通信世界网消息（CWW）政企业务流程长，跨接多个系统平台，施工过程中的安全和质量缺少有效及时的监管手段，业务开通交付存在人员多次上门。这些问题都会最终影响到专线交付和客户的感知。引入AI能力优化原有开通流程后，AI实时质检替代原人工事后质检，质检环节时长由原先15.6小时缩短至0.5小时，漏检错检问题明显减少，专线施工及交付质量明显提升，年故障次数同比下降近18%，实现极速业务交付的目标。同时AI质检合格后将免派发代维验收工单，单省每年节约代维计次验收费用约1300万元。
将机器视觉、语义理解等22个AI算法引入政企专线现场施工交付的主要场景，面向一线施工人员在APP端进行相关操作，以探索开通交付中的全流程智能化改造。
施工前：
通过人脸识别，确认现场为帐号本人操作，签到时，开展着装、安全帽和资质质检，确保施工安全和品牌形象打造。
调用AI平台成熟能力，实现施工人员身份信息，以及登高证、电工证等安全资质智能审核认证；基于YOLOV5目标检测算法构建施工人员着装规范性识别模型，创新应用分类模型算法准确识别穿着工装、佩戴工牌两类状态，平均识别精度MAP提高到90%。
施工中：
对设备资源、施工工艺及专线质量进行识别质检，确保业务交付即可用。
基于YOLOV5、R-CNN算法构建客户侧20种传输/业务设备型号，以及业务、二维码等7类标签识别模型，创新增加拍照标识框，关注设备图片铭牌局部特征，结构化输出识别内容，平均识别精度MAP提高到83%。
基于YOLO、Mask-RCNN和细粒度分类技术，建立线路施工的光交箱内外部结构、井盖安装问题，设备施工接地、跳纤工艺的4种识别模型，准确把控现场施工工艺质量，平均识别精度MAP达到90%以上。
施工后：
对机房遗留物和交付报告笔记进行质检，之后会对客户开展业务开通回访，通过语义理解识别通话中有无客户不满意的问题。
基于YOLOV5和视觉注意力机制，建立客户侧机房无序状态的废弃物检测与识别模型，确保施工现场环境整洁，平均识别精度MAP达到95%。
采用BERT算法建立语义理解模型，弱化文字表面不通顺等现象，解决方言多、普通话不标准等问题。针对客户预约、回访录音转写文本进行满意度分析，输出三类用户情感标签及14类不满意原因，识别准确率80%以上。
整体项目在算法方面，率先将目标检测、语义识别等算法应用政企专线开通生产场景，根据政企业务特点提出多种算法优化方案，持续推进算法模型迭代，22个AI模型识别精度均高于80%。在流程应用上，实时质检专线开通过程中的人员、服务、安全、资源、工艺等方面的施工是否合规。将识别信息与管理规范及系统数据开展比对，实时预警，高质量实现开通闭环交付。
