作者：Anisha Udayakumar 翻譯：張晶

項目背景

你是否知道每年大約有2300億美元的食物被浪費，其中高達五分之一屬于可食用農產品？我們都在自己的家中經(jīng)歷過某種類型的食物浪費，但最大量的浪費發(fā)生在雜貨店的新鮮食品和農產品區(qū)。

長期以來，這么多的食物浪費一直是我關心的問題！在加入英特爾之前，我是一名創(chuàng)新顧問，與多家全球零售客戶合作改善運營和客戶滿意度，那時是我第一次注意到商店里浪費了大量的新鮮食物的時候?；谶@樣一個事實，與預先包裝的食品不同，新鮮農產品沒有保質期——這使得預測它何時變質變得極其困難。

由于，使用人工智能等技術讓可持續(xù)發(fā)展成為主流一直是我的夢想，我知道零售商必須有更好的方法來解決這個問題并減少新鮮農產品的浪費，所以，我建立了一個計算機視覺人工智能模型，可以確定農產品的新鮮度，比如西紅柿或香蕉等。但是，讓 AI 模型實時工作是一個挑戰(zhàn)，我意識到提高模型性能對于部署和大規(guī)模應用至關重要。

在這篇文章中，我將展示如何使用 OpenVINO工具套件來優(yōu)化模型和加速人工智能推理計算。

構建模型

通過使用攝像頭來監(jiān)控雜貨店的貨架，并使用目標檢測和識別技術掃描其貨物的圖像。本文中我使用了一個AI 模型準確識別出農產品區(qū)的每一件商品。

通過打上標簽的圖像，目標檢測和識別算法能夠確定產品是新鮮、損壞還是即將變質。有了這些信息，我們就可以設置自動警報，通知商店經(jīng)理和零售商是否需要更換產品或需要降價——減少需要丟棄的產品數(shù)量。

OpenVINO助力實時推理計算

我的新鮮度識別模型可以分析單件新鮮農產品的圖像，如上圖所示。為了在現(xiàn)實場景中發(fā)揮作用，它必須能夠非常快速地區(qū)分和標記大型貨架上的每一件農產品。

為了構建模型，我使用了 Open Model Zoo 中的 SSDLite MobileNetV2 模型，詳情請參考這個 Jupyter notebook 中描述的目標檢測和識別程序。

Open Model Zoo github地址：

https://github.com/openvinotoolkit/open_model_zoo/

SSDLite MobileNetV2 地址：

https://github.com/openvinotoolkit/open_model_zoo/tree/master/models/public/ssdlite_mobilenet_v2

Jupyter notebook 地址：

https://github.com/openvinotoolkit/openvino_notebooks/blob/main/notebooks/401-object-detection-webcam/401-object-detection.ipynb

雖然我將該程序用于解決食物浪費問題，但它并不局限于解決食物浪費問題。開發(fā)者可以很容易地按照詳細的源碼將其應用到自己的目標檢測場景中。

正如我已經(jīng)提到的，雖然我最初的目標檢測模型是準確的，但它檢測速度太慢了。一開始，我嘗試對模型進行微調，甚至切換到了另一個模型，但這并沒有是性能得到很大改善，于是我轉向了 OpenVINO，它幫我將推理時間從10秒縮短到了1.5秒。

使用OpenVINO的另一個好處是，使模型移植性更好。我的新鮮度檢測模型是基于 TensorFlow 構建的，我也可以使用其他框架，如PyTorch、Caffe或PaddlePaddle，并在各種不同的硬件上運行我的模型，如下圖所示。

如果你想自己嘗試這個方法，這里有兩個建議：

1. 首先，正如下面的代碼片段所示，使用OpenVINO您只需要六行代碼來加載和初始化OpenVINO運行時，并針對指定的硬件編譯您的模型，然后將圖像數(shù)據(jù)傳遞給模型并得到推理結果！

2. 你真正想記住的另一件事是“device_name”部分。OpenVINO讓您可以靈活地在許多可能的設備（CPU、集成顯卡、獨立顯卡乃至 FPGA）中選擇最符合您的設計性能（吞吐量和時延）目標的推理計算設備。

from openvino.runtime import Core
img = load_img ()
core = Core()
compiled_model = core.compile_model(model=model, device_name=”CPU”)
output_layer = compiled_model.output[0]
results = compiled_model([input_img])[output_layer]

向右滑動查看完整代碼

下一步是什么

正如你所看到的，為人工智能應用程序構建軟件并不難。真正的訣竅是讓它們實時工作。OpenVINO改進了我的人工智能模型的性能，并使我的食物浪費減少應用程序成為現(xiàn)實。

總結一下這個項目中最重要的兩個經(jīng)驗：

1. 由于 OpenVINO適用于所有通用框架，所以您可以只需用幾行代碼來優(yōu)化現(xiàn)有的模型。

2. 我在這篇文章中介紹的模型不僅僅可用于減少食物浪費，還可以解決 AI 開發(fā)者每天面臨的許多類似問題。

要了解更多關于如何開始用 AI 和 OpenVINO解決現(xiàn)實世界的問題，請查看英特爾人工智能開發(fā)者學習之旅以獲得更多的演練和教程，并訪問 Open Model Zoo 以利用更多的預先訓練和優(yōu)化的模型。

審核編輯：湯梓紅