使用价值成效

浙江工业大学的付教师根据EasyDL标准版内已开展优化方案的YOLOV3、Fast-RCNN等预设互联网，使用版物件检验实体模型，协助协作公司在短期内迅速练习获得药品盒检验快递分拣实体模型；并依靠EdgeBoard-VMX加速卡硬软一体计划方案，相互配合机械手臂操纵精英团队快速完成机械手臂高效率药品盒快递分拣，为药品盒物流企业中的快递分拣难点给予了有效的解决方法。在实际具体运用中，EasyDL标准版的物件检验实体模型3D精度等级在1-2mm，姿势精密度在1度上下，机械手臂臂展较长，通常为1.3或1.5米，进行一次快递分拣每日任务的周期时间可低至7-8秒上下，机械手臂适用24个小时持续工作中，快递分拣高效率对比人力大大的提高。

实例小故事

关键需求

药品盒检验是完成智能机器人快递分拣的瓶颈问题之一，困惑医药配送领域很久。有三点缘故，最先，药品盒的类型特别多，如今在我国近期的国家医保目录内药物有2643种，文件目录外药物大量（很有可能超出了10千万种），并且持续有药物在产品研发。第二，药品盒检验的环境比较复杂，药品盒是分层次沉积在药箱里的，下一层会对顶层的药品盒造成非常大的环境影响。第三，规定检验速率非常快，几十到好几百ms时长进行检验鉴别。因而，医药配送公司开展药品盒检验难度系数大，通常采用传统式人力分类的方法，劳动量大，用时长。

解决方法

EasyDL标准版预设了提升过的多种多样互联网，客户可以依据模型拟合精密度、预测分析速率的标准完成挑选；与此同时，标准版中也内嵌了百度搜索自研集成电路工艺视觉效果预训练模型，根据百度搜索海量信息开展规模性练习而成，相较应用公布数据练习的预训练模型，实际效果有显著提高。在药品盒检验情景中，提升的多种多样互联网挑选与实际效果优异的预训练模型，相互配合EdgeBoard-VMX加速卡硬软一体计划方案在机械手臂上的线下布署，助推开发人员在应对药品盒快递分拣全过程中比较复杂的品种与环境难点时，短期内内进行高精密AI实体模型的研发与落地式。

第一步：应用业务流程现场收集的药品盒数据信息，根据EasyDL标准版物件检验练习药品盒鉴别实体模型，优化至鉴别精密度满足需求。

第二步：在实体模型线下布署时，依靠EdgeBoard-VMX加速卡硬软一体计划方案，将其布署到快递分拣机械手臂上，减少了机械手的快递分拣时间，提升了快递分拣高效率。

第三步：讲机械手臂运用到药品盒货运物流情景中，进行药品盒检验与快递分拣、核查。