SIGAI推出全球第一个高精度集装箱智能残损识别解决方案

SIGAI推出全球第一个高精度集装箱智能残损识别解决方案

经过最近几年突飞猛进的发展，机器视觉算法有了相当可观的进步。人脸检测、人脸识别等标准问题逐步得到解决，相比SVM/AdaBoost时代，算法精度有质的进步。借助于公开的论文以及开源代码，对于相当一部分图像识别的实际应用问题，我们都可以快速训练出一个基本能用的模型。但是，对于更多的应用问题，要将算法的精度做到能够实用，却非易事。这些问题需要大量的训练样本，以及对现有的算法进行不小的优化，甚至研发自己的算法，才能最终解决问题。SIGAI在做集装箱，木材，各类钢材（包括钢板，工字钢，钢管等），包材，板材等大宗商品的识别过程中，遇到了不少这样的问题，在对新算法的探索与研究上积累了丰富的经验。下面介绍SIGAI在集装箱残损识别算法研发方面的经验。

2019年全球港口集装箱吞吐量约10亿标准箱。无论是水运还是铁路运输，集装箱在运输、装卸过程中都不可避免会出现损坏。这些残损轻则导致无法装载，严重的会导致货物损坏，漏出，进水。每年因为集装箱损坏所导致的诉讼时有发生。在港口岸桥作业，铁路车站场桥作业，以及集装箱卡车进出闸口的环节中，集装箱验残是整个作业的重要组成部分。

除此之外，船运公司也需要实时跟踪集装箱的损坏情况，以便进行相应的处理。当前，集装箱的验残主要靠人工完成，国内外尚无成熟的智能化产品。

与工业生产线等场景的残损识别相比，集装箱残损识别在技术难度上要大非常多。之前已经有多个巨头以及人工智能企业进行过研发，但算法的精度远未能达到实用的标准。

总结起来，集装箱残损检测算法需要面临以下难题：

1. 视角变化大。摄像机可能从不同的视角、距离对集装箱的5个面（除底面）进行拍摄；

2. 集装箱种类多。除标准箱之外，还有油罐箱、冷冻箱等，它们的形状与外观差异非常大；

3. 集装箱表面颜色、图案复杂，还有老旧、修补，以及其他附着物、污染等因素的干扰；

4. 光照条件复杂。因为是室外作业，摄像机成像时面临夜间，高光，弱光，逆光等情况；

5. 因为是室外作业，不可避免会受到雨、雪、雾等恶劣天气的影响；

6. 有些相机的画面模糊，成像质量非常差；

7. 要识别的残损类型繁多。需要识别的残损类型超过10种，且有些类型的残损本身变化也非常大。

以上这些问题给集装箱残损识别算法带来了巨大的挑战。

如果能将算法做到实用，对业内作业效率的提升、人工的节省是相当可观的。SIGAI所拥有的业内一流的机器视觉团队经过潜心研发，依靠自创的算法，现在已经较好的解决了这个问题，推出了业内第一个全智能化的集装箱残损识别系统。目前算法的残损检测率>95%，误报率<3%，达到了令人不可思议的效果。算法可以识别以下类型的残损：

1. 洞（穿孔）

2. 凸损

3. 凹损

4. 梁变形

5. 角柱变形

6. 刮伤

7. 破损

8. 变形

9. 油污

10. 腐蚀

11. 锈蚀

12. 曾修补（贴补）

我们的产品已经在国内外近10个港口完成了测试与试用，并逐步在一些港口实际部署。算法精度得到客户的认可，甚至远超他们的预期。下面来看看SIGAI集装箱残损识别算法的识别效果。

目前我们的产品可用于以下两种场景的集装箱智能验残：

此时将相机部署于岸桥/场桥的机身上，采集集装箱5个面（底面除外）的图像，对图像进行识别。

此时将摄像机部署于闸口的合适位置，拍摄集装箱4个面（2个侧面，1个顶面，1个后面）的图像，然后进行识别。

与人工验残相比，智能验残具有以下优点：

1. 可显著节约人力成本。算法实现了高度智能化，检测到残损之后自动报警，只需要少量的人工干预和确认。

2. 提高识别质量。人工识别时存在疲劳，疏忽等问题，相比之下，算法识别的精度更高。

3. 提高工作效率。算法处理每张图像的时间<50ms，远超过人工的识别速度。