興業數金持續發力做好“五篇文章”：以科技金融助力實現數字化監管新突破

近年來，興業銀行積極響應國家鄉村振興戰略號召，為給生物抵質押融資業務提供更高效的數字化監管服務，生物資産數字化監管平臺應運而生。該平臺盤點功能以耳標監控和AI盤點技術為基礎，能夠對抵押的活體（牛、羊、豬等）進行全面監控和管理。儘管當前所採用的AI盤點設備在實現監控功能方面具備一定效能，但其高昂的成本卻制約了平臺推廣。生物資産數字化監管平臺研發團隊積極探索技術創新之徑，針對當前AI盤點邊緣側設備成本高的問題，自主研發行內首個雲端AI盤點技術，通過研發AI盤點演算法並進行雲端工程化部署，大幅降低了AI盤點成本，從而更好地服務於廣大地區的生物抵質押監管需求。

自研AI盤點技術迭代路線圖

興業數金應用創新中心研發團隊在生物資産數字化監管平臺不斷完善的過程中，開闢了一條自研AI盤點技術的迭代道路。這一過程始於對應用場景數據的廣泛收集，其後展開盤點模型的訓練，並通過工程化部署將其實現落地。而在工程化部署之後，團隊並未止步於此。

研發團隊將不斷進行針對性的數據收集，針對模型存在的局限性和短板進行深入分析與研究，以此為依據進行下一輪的模型優化。這種循序漸進、持續改進的工作方式，使得自研AI盤點技術能夠與不斷變化的環境和需求保持同步，為數字化監管平臺的穩健運作提供了持續的支撐和保障。

一、自研AI盤點演算法研發

自研AI盤點模型圖

自研AI盤點演算法旨在準確獲取圖像中特定種類目標（如豬、牛、羊）的數量。該演算法核心採用目標檢測演算法，目前，重點研發方向是針對部分生物資産進行AI盤點。然而，此場景面臨多重挑戰：訓練數據集稀缺，養殖場光線複雜，且可能出現目標生物堆疊或遮擋情況。

研發團隊基於Yolov5實現自研AI盤點演算法，利用養殖場監控圖像進行訓練，選擇適當的超參數後進行了100多輪次的模型訓練。此外，研發團隊對AI盤點模型進行了模型剪枝和知識蒸餾，在幾乎不損失精確度的情況下，成功減少了模型參數量，從而提高了運作速度。最終的AI盤點模型在測試數據集上達到了99％的準確率，精確地完成複雜場景下的AI盤點任務。

二、自研AI盤點模型工程化落地

生物資産數字化監管平臺自研AI盤點展示界面

研發團隊將自研的AI盤點模型成功部署在雲端伺服器，打造了模型即服務的解決方案。為了後期更好地迭代維護升級，並整合自研AI盤點模型服務到當前的生物資産數字化監管平臺系統中，研發團隊經充分調研後使用Java版的OpenCV圖形庫及ONNXRuntime模型運作庫，實現了高性能的模型推理；基於分佈式微服務架構，利用消息隊列、負載均衡等技術接收物聯網設備海量數據，並設計了多線程推理、定時任務補償等機制，以確保自研AI盤點服務與現有系統的相容性和整體穩定性。通過這些優化措施，最終自研AI盤點服務的推理速度達到了260ms／張，實現了對欄舍內生物的實時AI盤點。這一創新技術大幅降低了生物質押貸後管理的實施成本，為我行生物資産監管領域提供了高效且可靠的解決方案。

三、下一步規劃

項目組將延續該迭代路徑，持續優化和改進AI盤點技術，擴展AI盤點的生物種類和應用場景。通過不斷地開拓創新和精益求精，將自研AI盤點技術更好地服務於生物資産數字化監管平臺，降低成本的同時提高效率，為我行提供更可靠、高效的生物資産監管服務。