走出实验室深入钢铁厂，看算法落地开花。
我是淩一，今年 22 岁，一个搞视觉算法的 AI 工程师。
别看我年纪小，如果从我 15 岁大二进实验室来算，我研究视觉算法也快 7 年了。只不过，我感觉自己近两年生活的关键词，突然从“写论文”，变成了：钢板、表检、裂纹、麻坑，最常待的地方也从实验室变成了钢铁厂。似乎从加入阿里那天起，我的生活就驶入了另一条轨道。 
隔壁的工位，又空了。很难想象昨天还在和我交流算法的师兄，今天就已经装备整齐地进入了远方的某个工厂……哦，别误会！他不是离职，只是出差。在我们这里，算法工程师也是要到一线跟项目的。按师兄的话来说，虽然我们是做的是技术研发，但有些项目还是得到工厂一线去沟通，才能知道他们真正面临的问题和需求，也能更直观地看到算法的价值。
那时候，刚入职一周的我对师兄的话理解并不深刻，直到半年后我迎来了自己的第一个进厂项目——南京钢铁中厚钢板表检。中厚钢板是业内对于厚度在 4~25mm 钢板的俗称，这类中厚板多应用在桥梁、船体、压力容器等场景，对于钢板表面的缺陷如裂纹、麻坑、掉渣等有极高的要求。其中，“裂纹”因为具有一定深度，能够影响到中厚钢板的强度，是业界最为在意的缺陷。
想象一下，如果桥梁、船舶的外壳突然开裂了，会产生什么可怕的后果？但如今业内缺陷检测的常规方法，仍是双眼+手电筒，这对师傅们的眼力和耐力都是极大的考验。在一块长 10 米、宽 3 米的黑褐色大钢板上找一根头发丝粗细的裂纹，无异于大海捞针，而师傅们一天至少要抽检上百块。我还记得第一次到现场学习时，负责抽检的两位师傅只匆匆抬头打了声招呼，就又握着手电筒，俯身在 30 平米大钢板上，一寸一寸搜寻过去。 
此外，师傅们的工作环境也十分艰辛。
这些热轧钢板都是在高温环境下生产，送到冷床后表面依然有五六十度高温，夏天甚至可能有一百度，劳保鞋踩在上面都会冒烟。这一套装备后来我也曾穿过，每次都是干干爽爽穿上身，湿湿嗒嗒脱下来。
越了解表检工艺，想让 AI 成为合格钢板质检员的目标也就越坚定。一旦成功，不仅能够缓解师傅们的工作压力，也能让所有缺陷无所遁形，提高钢板的良品率。
为了实现目标，我也开始了频繁的出差生活，往返公司和钢铁厂的高铁、机票摞起来，大概能有一杯大杯百香果双响炮那么高。
让算法在钢铁厂落地开花理想很丰满，现实很骨感。
想要让 AI 成为质检员，先要采集各类钢板缺陷数据，通过充足的样本数量让 AI 学习辨别缺陷；同时还要在产线上架设相机，拍下每一块出产钢板的正反两面，才能做到全面识别。
钢板AI质检
但刚拿到第一批相机拍回来的钢板图片时，就好像有人在我耳边点播了一首《凉凉》——最怕的“脏数据”问题出现了，相机拍的每张图片都不一样。
这一张黑得我找不见钢板，下一张亮到刺眼，左右方向键快被我按出火花，却只能找到几张勉强可用的照片。
另一个尴尬问题是，因为工厂良品率较高，能供给 AI 学习的缺陷数据比想象中的要少得多，最开始设想的算法模型也不能用了。
那段时间，我格外怀念在学校实验室的快乐，至少数据集是公开的、标准的。这大概也是在一线和在实验室做算法的最大不同吧。
不过办法总比困难多，抱着怎么都不能让我第一个独立负责的项目就这么垮了的想法，这两个数据难题还是顺利解决了。
照片忽明忽暗，那就一边先用数据预处理的方式进行优化，相当于在进算法模型前先让 AI 自动调整画面明暗；一边抓紧排查问题来源，最后通过进一步稳定光源电压，厂内也全力配合进行规律的除尘，双管齐下，照片终于变得清晰。
样本数据量少，那就修改算法，建立小样本学习模型，让 AI 换种学习方式。 
最根源的数据问题解决后，我的表检算法也顺利成形，AI 质检员成功踏上工作岗位，甚至开始进阶升级：
- 裂纹、麻坑、油污等等缺陷都有自己的特点，那就一对一定制算法模型，增强 AI 的分析能力；
- 氧化铁皮、油印等背景干扰非常大，和缺陷过于相似，那就设计专门识别模型来消除氧化铁皮，仅仅突出真正的缺陷区域；
- 此外，中厚钢板产线是四班倒，那就在系统里加上班次功能，并对数据存储进行扩容优化，既能够让当班的师傅及时标记产线情况，也为后期的钢板追溯返查提供很大的便利。
就这样，项目一路顺利推进，终于在近期圆满交付。
原先经验丰富的老师傅，缺陷检出率只有 90% 左右。客观条件有限，人工只能检查钢板的上表面，无法检查下表面。
如今 AI 来做质检员，能够对每日所有产线上的钢板进行全面检测，3 秒就能得出结论，不论是头发丝般的裂纹还是压入的微小异物，都能被 AI 精准识别出来。
并且缺陷检出率达到 98%，准确率超过 90%，不仅进一步提升了钢板的良品率，工人师傅的工作压力也大大减轻。 
回望做项目的这一年，我好像过上了和前 20 年完全不同的生活。
曾经，有一份进厂的项目摆在我面前，我懵懵懂懂地接了。如果可以再给我一次选择的机会，我会更坚定地说：我进！
如果在这个选择上加一个期限，我希望是 8 个月——重来一回，弯路少走，那我或许可以提前三分之一的时间，让我的算法更快落地开花。
当然，人生没有重来的机会，不过我进厂的机会可不少！
我第二个项目电池厂进度已快过半，等到它顺利交付的那一天，再来和你们说我的算法第二回开出了什么样的花。
我在钢厂“炼”AI
