星塵數(shù)據(jù)是??華為云ModelArts首家標注平臺合作伙伴??，雙方聯(lián)合開發(fā)的標注訓練一體化方案已應用于多個車企項目，2023年起，星塵數(shù)據(jù)標注平臺通過華為云技術認證，成為其AI開發(fā)平臺的核心數(shù)據(jù)服務伙伴。 星塵聚集了國內(nèi)外人工智能科學家，數(shù)據(jù)處理數(shù)過億，立志打造世界頂尖AI數(shù)據(jù)中臺系統(tǒng)。
山西省煤礦資源豐富，煤礦產(chǎn)業(yè)上下游企業(yè)眾多。與此同時，山西省政府對推動當?shù)啬茉崔D(zhuǎn)型、推進煤礦產(chǎn)業(yè)智能化發(fā)展的意愿十分強烈。
煤企多為省屬國企，政府對企業(yè)較強的統(tǒng)籌能力是推動煤礦產(chǎn)業(yè)智能化發(fā)展和數(shù)字化轉(zhuǎn)型成功的優(yōu)勢條件。為響應省政府關于煤炭工業(yè)互聯(lián)網(wǎng)平臺建設的政策要求，2023 年 5 月，由省屬國企牽頭成立的晉云科技，打造全國首個省級煤炭工業(yè)互聯(lián)網(wǎng)平臺。該平臺依托山西海量煤礦場景數(shù)據(jù)，搭載華為盤古大模型及智算中心，為生態(tài)企業(yè)提供算力、數(shù)據(jù)等資源，推動智能化技術攻關和產(chǎn)業(yè)升級，既承接政府能源轉(zhuǎn)型戰(zhàn)略，又解決煤企實際需求。
痛點1：模型適配難
垂域模型落地依賴企業(yè)私有化數(shù)據(jù)的哺育，公開模型解決不了企業(yè)的業(yè)務場景問題。
痛點2：缺乏系統(tǒng)性
缺少一套AI原生的平臺能解決從企業(yè)數(shù)據(jù)、模型訓練到AI應用的端到端的落地問題，包括高效的數(shù)據(jù)處理、模型訓練等。
痛點3：數(shù)據(jù)挖掘難
工具鏈多樣，對接成本高，數(shù)據(jù)孤島和流程斷點問題嚴重，數(shù)據(jù)挖掘依賴自聘的大量算法工程師，需要高效的數(shù)據(jù)挖掘工具鏈。
痛點4：數(shù)據(jù)效率低
數(shù)據(jù)標注缺乏高效且專業(yè)的解決方案，需要專業(yè)且高度自動化的數(shù)據(jù)標注產(chǎn)品解決規(guī)?；臄?shù)據(jù)標注業(yè)務訴求。
星塵自研MorningStar一站式數(shù)據(jù)閉環(huán)解決方案，提升模型迭代效率數(shù)倍，突破模型上限數(shù)十個百分點。
覆蓋AI數(shù)據(jù)閉環(huán)各關鍵環(huán)節(jié)，包括數(shù)據(jù)可視化管理、模型評估、數(shù)據(jù)處理流程編排、人類反饋、難例發(fā)現(xiàn)、數(shù)據(jù)挖掘、數(shù)據(jù)合成等，賦能AI加速落地，幫助企業(yè)級AI高效高質(zhì)量發(fā)展。
數(shù)據(jù)平臺解決方案，幫助客戶落地智能化AI模型訓練的各類數(shù)據(jù)要素生產(chǎn)的需求：
1、數(shù)據(jù)管理：提供對文本、圖片、視頻等數(shù)據(jù)集的可視化管理能力。
2、數(shù)據(jù)標注：提供對文本、圖片、視頻等數(shù)據(jù)的標注功能，可生產(chǎn)用于CV、NLP算法訓練的訓練數(shù)據(jù)。
3、項目管理：提供大規(guī)模標注項目管理功能，包括人員管理、項目流程自定義、標注工具配置等，幫助高效管理生產(chǎn)質(zhì)量、進度、成本。
4、權限管理：提供基于團隊和角色的權限管理功能，對數(shù)據(jù)集、標注項目等進行精細化權限管理。
務架構圖設計版新.jpg)
使用的華為云服務與關鍵價值：
1、平臺體驗：為客戶提供一站式采購體驗：選購—下單—部署—售后。
2、華為云能力：通用算力平臺、AI算力平臺、工業(yè)PaaS平臺，快速部署搭建，整合星塵能力為客戶搭建了AI基礎設施。
3、方案價值：華為云通過星塵數(shù)據(jù)CV標注能力快速實現(xiàn)高質(zhì)量數(shù)據(jù)集的構建，并通過ModelArts快速開啟礦山AI大模型的訓練，助力礦山AI大模型實現(xiàn)滾筒、護幫板防碰撞檢測、著裝檢測；皮帶卡子損壞檢測、主運異物識別、刮板運輸機異物識別；前探梁未接頂識別、未進行前探梁支護識別、敲幫問頂作業(yè)檢測、探放水作業(yè)鉆桿深度合規(guī)檢測、防沖卸壓鉆桿深度合規(guī)檢測等多種CV檢測算法。
整.png)
華為云與星塵數(shù)據(jù)快速響應我們的需求，并較快的完成了部署上線，使用過程中華為云和星塵數(shù)據(jù)提供了完善的操作指導。這個解決方案有效的幫助我們實現(xiàn)了AI產(chǎn)業(yè)賦能的基礎支撐落地，為我們發(fā)展相關生態(tài)、產(chǎn)業(yè)升級和創(chuàng)新，將資源優(yōu)勢轉(zhuǎn)化為產(chǎn)業(yè)優(yōu)勢打下了良好的基礎！
1、產(chǎn)業(yè)生態(tài)效益
依托搭建的國家級產(chǎn)業(yè)集群，打通政、產(chǎn)、學、研、用協(xié)同鏈路，實現(xiàn)各方共建共享共贏，既為客戶創(chuàng)新發(fā)展提供優(yōu)質(zhì)生態(tài)環(huán)境，又助力客戶將自身資源優(yōu)勢高效轉(zhuǎn)化為產(chǎn)業(yè)競爭優(yōu)勢。
2、數(shù)據(jù)管理與生產(chǎn)提效
一方面通過多模態(tài)數(shù)據(jù)可視化，清晰呈現(xiàn)數(shù)據(jù)規(guī)模、歸屬、處理路徑，提升數(shù)據(jù)復用與共享效率；另一方面憑借可編排的處理流程、可追溯的多版本數(shù)據(jù)管理，以及 70% 以上主流任務自動化率的人類反饋系統(tǒng)，結合 DAG 工作流與協(xié)同管理功能，實現(xiàn)數(shù)據(jù)生產(chǎn)質(zhì)量與效率雙提升，同時支撐企業(yè)模型可再生、實驗可復現(xiàn)。
3、數(shù)據(jù)價值挖掘
借助特征可視化、跨模態(tài)檢索等數(shù)據(jù)挖掘工具，幫助客戶充分發(fā)掘數(shù)據(jù)全維度價值；同時依托算法指標跟蹤、自定義指標及推理結果可視化能力，快速定位模型缺陷、實現(xiàn)難例發(fā)現(xiàn)與主動學習，大幅提升模型迭代效率并突破效果上限。