一 物流行業發展新趨勢-智慧物流

物流行業已然成為支撐國家經濟發展的基礎性產業，是整個社會經濟運行的基礎，是“供應鏈四流循環——商流、物流、資金流、數據流”之關鍵一環。作為相對傳統的物流行業，隨著“互聯網+物聯網”的快速發展，在業務的過程中沉淀了大量的數據，如何將“數據”轉化為“數據資產”，推動物流行業數字化轉型與數據價值實現是未來的發展方向。

“感知設備+物聯網+邊緣計算+云原生+AI大數據”成為整個物流行業進行數字化降本增效、提高物流企業競爭力的新技術路徑，高算力、低延遲、大規模硬件、端到端智能等技術壁壘在行業競爭中突顯優勢。

在專業化的物流供應鏈一體化能力建設中，順豐率先通過運用人工智能與邊緣計算實現了智能派單、智能調度、可視化跟蹤、大數據分析、云平臺共享、視覺自動化管控、智慧園區等數字化能力，同時也奠定了順豐強大的數字化底盤。

二 智慧物流的痛點與思考

在物流行業中，人、車、貨、場以及日益增多的自動化設備，是影響業務生產的幾大要素。這些要素疊加另一些維度，如效率、質量、安全等，組合成了我們在業務的實際操作中的關注重點，比如人的效能、車的裝載率、排班效率、件的時效、件在流轉中的質量等。流程長節點多、場景多而且復雜，如何對這些不同要素及場景進行精細化的經營管理，是整個業務過程中的重要挑戰與痛點。

由物流行業快速發展引發的行業痛點給人工智能技術帶來了新的藍海，同時，人工智能技術也給物流行業帶來了新的自動化機會，這雙向的力量碰撞產生了奇妙的化學反應，為物流柔性自動化生產創造了條件，以解決包裹在預分撥、碼垛、接駁、裝車、分撥中心、配送站點等環節中存在的業務和技術挑戰。

在順豐持續提升服務質量的戰略背景下，經過多年的行業深耕與洞察，自主研發建立了AIoT視覺感知應用平臺:“慧眼神瞳”，其綜合應用IoT、邊緣計算和人工智能等前沿技術，極具擴展性，魯棒性。模塊化容器化的設計，可根據需求靈活調整配置、實現業務變化與優化，高效迭代作業流程；能夠配合監控攝像機、分揀線工業相機等IoT智能設備進行作業場景數字化建模，全面分析人、貨、車、場地、設備等關鍵生產要素，覆蓋端到端全業務場景的實時業務數據流，通過業務風險分析、自動化決策等數字化手段，有效保障了運營質量、管控業務風險、減少運營成本、提高管理效能與服務質量。

三 順豐智慧物流背后的關鍵技術

慧眼神瞳 - 多模態業務場景SaaS化平臺

如今千行百業的智能應用和數據量激增，終端設備對海量數據的實時處理需求高速增長，傳統云端處理的方案存在網絡帶寬與業務響應不及時的瓶頸，這就驅動邊緣計算成為大數據時代技術的重要落地方案；為滿足順豐全網2萬+自營網點、15萬+合作網點的日常業務運營與服務質量管控的要求，急需一套基于邊緣計算模式的云邊端一體化架構解決方案，采集覆蓋全網的數十萬感知設備的數據，實時對各場景的影響要素進行分析，形成可決策的數字化能力，助力順豐集團的數智化管理與精細運營戰略目標達成。

慧眼神瞳綜合運用計算機視覺與邊緣計算技術，通過構建覆蓋全網的AIoT感知平臺，以數十萬感知觸點實時解析各場景關鍵生產要素，形成覆蓋全網的實時業務動態數據，為行業客戶提供數智化管理與運營精細化升級的解決方案。目前業務場景覆蓋：安全管理、質量管理、經營管理、風險管控等幾個方面。

接下來對核心技術特性進行介紹。

數據驅動的邊緣計算平臺

三位一體：將云端、邊緣端、設備端三方進行數據流聯通，實現云端構建、邊緣部署、設備控制，有效降低全鏈路協同成本。

統一集中化：統一標準實現邊緣設備集中化管理，對資源進行充分利用，減少多樣化的運維成本；邊緣設備智能預警，避免設備故障發生。

自動化流水線部署：提供從代碼到邊緣上線的持續集成，持續部署的解決方案，助力研發的快速迭代與驗證。

整個架構方案通過標準化的“物模型”協議，對設備端采集的數據加以智能化處理和分析，通過邊緣計算技術，減少了云端處理延遲，提升了整體運算速度，并對全場景下的數據進行多維感知、數據實時交互，實現事前檢測、事中預警、事后決策等工作，最終達到云邊端協同模式下的智能化協作。

統一的云邊端一體化架構優勢

邊緣感知：通過對多種物聯網協議與視頻協議進行數據標準化、結構化、網絡化，有效降低網絡帶寬的壓力、邊緣AI計算量、存儲壓力，提升整體分析效率，滿足業務實時響應等要求。

邊緣計算：采用完全基于分布式容器化的微服務架構，極大提高系統可用性，可擴展性；支持不同加速芯片推理框架，適應多模型并/串聯的組合結構，面對高流量并發，自適應動態batch有效提高吞吐并減少業務響應時長。

邊緣安全：采用增強隱私計算技術確保AI算法關鍵部分不被窺探，機器身份管理確保AI算法指定運行，云邊端通信鑒權機制確保上下行網絡鏈路安全可靠。

全鏈路能力：基于云邊端完整的治理與自動化構建能力，在服務構建、數據源管理、模型訓練、部署加速、穩定性保障、監控跟蹤等基礎能力為一體，一鍵云邊端協同發布，為各種業務場景提供完整的通用解決方案。

再生產能力：基于微服務架構打造業務領域的服務能力，采用K8S的服務編排機制以實現對業務的二次重新組合，快速滿足適應新的行業和業務場景。

追求極致AI性能

每天超過2000萬+的快遞需要通過視覺算法進行全鏈路風險識別，推理機器的處理性能遇到巨大挑戰，為了避免成本飆升，從兩個方向入手：一是優化AI推理過程中的圖片處理效率和算法推理效率；二是提高硬件資源的利用率。

在順豐場景中，進行圖像AI算法推理時，需要處理大量高清相機生成的大圖片，內存的不足成為顯著瓶頸。當一張分辨率較大的圖片解碼后，可能需要上百兆字節，甚至二三百兆，由于內存資源受限，無法完全發揮多核心的并發處理性能。為解決內存瓶頸的問題，經調研某些場景并不需要彩色圖片，只要黑白圖片即可，即把三通道的彩色圖片直接解碼成單通道的灰度圖，這樣不僅可以節省2/3的內存空間，也可以大幅減少解碼所需時長和后續圖片副本的復制時間，經測試，性能相比于解碼成彩色圖片都提升了200%左右。避免頻繁向系統申請和釋放內存的額外開銷，使用內存池來進行優化，以空間換時間的方式，消除內存切換導致的性能瓶頸，經過測試，速度有效提升330%。

在AI算法推理效率優化方面，順豐使用TensorRT技術進行推理加速。TensorRT是Nvidia針對自家平臺開發的一個神經網絡前向推理加速的C++庫，旨在極致優化 GPU 資源使用的深度學習推理計算框架，其可以為深度學習應用提供低延遲、高吞吐率的部署推理，除此之外，TensorRT在異構架構中的兼容性較強，已經成為行業最成熟的性能提升方案。

除了對圖片的處理本身做優化可以增加系統的性能以外，充分的利用系統的硬件資源也可以對系統的性能有所提升。當在處理大量較小圖片時，可以盡可能的使用CPU做圖片相關的處理，即讓GPU盡量多的用于算法推理，提高整個系統的吞吐率；而當圖片都比較大時，系統的瓶頸會更偏向于圖片處理本身，導致GPU不能充分利用，在這種場景下，可以把一部分圖片處理放到CPU上完成，這樣子可以充分利用CPU的資源，讓整個系統的AI算法推理吐吞率達到最平衡與最優。

順豐在AI效能提升上面做了很多嘗試，包括技術升級，業務邏輯優化，設備性能探索，降精度升速度等優化方案，使得云端與邊緣及計算的設備成本達到最低。在未來我們也嘗試基于此方案來推動云計算、元宇宙等創新方向的優化提升。

四 AI持續助力順豐自動化作業能力

物流改變生活，科技改變物流，AI對物流產生了巨大的影響。

依托順豐物流場景海量數據的沉淀，打造了豐富的產品矩陣，覆蓋了物流的各個環節。讓計算機看懂物流，在滿足順豐業務需要的同時，也為泛物流行業客戶及合作伙伴提供先進可靠的一站式解決方案。

AI助力業務質量提升

皮帶機堵轉會造成流水線癱瘓，影響分揀時效，同時堵轉也會導致貨物被擠壓、變形、損壞等，為了對皮帶機堵轉現象進行實時監控，研發了皮帶機堵轉檢測子系統。該子系統通過分析攝像頭監控畫面，實時預警堵轉事件的發生，并精準定位堵轉區間，實時上報并進行消息推送，確保堵轉事件的快速消除，2021年初完成在順豐全國范圍網點和中轉場的推廣落地，為業務帶來顯著的破損率下降。

包裹堵轉場景

該子系統獨創特征融合算法，融合各圖片的時間空間信息，有效區分物體運動和靜止區域，使用tensor-RT架構進行加速，與傳統多目標跟蹤算法(MOT)相比，該方案簡單易用，兼具成本、效率與準確率優勢。

AI助力經營改善

在快遞運輸的整個過程中，需要經過多個分揀環節進行中轉或分發，通過掃描設備準確識別包裹與運單條碼的匹配關系才能進行精準分發。傳統的掃描設備識別運單條碼的準確率偏低，導致大量快遞無法自動分派，同時也可能被分派到錯誤的目的地，對生鮮類產品，容易帶來過期損壞等投訴問題，運輸時效與配送成本均面臨嚴重的影響。

AI補碼產品利用視覺OCR識別技術、視覺效果增強等技術，對掃描設備無法識別或識別錯誤的運單條碼進行二次識別與矯正，其中OCR識別采用超大規模深度預訓練模型，通過數千萬文字圖片進行訓練后，結合特征金字塔方案對圖片進行多尺度的特征變換，使其對圖片中不同尺寸的字體均能夠友好識別，識別準確率超過99.9%。在運輸過程中由于包裹摩擦等因素經常導致條形碼破損或模糊，視覺增強技術通過大量圖像樣本訓練，識別條碼中關鍵像素點進行重新圖像組織，最大限度還原原始條形碼成像，結合視覺OCR識別技術整體準確率超過99.99%，性能和穩定性達到業界最高水平，在滿足順豐內部需求的同時，也服務于行業多家物流公司。

AI助力業務風控

寄遞安全關系到快遞業的健康發展，為了滿足國家對寄遞安全監管的要求，研發了智慧安檢系統。智慧安檢基于人工智能與物聯網技術對傳統的安檢機進行升級改造，使之具備智能識別違禁品，并利用自動化設備實現對違禁包裹的自動攔截及分揀，不僅提升了安檢的效率、準確率、安檢設備的利用率，還降低了人力成本投入。

經過多年對違禁品圖像的研究，順豐積累了數百萬違禁品的數據樣本，通過超大規模深度學習技術，實現了上千種違禁品的準確識別，在全行業中遙遙領先。

安檢機圖片中的物體目標數量比較多，而且存在嚴重的遮擋，為了解決小目標及目標遮擋物的問題，通過anchor精調，FPN網絡，損失函數約束等多種優化方式實現了對極小物體的精準識別。

為了解決正負樣本不均衡的問題，引入OHEM網絡在線挖掘困難樣本、改善損失函數角度、結合GHM損失函數等方案，通過這些優化措施，有效解決了樣本傾斜所導致的錯誤發生，提升目標檢測準確率5%以上。

數據離線與在線相融的自動化機器學習平臺

為了讓AI能適應更多的場景和更好的服務業務，讓AI具備自我學習的能力， 順豐打造了慧眼神瞳中的AutoML自動機器學習平臺。

該平臺既能使AI可以自主學習，又能解決在安全方面滿足客戶數據保密性的要求。用戶通過AutoML平臺，簡易操作既可以執行全自動的優化訓練任務，生成慧眼神瞳的產品服務包，自動化部署到實際生產環境中，讓AI算法的研發、構建、測試、發布流程縮減90%以上的精力和成本。同時用戶在AutoML平臺上可以積累適用于自身業務環境需要的訓練數據，持續沉淀與管理高價值的數據資產。

通過對各種IoT設備、內部系統、三方系統等數據源的自動化采集，實現訓練數據集的自動化生成。順豐原創了自動標注技術，通過無監督和半監督等方式，對大量原始數據樣本進行預標注，極大減少了人工標注訓練樣本的成本。

創新全可視化生成算法任務的工具鏈，不僅減少了AI算法人員的編碼成本，同時也能對新老算法的效果進行監控和評估。AI模型完成訓練之后，自動流水線的方式進行自動化測試驗證，生成新老模型對比指標，通過人工一鍵操作，全自動化流轉進云端業務系統中進行部署，此外還支持自動監控模型異常波動、自動版本回滾等保證功能，讓研發減少了編碼成本，提升產品迭代效率，降低整個開發過程中的風險。

五 持續創新，深耕AI在物流行業的應用價值

物流作為一個龐大的綜合性服務產業，全業務流程中到處都存在智能優化的空間，人工智能在物流領域的應用可分為兩大類：一是以AI技術賦能的智能設備，例如搬運機器人、無人配送車、無人機、智能客服機器人等；另外一類是通過智能算法來提高物流效率與降低業務風險，例如裝載率識別、設備智能巡檢、風險自動檢測等。

在順豐全網的日常運營中，慧眼神瞳平臺共打造50多種AI應用，管控每天3千萬+快遞在運輸、中轉、配送中的各類風險。違規檢測類應用共覆蓋全國近17萬網點，提升44萬+收派員的專業化水平，保障服務質量并提高客戶體驗。

雖然目前物流+AI還是以輔助管理、提升效率為主，利用計算機視覺、NLP、智能語音等技術形成眾多降本增效的功能矩陣，但未來會通過不斷的業務場景探索與實踐，從客戶下單->自動分配訂單->倉儲自動分揀系統->運輸全程監控->到無人車/無人機配送上門，逐漸把眾多AI功能匯聚成一整套端到端的智慧營運方案，最大程度上實現物流全鏈路的無人化、智能化。

人工智能與邊緣計算雖然已被公認為是傳統行業產業升級的關鍵技術，但要穩步推進，仍然面臨一系列的挑戰。在物流行業的落地中，也碰到很多問題，例如對數據質量要求高、落地周期長、成本高等問題，降低新技術的應用門檻是首要問題。

此外，人工智能行業一直存在一個普遍矛盾：“技術成本和應用帶來的價值不匹配”，早期人工智能在物流上的應用，在技術不成熟的階段經常發現還不如用人工更節約成本，大多數技術在對業務沒有充分融合的情況下，純粹的技術驅動并不等同于業務最優方案。

因此，人工智能要深入融入物流每一個具體的業務場景中，與業務結果保持緊密關聯，才能發揮更大的價值；同時，要在規模化、低成本、易用性強、輕能耗等方面堅持長期的突破與創新，才能抓住未來5-10年人工智能在物流行業的關鍵趨勢。

隨著人工智能等新技術的不斷成熟和大規模的工業應用的涌現，物流行業將從一個勞動力密集型的產業轉變為一個知識密集型的產業，順豐將更加注重專業人才、技術、專利等的積累，與客戶保持密切陪伴，堅持創新與探索，持續賦能與助力整個物流行業的科技升級。

作者 | 李波，鐘桂全，熊君君，廖建科，關鑫

來源 | 羅戈網

此文系作者個人觀點，不代表羅戈網立場

冷鏈服務業務聯系電話：19138199759

標簽:

上一篇：智慧物流最新技術（智慧物流，讓生產更高效生活更便利）

下一篇：形容物流的經典句子（讓物流裝備更智慧有個性）