AI发展进入2.0时代！英特尔在落地中总结4大经验(11)_欧凯发自凹非寺量子位报道|公众号QbitA

比如在测量完成后，分析后数据返回至输送系统，指导决策，按不同大小的快件送至合适的分拣和装车处。

英特尔分享，在该过程中，Analytics Zoo平台提供的图像分类技术在其中起到了关键作用。

图9/14

利用该平台内置的图像识别模型，AI应用首先能够提取出待测量的快件轮廓，进而通过平台提供的 TensorFlow等深度学习框架，结合英特尔至强可扩展处理器提供的算力，完成从模型训练、模型重定义到模型推理的AI处理全流程，最终获得准确的大小件测量数据。

基于此，韵达还在进一步地利用深度学习算法来进行运筹优化。

例如其将装车过程抽象为经典的“切箱问题”，也就是当不同大小的快件到来之际，要规划好摆放的次序、朝向和位置，来使装件量最大化，从而尽可能降低运输成本。

在英特尔的协助下，韵达AI团队利用深度学习的结构来表述这一问题的各个状态，并在其后加上强化学习的方法，将这一启发式的策略学习出来，其应用效果，甚至优于传统的运筹优化方式。

AI发展进入2.0时代！英特尔在落地中总结4大经验(11)