智能理货

1. 理货诉求
  • 以某地港口为例一个理货员每个月的工资为6000元,加上照社保等相应支出,一年的工作约为9万元/人左右,每一个岸桥一次作业为2名理货员,3班倒则一个桥吊的人员成本一年为:2人/班×3班×9万元/人/年=54万/年,集装箱码头一般作业的桥吊通常为100个,所以一年人工支出的成本是:54万年×100=5400万。同时无论冬天还是夏天理货员都要在极为寒冷和炎热的环境下坚持作业。
  • 2. 系统功能
  • 自动识别作业车道
  • 集装箱箱号识别
  • 集装箱ISO识别
  • 集卡作业号识别(建议统一印刷)
  • 集装箱五面验残照拍摄
  • 系统状态监控
  • 集卡定位、实时船图(开发阶段,此方案中暂未涉及,后期可单独与系统对接)
  • 3. 系统优势


    人工智能集装箱理货系统与传统OCR优势对比:
  • 该系统与AlphaGo为同一大原理,通过世界最前沿的机器学习方法进行运行,也是全球首套在集成电路领域基于类脑神经形态专用硬件并配合独有的神形态人工智能算法的软硬件一体化服务体系,成为目前全球集装箱号识别最快、准确率最高的系统,将帮助港区分阶段实现无人化物流运作,最终达成港口360度全方位智能化,飞跃式提升港口效能和服务水平。
  • 识别优势就是能像“人”一样,通过视频流自主识别集装箱号、内集卡作业号、集卡车牌号,目前识别准确率大于95%(包含残损箱号字符识别),识别时间短,可大幅度减少人力投入,实现高效率作业。
  • 通过模拟人脑神经“高效低能”的工作机制,与传统OCR方式相比,系统在桥吊理货、堆场轮胎吊/轨道吊、闸口管理等区域,摄像头需求少,可降低施工及维护成本;无需触发装置,可大幅减少因为无法启动触发造成的影响等。且能实现装卸船状态自动识别,内集卡车顶作业号自主识别,港口堆场进箱和提箱状态自主识别,集装箱五面验残图片自动保存,自动识别车道等等功能。

  • 4. 系统组网
  • 硬件架构
    系统主要有前端高清球机负责视频流采集,服务器主机通过网络获取实时视频信息,系统自动判断当前作业车道,并控制前端摄像机切换到当牵扯到,同时判断视频中是否有集装箱,并自动识别集装箱号码、集装箱装卸状态及集卡作业号等信息。识别结果通过网络传输给后端码头数据中心。
  • 软件架构
    系统使用数据库做信息交换对外开放了各种控制接口(httprestful)
    系统使用专用模块对网络摄像头解码并提交给识别核心模块
    系统提供的终端包括:集装箱信息识别、验残业务识别、卡车信息识别等关键功能。
    外部交互接口包括:控制服务接口,状态服务接口,识别结果服务接口,远程信息(Web),数据库和摄像机信息。
      -控制服务接口用于控制开启关闭
      -识别结果服务接口用于提供系统识别结果
      -远程信息(Web)针对使用者的数据可视化平台
      -数据库用于识别信息的数据持久化
  • 5. 安装效果图