箱运到北美，并确保其在一周内送到。

这件司空见惯的小事绝没有听起来那么简单。

首先，这台冰箱不能在下单的时候才从印度装船，企业需要考虑，怎样才能保证5个月前冰箱已经被造出来，并被送到正确的地址；其次，企业需要考虑意外情况出现，比如印度洋上遇上了台风，船只不能运作了，怎么办？

满足这些需求要大量的数据支持和精密的计算。人类无法做这些规划，但统计学和机器学习可以。通过算法以及相关数据，我们可以了解到所有信息，包括船只建造材料的物流情况等，并据此做出预测。也正因如此，全球上亿人可以及时买到他们想要的货物。

Jordan表示，基于物联网及大量的传感器，全球数据积累已经达到了相当的规模，未来，除了物流行业，从大量非结构化数据中发现洞察的认知计算会在各个行业找到落地点。

能够率先找到下一个应用场景的发力点，也就成为了掌握数据分析和认知计算等核心技术的公司，下一步争夺战的关键。

物联网将成为传统行业新常态，带动整个产业升级

据Gartner数据显示，2017年全球物联网设备已经达到84亿，超过了地球的总人口总量。

这是一个无比庞大的数据海洋。

然而目前，如此巨大的数据金矿还在众多大型企业和政府机构的服务器集群中沉睡：比如政府部门的信息中心、信用卡运营商的呼叫中心。而运用物联网和认知技术唤醒沉睡的数据，从中获得洞察，是传统行业找到新的竞争优势，弯道超车的关键。

在2017年9月19日的2017 IBM上海物联网论坛上，IBM从以下三个方面，给传统企业从战略上拥抱物联网提出了建议。具体包括：

首先，面向互联互通，软件驱动世界的研发设计。产品的研发应符合物联网世界的需求，由软件驱动并与上下游合作伙伴的系统无缝衔接；

其次，利用万物洞察，追求完美卓越的运营绩效。让设备充分互联，利用产生的数据，及时了解系统运营的状况，针对潜在的危险和意外及时采取措施，从根本上降低运营和维护费用，提高运营效率；

最后，寻找独树一帜，持续彰显不凡的领先模式。通过物联网所获得的洞察，打破思维局限，创造出新的商业模式、产品和功能，从而获得可持续的竞争优势。

此外，IBM大中华区Watson物联网事业部总经理李国志告诉大数据文摘，有两个因素会推动物联网快速兴起。一是物联网的设备特别是通讯设备的部署，包括云计算的兴起，会大规模降低物联网部署的经济成本。二是IBM携手行业客户深耕行业，将认知技术、数据分析等前沿技术与行业专业知识结合起来，针对具体应用场景，能迅速产生价值、创造价值。当这个价值真正能看得见、摸得着的时候，更多企业就会快速投资和迅速兴起。

“事实上今年我们看到，在电力、石油石化、交通运输等传统的旧投资领域，越来越多的公司在计划做相应的操作，我相信在明年后年，会迎来大的投资爆发。”李国志说。

认知物联网应用案例：从传统行业寻找图像识别与机器学习应用突破口

在很多传统行业，包括航空、交通、物流等，物联网的部署已经不只作为一个简单的项目出现，而更多作为公司数据化转型的部分，最终将带动物联网对于整个传统产业的升级。

正如 IBM物联网事业部研发和产品战略总经理ChrisO’Connor所说，“物联网是一股不可阻挡的趋势，因为它的发展不是一个公司决定的，也不是一个国家或者一个地区能够决定的，各个国家的装置都会变成以数据为中心，从而为各公司、各企业带来价值。”

图像识别技术在水环境治理领域大显身手

水利行业一直以来都是耗时耗力的劳动密集型传统产业。近年来，为了提高水资源的管理能力和水环境的治理水平，水行业投资建设了越来越多的视频采集系统，但视频信息的监视处理还依赖人工，工作量大、实效性差，信息遗漏风险高，系统的投资回报率很低，无法发挥系统应有的投资价值，也无法完全满足管理单位的需求，甚至带来了较大负担。

1998年成立于北京的中关村的江河瑞通，近20年一直在干一件事，就是做水行业的软件，目前占据了全国市场占有率的35%。

事实上，为了提高水资源的管理能力和水环境的治理水平，水行业投资建设了越来越多的视频采集系统，但视频信息的监视处理还依赖人工，工作量大、实效性差，信息遗漏风险高，系统的投资回报率很低，无法发挥系统应有的投资价值，也无法完全满足管理单位的需求，甚至带来了较大负担。此外，尽管江河瑞通开发了河长制管理APP，但由于传统技术无法支持大量非结构化数据的知识管理，后台没有构建起智能的知识库，因此只能实现简单的信息查询、图片采集等功能，移动端的功能远远没有发挥。

江河瑞通与IBM联合创新实验室共同研发，基于IBM认知图像识别解决方案和人工智能文本分析和知识库构建能力推出了极具创新的认知图像识别和语音智能交互解决方案。

结合IBM基于云的物联网平台，江河瑞通推出的认知图像识别和语音智能交互解决方案，可以让图像识别产品对视频图像进行缺陷特征分类学习，并识别自然水体及相关内容，视频图片识别的准确率能高达95%以上。产品有望在河长制、防洪减灾、海洋水环境保护等多个领域落地，有效解决视频站点多、利用价值低等问题。

借助这一解决方案，江河瑞通的图像识别产品能够对视频图像进行特征分类学习，同时可扩展算法和图像数据集，以满足对河流和水体全方位的识别和分析，能够识别自然水体及相关内容，视频图片识别的准确率能高达95%以上。具体珂实现的功能有水体水位、水面线（淹没范围）、漂浮物、水体颜色（水质、偷排）、堤岸崩塌、非法闯入、建筑物损毁水体植物生长（如蓝藻）识别等等，在识别的基础上，还能够分析相应数据，对异常情况实时发出预警，避免不能及时处置水污染事件造成停水事故带来的社会问题，避免了不能及时告警和提醒造成的游泳溺亡事故，在此之前图像采集系统的关注点是防止盗窃和破坏，没有对水体做分析和预警。扩展了图像识别应用的水环境治理物联网平台真正实现了对河流的上下游、左右岸、水上水下变化的一目了然，让河流的治理更加系统科学，避免了头痛医头脚痛医脚的管理弊端。

江河瑞通科技集团总经理田盛华告诉大数据文摘记者：“从物联网平台到知识库与模型平台，再到大数据分析和AI，环环相扣。从数据治理的角度，IBM有一套完整的数据治理体系，这个才能为物联网和大数据打下扎实的基础。之后，瑞通与IBM还从图像识别和语音交互进行合作，数据采集更方便了，减少了人为因素，打通了知识库与模型的交互，让历史数据和实时非结构化的数据发挥价值，真正开始发挥专业的价值，一是实效性，二是便利性，三是科学性，实现预警调度和联调联控。”

机器学习助力，破局“智”检难题

产品质检是另外一个图像识别和机器学习大显身手的领域。

作为TCL集团的明星子公司,华星光电一直保持着“深圳速度”的发展态势，产品囊括大尺寸的液晶电视面板，以及中小尺寸的手机面板、电脑平板显示；生产制造工厂从现在的3家，计划增建到6家，以满足国内外市场的需求。

在华星光电生产液晶面板流程中，每天生产线上产生海量的图片，需要人工质检员逐一肉眼读取，并对异常产品做出缺陷类型判断。即使配置了大量人力，还是会出现一些判断失误和效率降低的问题，判断的精准度有待提升。同时由于判片工作比较单一、枯燥，许多员工在工作一段时间后选择寻找新的机会。对于新招聘来的员工，成为合格质检员的培训周期也较长。华星光电需要开发新的技术来解决问题。

很显然，以人工为主的质检已无法适应快速发展的市场及企业转型扩张的战略需求。于是，华星光电大胆迈出产业数字化转型第一步，借力IBM机器学习与图像识别研发团队的IBM人工智能系统，对华星光电生产线上产生的数万张图片进行快速学习及训练，最终开发出了一套有针对性、自主学习能力的新模型，实现了7X24小时无间断、精准的人工智能判片。该款人工智能质检系统不仅能不断学习图片提升判别能力，还可以与质检员进行沟通学习，在项目验证阶段，该系统已经可以达到95%以上的判读准确率。随着这套人工智能系统使用时间越长，它的判读准确率就越高，对人的依赖就越少，而且判读速度极快（毫秒级），不会疲劳。这不仅可以减少大量人工，而且极大的减少生产过程中的等待时间，从而带来生产效率的提高。

另一家将图像识别应用到质量检测场景上的“赢家”是正文科技。正文科技是一家典型的以工厂为主的制造企业，为摩托罗拉、思科等网络公司生产网络设备芯片，在全球设置有昆山、常熟、台湾和捷克4个工厂，基本上80%以上的员工都是配置在工厂里。

其中，质检员的角色在正文科技至关重要。而人工质检存在时间滞后、花费较大等问题。

正文科技的田馥铭处长介绍：“招募新来的人员需要一段时间才能够熟悉手上的工作，所以我们的良率会下降，接下来的另外一个问题又是怎么样的？我们必须要增加2倍以上的工人提高我们的产能。”

通过与IBM合作引入图像识别与机器学习，正文科技设计了一个新的影像辨识的系统，通过识别学习不良产品，学习识别产品优劣。在这个情况下配合质检员，检验人工智能给出的结果到底是否正确。

田馥铭强调：“我们在原本的配置上一条产线有20个质检员，通过人工智能我们可以把质检员的人数降低到4个。过去质检员疲劳所造成的错误，错误率也降低了，我们的利润率也提高了。我们很满意目前试产的结果，我们也期待未来能够通过IBM的合作，使得我们工厂更有效率。”