结缘昇腾投身AI开发，南开学子不到一年给港口安上AI“天眼”

·极客观察（朱飞）研究生一年级才开始学习AI，在不到一年时间的学习中，获得昇腾AI创新大赛天津赛区应用赛道银奖，获奖方案还被部署到港口的智慧港口真实场景中，将业界已有方案的识别精度从95%提升到99%以上……

注意，这不是“爽文”情节，而是现实发生的事。在近日举行的昇腾AI开发者创享日·天津站活动中，来自南开大学研二的陈铎晟同学作为昇腾AI优秀开发者代表，分享他的昇腾AI学习之路，揭开了AI开发的神奇魅力。

活动间隙，《 》对话陈铎晟，聊了聊如何从一名AI小白成长为昇腾AI优秀开发者，并将AI模型装进港口实际应用场景的经历，特分享给有志于AI事业的年轻开发者。

实验室结缘，筑牢基础知识

陈铎晟与昇腾AI的结缘，始于华为与南开大学计算机视觉实验室合作的车辆识别项目。作为天津市视觉计算与智能感知重点实验室，那里承接了天津智算中心与华为港口军团的合作项目。

本科就读于西安电子科技大学软件工程专业的陈铎晟，此前并没有系统学习人工智能相关知识。研究生保送至南开大学计算机学院后，本着对AI的浓厚兴趣，他加入了南开大学计算机视觉实验室，参与到校企合作的项目中，推开了AI探索的大门。

作为AI领域的小白，初入实验室的陈铎晟先是集中学习了人工智能原理、 学习以及昇腾AI等领域的基础知识。借助昇腾社区提供的完善的学习文档及官方教程，以及与华为工程师的频繁交流沟通，他为日后的AI探索打下了坚实的理论基础。

接着，陈铎晟参与到AI框架昇思MindSpore的CANN算子开发项目中，开始上手完成算法复现与转换。他与实验室同学们一起，基于MindSpore框架对业界经典的ReID、PoseTrans等算法进行重构，获得官方认证后发布到昇腾社区，在动手实操中积累了一定的开发经验。

从实践中来，提升关键能力

储备了AI开发所需的基础知识后，依托实验室在视觉识别相关领域的深厚沉淀，陈铎晟在导师的指导下，聚焦其中的目标检测与图像修复两个细分领域，进一步展开AI的实践探索。

在所有的目标识别应用中，车辆识别是AI在交通管理和安全领域的一个重要应用类别。而在港口、矿山等特殊场景下，车辆识别受环境因素的影响很大，对识别准确性和系统稳定性的要求更高。陈铎晟迎难而上，借助校企项目合作机会，基于真实场景需求，与团队一起钻研智慧港口的车辆识别应用。

在算法层面，针对极高视角导致的车牌形状畸变、较远距离造成的车牌位置极小、恶劣环境带来的车牌污渍严重等制约港口车辆识别精度的几大难点，陈铎晟与团队在昇腾AI基础软硬件上训练Yolov5和CRNN开源模型，以更好地采集车牌边界信息和识别车牌内容，并不断优化代码提高检测识别精度。

在数据层面，由于港口数据封闭导致目前几乎不存在可供训练的车牌识别数据集，他们专门采集原始港口监控数据，手工剔除噪声样本，并引入大规模公开数据集，自行标注制作可用于港口车辆检测的覆盖全天候（大雨、大雪、夜间、强光照等）的数据集，以更好地支持模型训练。

在部署层面，陈铎晟根据此前开发学习的案例，独立编写适用于昇腾硬件的推理代码，确保模型在端侧正常训练和推理，实现端侧设备的模型转化并成功运行。

经过一这系列的实践探索，陈铎晟完成了其AI探索道路上第一个完整的项目，提升了在AI模型开发训推全流程的关键能力。

特别是在AI技术落地应用最后也是最关键一步的部署方面，为了确保训练得到的模型能在具体生产环境中正确、高效地实现推理功能，要求的条件往往非常繁琐而苛刻，具体性能表现的变数也比较大，对AI开发者极具考验。

对此陈铎晟坦言，团队在港口车辆识别项目的部署上也遇到了很多难题，包括算子/算法的匹配，计算资源的满足等，需要对应的适配支持。所幸经过紧密的沟通配合，在昇腾社区和华为工程师的帮助下，这些问题都得到了很好的解决。

到实践中去，解决行业痛点

随着人工智能、5G等技术的成熟，实现码头生产自动化已成港口确定性发展趋势。从实践中来，经历完整项目洗礼后的陈铎晟认识到，车辆识别系统的实时性和识别精度仍是当前行业面临的痛点问题。

为此在有了一定的项目积淀之后，他决定到实践中去，不断创新做出更好的AI应用。在华为举办的2023昇腾AI创新大赛中，他带领团队基于昇腾AI全栈基础软硬件技术，继续攻克车辆识别领域的算法关键性难题，交出了一种针对车辆识别的新的解决方案。

9月，这项名为“基于极高视角的港口磅房综合车辆识别系统”的方案在2023华为昇腾AI创新大赛天津赛区应用赛道比赛中过关斩将，一举揽下银奖。该方案将创新设计的算法与能够激发强大算力的MindSpore框架相结合，进一步实现了模型性能的优化。

磅房作为港口货物出入管控的节点，是港口生产中的重要环节，其吞吐量将直接影响港口的生产效率。陈铎晟团队的新方案支持125路高并发访问，目前已在港口中实际部署使用，车辆检测识别准确率达到99%以上，大幅提升了磅房的过磅效率。

值得一提的是，在这之前，业内同类方案的识别准确率只有95%左右。从95%到99%以上的提升，对于AI方案在工业界的落地来说，别提有多么重要！

写在最后：

刚刚过去的2023年，生成式AI及其背后大模型的横空出世，给肩负“定义世界”的软件产业带来了颠覆式创新的可能。未来属于AI，更属于懂AI的人，一时间AI原生应用、AI工程师等成为最津津乐道的话题，牵动着每一个开发者的神经。

陈铎晟从软件工程投身AI开发，并迅速从小白成长为昇腾AI优秀开发者，相信正是新生代开发者拥抱AI的真实写照。在昇腾AI全栈基础软硬件技术与昇腾社区完善成长机制的赋能下，相信会有更多年轻的AI开发者加入进来，成为智能世界的决定性力量！

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。