首页分享从植物识别到疾病检测，大拿科技要做“活的”AI产品

从植物识别到疾病检测，大拿科技要做“活的”AI产品

来源：花匠小妙招时间：2024-11-12 16:59

大拿科技创始人陈明权（左）和合伙人罗欢（右）

作者｜刘敏

编辑｜陈光

2年前，只为在解答儿子“这是什么植物”的疑问时不那么“尴尬”的大拿科技创始人陈明权，或许没想到，有一天他会做出一款用户规模在400万，日活15万人次，日增粉2万人次的爆款APP——形色。

以形色为出发点，基于已得到验证的成熟的图像识别模型，杭州大拿科技股份有限公司（以下简称“大拿科技”）逐渐将业务拓展至皮肤病检测和教育辅助领域，联合湘雅二院、丁香园推出了中国首个皮肤病人工智能辅助诊断系统，针对小学生口算训练的智能分析APP也即将上线。三款产品的共性都是从普通人的现实需求出发，通过图像识别和人工智能技术去解决实际的问题。在陈明权看来，人工智能不应该高高在上，而要接地气，能够是一个“活着”的AI产品。

形色，做大众化的“识花”神器

“形色”是大拿科技自主研发的一款能够“拍照识别植物”的工具型产品。2015年7月，陈明权开发出初代demo时，其唯一功能是在拍照后返回植物名称，使用人群限于熟人圈，能够识别的植物种类也只是杭州地区的100-200种左右。

因简单实用，口碑相传，2015年8月，“形色”开始以独立项目的形式运营，功能也日渐丰富。但因为没有进行任何商业推广，从2015年8月到2016年7月，几乎没有用户增长，直到7月被Apple Store选为榜首推荐，形色才实现第一次大规模的用户增长。截至目前，形色已累计6次获得Apple Store榜首/主题推荐，累计自然增长用户达400万，与微信、支付宝、QQ浏览器、360儿童手表等达成了合作。

陈明权告诉Xtecher，为训练基于深度学习的图像识别算法，形色初代模型是从谷歌上自动扒图，随着使用人群增多，数据库规模不断扩大，算法也日渐成熟，目前形色已经可以识别5000种以上植物，识别准确率在92%-93%。在联网情况下，系统可在2-3秒内反馈结果，包括植物名称、诗词鉴赏、植物趣闻、植物小百科及养护知识等。

在形色之外，目前市面上已经有多款识花APP相继诞生，包括花满城、发现•识花、看图识花、微软识花、花伴侣、百度识花等，其中微软、百度均与中科院植物所有合作。合作模式上，由中科院植物所提供数据库支撑以及专家团队，并由专家对图库进行标注，对结果进行审核。

形色选择的则是“平民路线”。

陈明权表示，形色是由机器自动学习植物图片的特征，辅以专家鉴定，识别时，不会局限于是从植物的花、叶、果、茎或整体外型的具体某个维度进行判定，带花的、不带花的、盛开的、枯萎的，甚至是假花或是以花为原型的雕塑都能识别。

从植物识别到疾病检测，大拿科技要做“活的”AI产品

据Xtecher了解，目前大多数APP，功能之所以主打“识花”，是因为与叶子或果实相比，花作为植物的繁殖器官，只出现在特定的生长时期，性状更趋稳定，分类上更为靠谱，能够减少环境、植物不同生长周期下形态演变对识别算法带来的“干扰”。不过，该种模式将局限可识别的物种——目前，全球植物的物种超过60万，其中显花植物仅有30万左右。

形色的“平民化”还体现在数据来源上。

与专家精挑细选图片不同，形色上的图片大多是用户自发上传，系统会自动对这些不同场景、角度、光线、大小、清晰度的图片进行预处理，包括光线调节、角度反转、曝光补偿、切出关键部位等，再与样本数据库进行匹配。陈明权介绍，用户上传的图片量与天气状况相关，春秋季节的周末，如果天气好，日上传量能达到70-80万张，冬夏则在40万张左右。目前，形色的图像库里已有5000多万幅照片，植物爱好者、植物专业人士将拍摄的植物上传之后进行鉴定分类，成为形色识别植物的有力后盾。

陈明权对形色有明确规划，将分三个阶段发展：第一个阶段是工具属性，强调识别速度、识别准确率以及收录的植物种类；第二个阶段是社区属性，除UGC部分，基于社群运营的“达人鉴定”、“遇见”、“私信”、“景点”、“壁纸”等功能均可增强用户的交流及情感依托；第三个阶段是商业属性，陈明权坦言，虽有几家上市公司在主动寻求合作，但团队暂未考虑商业转化。

从植物识别到疾病检测，大拿科技要做“活的”AI产品

目前，形色已有三类稳定的使用人群，包括带小孩的父母，植物爱好者，以及赋闲在家的中老年人。除中国区版本，北美版本也已上线，并支持4000多种植物的识别，其中，中国版与北美版仅有10%的植物物种重合。

产品功能迭代方面，未来形色一是会继续扩充植物物种种类；二将优化推荐算法，实现“千人千面”；三是优化“地图”功能；四是提供基于花期、地域、景点等的智能推荐功能，比如3、4月份是桃花盛开的季节，地图上会出现一个“小喇叭”，提醒用户当地桃花去年何时盛开、花期以及哪些景点适合赏桃花等。

从植物识别到疾病检测，大拿科技要做“活的”AI产品

陈明权对一款产品从0到1的发展有较为成熟的理念，在其看来，用户、产品、数据能够形成稳固的三角关系，产品帮助解决用户痛点，吸引用户下载和使用，使用过程沉淀了数据，数据则助推产品迭代升级。但底层的人工智能和图像识别技术又有通用性，可基于不同行业应用进行横向扩张。大拿科技进入医疗和教育领域，就是基于这种思路。

中国首个皮肤病人工智能辅助系统发布

大拿科技进军医疗以皮肤病检测作为突破口，陈明权告诉Xtecher，“灵感”来自于形色用户、一位默沙东高管的提醒，他从医生的角度告诉陈明权，皮肤病也是基于形态进行诊断，与形色基于植物形态进行识别存在共性。

这点醒了陈明权，使他萌生了做一款皮肤病人工智能辅助诊断系统的想法，在原有技术积累上，大拿科技很快就研发出了产品demo，丁香园首先伸出了橄榄枝。

在丁香园CEO张进的牵线搭桥下，产品demo被推荐给了中南大学湘雅二医院的陆前进教授，陆前进教授是中华医学会皮肤病下一任主任委员，属于该领域的权威专家。彼时，湘雅二院内部也已经在酝酿皮肤病智能诊断系统的研发，在对demo进行测试后，丁香园、大拿科技、湘雅二院迅速达成独家战略合作，在今年5月19日正式发布了“皮肤病人工智能辅助诊断系统”。

三方在合作模式上，由湘雅二院提供皮肤病临床数据资源，为疾病特征归纳以及模型建立提供专业支持；由大拿科技开发图像识别模型，通过海量病例学习实现对皮肤病的人工智能诊断；丁香园则负责整合、协同各方医院、医生资源。

作为阶段性研发成果，陈明权告诉Xtecher，“皮肤病人工智能辅助诊断系统”第一期主要实现以红斑狼疮为代表的皮肤病人工智能辅助诊断。红斑狼疮属于免疫系统类疾病，可分为盘状红斑狼疮（DLE）、亚急性皮肤型红斑狼疮（SCLE）、系统性红斑狼疮（SLE）、深在性红斑狼疮（LEP）、新生儿红斑狼疮（NLE）、药物性红斑狼疮（DIL）等亚型，皮损表现形态复杂、多变，且可能存在“同形异病”的情况，属于皮肤病检测中挑战性很大的病种。

从植物识别到疾病检测，大拿科技要做“活的”AI产品

在1万多条经过标注的有效数据基础上，大拿科技对图像识别模型及算法进行了反复训练，最终上线的产品，能够对红斑狼疮各种亚型以及其鉴别诊断疾病进行有效区分，给出一个基于概率的分析结果，识别准确率超过85%，医生只需要在此基础上进行检查与微调。同时，这套基于云端的系统能够自动规划治疗方案，如果医生判定已经超出当地医院治疗水平，可在线发起远程诊疗，或由系统给出分级诊疗方案。

现阶段，“皮肤病人工智能辅助诊断系统”已在湘雅二院内部试用，待模型进一步成熟，将快速覆盖更多更全的皮肤病病种，为皮肤病诊疗整体效率提升起到促进作用。三方也在加紧数据收集工作，数据量级有望达到百万级别。

另据陈明权透露，大拿科技正与某医院联合开发一款基于癌症病理切片的辅助诊断产品，通过将人工智能应用于影像数据分析，系统能够自动读取癌细胞数量，并提供客观、定量化的分析结果以及治疗方案，有效提高医生诊疗效率和准确性，减轻医生工作压力。

开发口算训练辅助诊断软件，解放家长

在形色、“皮肤病人工智能辅助诊断系统”以外，大拿科技团队还在同步研发一款针对小学生家长的口算训练辅助诊断软件。

陈明权表示，这一需求由内部员工提出，他们中有不少是学生家长，而1-6年级的小朋友每天都要做大量的口算训练，加减乘除都有，家长在检查时，往往需要花费10-20分钟，无法准确解答时，还可能遭到小朋友的嘲笑。但目前市面上没有相应的产品，能够解放家长。

从植物识别到疾病检测，大拿科技要做“活的”AI产品

针对这一需求，大拿科技打造的智能诊断软件，能够帮助家长快速检查小朋友口算结果的正误，家长只需对算数本进行拍照，系统就会自动对不同题目进行标注，自动测算结果，错误的会以红框高亮标注出来。据现场演示，APP在5秒内便能输出对一整页算术题的分析结果，由于模型还在测试，偶尔会有一两道题识别错误，整体准确率在95%左右。

口算训练智能诊断的难点在哪？陈明权表示，起初团队并未充分意识到困哪，以为会很简单，真正进入产品开发阶段时，才发现“坑”不少，“难点是什么？如果是单独的手写体或单独的打印体，识别会很容易，但（手写体和印刷体）放在一起就很难了；单独一个公式来计算，也很容易，但一堆公式在这里，上面还有各种干扰，比如小朋友会在上面打草稿，（纸张薄）背面的文字会透过来，就会有各种问题。”

从植物识别到疾病检测，大拿科技要做“活的”AI产品