装卸搬运,最古老的出卖体力换取报酬的工种。

 

合肥的一个厂房里也是这样。

 

那天,是合肥最寻常不过的一个春雨午后,“工人”们正忙着搬运各式各样的箱子。

 

有食用油、牛奶方便面,还有各式酒类烟草……

 

他们每天的任务就是将货物从集装箱里搬出来,在托盘上码放成随机不同的垛型。

 

 

但与众不同的是,这个“工人”团是由中科大博士张杰领衔,平均年龄仅28岁。

 

而且,也不是每天靠搬一个箱子算一份钱。

 

他们正在打造的,是一个全程仅靠机器人运行的智能装车系统,集成机器人、激光雷达、机器视觉、数字孪生等多项前沿技术于一身,可自行完成拆垛、分组、输送、整形、码放等装车全过程。

 

目前,系统已临近交付,他们在进行最后一波调试。

 

搬运货物,也就是调试过程中的一项日常,

 

不过这个货物也有点特殊——矿泉水配重的各种纸箱,为的是能够同时模拟各种规格、种类的货物场景。

 

 

张杰博士在一家什么公司?

张杰博士所在的公司——泰禾智能。

 

嗯,不常出现在AI新闻中。

 

但它却是深耕图像识别17年的老玩家了。

 

跟一般的技术玩家“拿锤找钉”不同,泰禾从一开始就有明确的场景需求、瞄准了落地。

 

泰禾的第一个场景,也是切入点业务,叫智能分选。

 

泰禾智能董事长许大红回忆,当时出于这样的考量。

 

一是技术门槛高。

 

业务所用的色选机,不光设计复杂,涉及大量光电知识,对软硬件、算法的要求很高,有技术门槛。

 

针对不同品牌,还需要定制化设计,比如立式机、履带机、茶叶机、果蔬机……

 

 

二是可预见的落地场景和市场需求。

 

从名字拆解来看,“泰”即平安、安定,“禾”意为粮食。

 

泰禾建立之初就聚焦在了老百姓的食之根本——谷物杂粮上。

 

大米、小麦、玉米、花生、瓜子……我们日常吃的每一粒粮食,可能都经过了泰禾筛选。

 

 

从田间收下来的粮食,并不是每颗都能吃。

 

没熟的、发霉的、被污染的……都表现在颜色上。

 

要是手工一颗颗挑,得选到猴年马月。但泰禾却利用光学原理,让机器学会“看色选粮”,大幅提升粮食质量。

 

 

2012年,分选技术进一步扩展到了茶叶。

 

2018年,连水果也安排上了。

 

机器视觉+AI,不仅能迅速识别“带伤”的坏果,还能结合体重、大小,将水果进行品质分级。

 

用上AI视觉检测后,机器一眼就能识别水果的种类、色泽、美丑、和伤口数量等,从而进行筛选。

 

 

目前筛选的范围包括苹果、柠檬、橙子、猕猴桃、梨等水果。

 

 

农副食品分选以外,泰禾在塑料、有色金属、工业盐、煤炭、矿石等工业领域也都有涉足。

 

拿AI矿石分选技术来说。

 

之前选煤炭,一般用水洗。利用离心力,水就能将不同比重的矿石分开来,但这样做不仅浪费水,还造成了环境污染。

 

 

但如果结合AI图像识别、X射线成像的话,机器就能自动区分煤和矸石,据称精确度达95%,一吨煤能节水70公斤。

 

公开的客户就有同煤集团、淮河能源、中煤集团、陕煤集团等不少大型能源集团。

 

目前,泰禾的分选业务已涵盖粮食、果蔬、食品、工业品等300多种物料。

 

许大红透露,这还不是全部,还会有新的应用场景,如可再生资源。

 

也就是我们常说的垃圾分类。

 

 

据中新网援引日本研究机构表示,全球一年产生的垃圾总量,将在2050年达到320亿吨,是2000年的4.2倍。

 

围绕着图像识别技术,泰禾拓展横向业务之外,还进一步打通了后端工厂制造流程。

 

而智能包装,作为色选领域的下游。

 

2019年,泰禾成立了子公司——正远包装,涉及食品、化工、种子、防水涂料等领域。

 

官网显示,目前已有联合利华(OMO)、宝洁(P&G)、益海嘉里、中粮集团、中石化等客户。

 

而张杰博士的智能装车系统,是集团现有业务场景链条上的更进一步。

 

据说这是整个集团当时立项项目中最难的一个,投入也最大,但却是最坚定的一个。

 

内部不是没有反对的声音,但董事长许大红力排众议,支持研发,相信科技创新的力量,可以为行业带来新的装车模式。

 

四年过去,这个项目完成从零到一,订单开始纷至沓来——无它,符合刚需。

 

第一波客户中,也是老百姓日常耳熟能详的企业,如郎酒、伊利、金龙鱼等各行业龙头。

 

泰禾经历了三次技术升级

从色选、智能分选,再到智能装车……

 

驱动泰禾这样一家场景落地公司的驱动力,除了自身的追求,外部世界又在发生着怎样的变化?

 

回顾发展历程,泰禾的几次业务拓展,都伴随产品技术升级。

 

许大红透露,泰禾共有三次技术升级。而张杰博士的智能装车系统,正是在第二次升级中孕育出来的。

 

2004年,许大红创办泰禾智能,以光电二极管技术为核心,进行粮食分选业务。

 

(光电二极管,简单来说就是将光信号转换成电信号的传感器件。)

 

一年后,团队研发出了光电色选机。根据物体反射和透射率的差异,用特定波长的光将它们分开。

 

 

不过,这种设备只能对黑白色物料进行分选,且局限于带道料槽,可识别的种类有限。

 

 

2009年,泰禾进行第二次技术升级。

 

他们自主研发的CCD色选机,打破了国外企业的技术垄断,是国内企业首次将CCD图像识别算法应用在粮食分选领域。

 

相比于光电色选机,CCD色差的识别率更高,更适用于多种物料的色选。

 

这一次技术破局的势头,是泰禾没有料想到的。

 

依靠这项技术,泰禾不仅先后开发出杂粮、茶叶、果蔬分级等农产品分选设备,还完成了上市。

 

2017年3月,泰禾智能(当时还叫泰禾光电)登陆上交所主板。

 

这一年,AlphaGo在乌镇大战柯洁,获得三比零全胜的战绩,AI浪潮再次在国内复兴。

 

 

泰禾自然没有放过这次浪潮,也是在这时候,张杰博士的智能装车项目在内的众多前沿项目开始立项。

 

但相比于那些强调比赛成绩、论文数的AI企业,泰禾则比较低调,也追求落地为王。

 

这跟董事长许大红一以贯之的理念有关。

 

他认为,以人工智能为代表的技术趋势,会丰富工业检测算法,提供全新的可能性,拓宽应用的边界,并借助装备化落地,到产业里面去,实现产业升级。

 

 

还创建了基于大数据、AI、物联网技术集成的“TAI+智造互联平台”,一个服务于客户的运维平台,可提供分析报告、虚拟仿真流程、售后服务等。

 

张杰博士的项目突出重围

幸运的是,张杰博士的智能装车项目终究抓住了时代机遇。

 

现在,智能装车是泰禾官网上的四大业务之一。

 

 

与其他三个业务相比,这个新业务,现在还稍显“稚嫩”。

 

但在内部却已是公认的未来。

 

因为其场景价值。

 

整个智能装车过程,大致分为几个步骤。

第一步,停车定位。根据不同的货车类型,尺寸、高度、沉降程度(装载货物时整体沉降)以及身处的环境差异,装车机器人,需要实时做出调整,保证货物运输平稳。

 

 

第二步,下达任务。整个系统用到了数字孪生系统,依靠数字建模,工作者能在线监控整个装车过程。

 

 

第三步,货物检测。利用图像识别,自动检测托盘上货物的类型、尺寸规格、摆放姿态。

 

目前主要有三种类别,箱式、袋式和整垛式。依照不同的类别,对应着不同的拆垛机器人。

 

万事俱备,就到了最后一步——装车了。

 

整个过程包括拆垛、分组、输送、整形、以及最后装盘、码放等,涉及到装载空间规划算法、视觉识别定位算法、自主决策技术。

 

通过3D视觉识别,精确定位车厢位置,指导货物码放装车;依靠自主决策,判断最佳拆垛、码放的方式;在面对不同货物时,需要规划算法,寻求在有限空间装载的最优解……

 

 

张杰博士介绍称,这一装车系统具有一定的通用性,能适应不同的货车、货物,以及复杂的环境,因此能普及到各个行业中去,具有广阔应用前景。

 

从成本效益来说,系统的装袋效率可达1000袋/小时,装箱效率可达1800箱/小时,这样一次能代替4、5名工人,还能保持24小时运作,预计5年内帮助企业降低40%的综合成本。

 

前段时间,人社局发布的“最缺工”TOP 100职业排行榜单。装卸搬运工排行第28名,可以说是企业刚需了。

 

 

不光降低了工厂搬运成本,还解决了企业用工荒的难题,也避免了人工搬运时的安全隐患。

 

或许正基于此,张杰才有如此底气,说出“两年就能回本”的豪言。

 

泰禾才有如此底气,将智能装车作为今后3-5年的重点推进项目。

 

在泰禾官网上,有这样一张规划图。

 

 

产品分选加工区、智能包装码垛区、智能仓储区、以及最后的智能装车区…

 

整个后端流程正在全面打通,而许大红的想法也正逐渐实现。

 

很难想象,一家17年的公司,每个发展阶段都有新的产品引领着行业变革,能有源源不断的创新激情,为接下来的三年、五年乃至十年做前瞻性研究。

 

泰禾靠的无他,深入场景然后技术驱动,深入聚焦到一个行业中去,将一个垂直场景吃透。

 

而这也是当前AI落地中易于忽略的那一面——太多目光聚集在AI算法和技术创新独角兽,聚焦于手握锤子的明星公司,却忽略了那些场景里诸多“钉子”的企业,从细分领域切入,将AI融入智能装备研发中去,小而精地率先实现了产业化落地。

 

这波AI复兴浪潮中,算法是关键,但背后更思考的是如何产业化落地。而泰禾智能,就是这样的代表,是闷声吃掉AI红利的代表。

 

这样的公司还很多,但这样的公司很低调,他们在民间,他们在默默落地为王,降本增效。

 

他们也从另一层面,打破AI落地“无力”的偏见,他们会越来越多走向舞台中央。

 

你知道还有哪些这样的场景AI公司?