案例基本内容和执行情况
Al赋能,业内首例,国控广东物流药械视觉复核项目以智提效
2022年12月,由国控广东物流和旷视联合研发的“药械自动识别和数据采集系统”在国控广东物流佛山物流中心进入运作使用。在药械收货环节,该系统通过“人机协作”,数秒内就能完成单批产品的多轮信息复核和数据自动采集,实现高准确率的同时,整体工作效率提升超50%。
对此,国控广东物流总经理梁颖康表示:“国控广东物流佛山物流中心的视觉复核项目,是医药行业首例通过Al视觉识别技术解决药械全流程信息采集与识别的应用案例。这套药械自动识别和数据采集系统,不仅有助于提升我们的核心竞争力,还将为提升物流管理能力、员工工作效率和客户服务水平等提供保障。”
技术创新成焦点,Al视觉识别为药械信息管理提供新思
当前,受供给侧改革,以及集采、行业监管日趋规范严格等政策、市场因素影响,医药行业的高质量发展势在必行,也对医药制造和流通企业提出了更高要求。技术创新成为企业实现成本可控、供应链优化和高质量发展的主要突破口。
药品和器械的信息管理是医药仓储管理的重中之重,系统需准确无误地记录相应批号、生产日期、有效期等关键信息,以确保使用安全。以往作业模式中,药械出入库环节依赖传统的人力作业方式进行信息管理,耗时耗力。
国控广东物流一直致力于将科技与传统业务结合提出创新方案,通过技术创新实现高效、高准确度的药械信息管理,提高生产力。在本次系统研发中,国控广东物流应用旷视开发的Al视觉感知解决系统,通过加载视觉识别设备实现药械外包装的信息识别,提高生产效率。
案例主要经济成效和社会成效分析
效率提升50%,国药与旷视共创药械信息管理数智化升级,作为医药物流行业重点企业,国控广东物流承接了几十万种药械SKU,药械入库前需复核包括厂家、名称、规格、批号、生产日期、效期等十多项信息,对效率和精度要求高。为了能更好地应对复杂的现场业务场景,并做到超高识别准确率,双方进一步研发了药械自动识别和数据采集系统。
国控广东物流通过分析药械库内信息管理需求,设计了前端应用子系统,可对药械图像进行备案、信息提取和归类对比,确保每个环节信息一致,对每件产品的入库物流、信息流进行精准管控。旷视则提供视觉模块、信息系统接口和相应的硬件设备,完成图片中文本检测、图片矫正、OCR识别和处理,为前端系统提供服务,共同实现视觉模块与WMS的无缝对接、系统运作效能最优化。
为了提高Al识别的准确率,双方工程师驻场开发和支持运维,不断收集数据,观察调整设备,共同探讨优化药械包装文字的匹配方案,不断提升方案的识别准确率和易用性,目前识别准确率已达到99%。
药械信息识别和采集流程的前后变化
双方还将Al技术与业务流程相结合,通过药械自动识别和数据采集系统,配合单据复核、实物复核、人工复核等多轮复核手段,满足医药行业的超高准确率要求。该系统投入使用后,国控广东物流佛山物流中心的药械信息复核工作效率提升了50%。
未来,国控广东物流将在三个方面继续发力,一是整体的物流网络规划覆盖更广大的地域,持续扩充物流节点,向二、三级城市乃至乡镇下沉;二是加大信息化建设投入,实现物流网络高效运营;三是采用更多的自动化物流技术,实现仓储、运输以及末端网点的作业自动化,特别是采用Al控制的设备来提升整体物流运作的自动化水平。通过持续探索医药物流创新模式,加快企业高质量发展,助力国药一致加快数字化服务升级的步伐,进而推动行业加快技术与物流的深度融合,用科技为医药流通产业注入支撑力。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。