Resumen:
El proyecto de innovación se constituyó como una prueba de concepto cuyo reto era ampliar la red de control y monitorización del tráfico de mercancías en las instalaciones portuarias, con el requisito de que se debía poder hacer uso de la red de cámaras ya desplegadas en el recinto portuario mediante el uso de algoritmos (software y no hardware adicional).
El reto fue desarrollado con éxito por la start-up AllRead MLT, cuya solución tecnológica, basada en inteligencia artificial es capaz de leer en tiempo real cualquier texto y etiqueta alfanumérica a partir de cualquier imagen captada por cualquier dispositivo (móvil, cámara de seguridad, etc.) aunque esté dañada, sucia o incluso desenfocada.
A diferencia de otras soluciones en el mercado, la solución de visión de AllRead MLT se ha centrado en el software, aprovechando los beneficios del Deep Learning, y no en los dispositivos de captura de imágenes como se ha venido haciendo tradicionalmente.
El alcance de la prueba de concepto consistió en el desarrollo e implementación de un producto mínimo viable (PMV) que permite procesar las imágenes captadas por las cámaras existentes en el puerto y devolver, de manera estructurada, las matrículas de contenedores, plataformas, remolques y semirremolques, cabezas tractoras y todo tipo de vehículos ligeros, tanto de procedencia europea como marroquí. Además, gracias al uso de redes neuronales, la solución es capaz de aprender y adaptarse a los diferentes escenarios operativos existentes en el recinto portuario.
Para el desarrollo del prototipo se siguieron las siguientes etapas de trabajo:
- Captura de Datos. Recolección de imágenes y vídeos exportados de los sistemas de captación de imágenes y control de accesos de la APBA.
- Análisis y preparación de los datos. Fase de selección, limpieza y etiquetado de los datos recolectados para el entrenamiento.
- Desarrollo de software / MVP que permita mostrar la lectura en un interfaz de usuario y registrar inmediatamente el dato obtenido, así como la foto correspondiente.
- Entrenamiento de la red neuronal. Etapa “core” de la actividad, enfocada al entrenamiento y las adaptaciones de los modelos de redes neuronales.
- Fase de pruebas / Demo Day. Demostración final de la solución y de los resultados obtenidos ante los responsables del negocio, utilizando nuevos vídeos no empleados en los entrenamientos.
Innovación del proyecto:
- Uso de redes neuronales y el aprendizaje profundo (Deep Learning) para la trazabilidad de la mercancía en el recinto portuario.
- Capacidad de identificación, en el contexto de una imagen, de la ubicación de una matrícula y su tipo (contenedor, remolque, cabeza tractora, etc.), leyendo y entendiendo la información incluida en la misma. Esto hace diferente esta solución de los OCR tradicionales que realizan una lectura de caracteres sin tener en cuenta el contexto en el que se encuentran.
- Solución basada en un sistema agnóstico al hardware.
Productos del proyecto:
- Prototipo software que permite procesar las imágenes captadas por el sistema de cámaras existente en el puerto y devolver, de manera estructurada, las matrículas de contenedores, plataformas, remolques y semirremolques, cabezas tractoras y todo tipo de vehículos ligeros, tanto de procedencia europea como marroquí.
Usabilidad/aplicación:
- Incremento de los niveles de certeza en la identificación de vehículos, reduciéndose el número de lecturas falsas, y todo ello, sin la necesidad de instalar infraestructura física o pórticos de lectura y, por tanto, dotando de mayor flexibilidad y cobertura al sistema de monitorización de vehículos y mercancías.
- Extensión de los puntos de monitorización y tracking de mercancías en toda la zona portuaria, monitorizando no solo los vehículos ligeros y de tráfico pesado, sino también las mercancías que entran y salen por vía ferroviaria.
A continuación, se sugiere un enlace a Youtube donde se muestra un vídeo de demostración del prototipo desarrollado:
Intelligent reading of license plates and container codes
Summary:
The innovation project was set as a proof of concept whose aim was to expand the tracking network of the cargo traffic in the port facilities, deploying the network of cameras already installed in the port area.
The challenge was achieved by the start-up AllRead MLT, which solution based on artificial intelligence is capable to spot and read in real-time any text and alphanumeric code from images or videos captured by any device (mobile, security camera, etc.) even when it is damaged, dirty or out of focus.
Unlike other market players, AllRead MLT´s solution is focused on the software, leaning on the benefits of Deep Learning, and not on hardware devices.
The scope of the proof of concept was the development and implementation of a minimum viable product (MVP) focused on processing the images captured by the existing cameras, in order to deliver the transit-related information in a structured way of the following items containers IDs, platforms, trucks, trailers and semi-trailers and all types of license plates of vehicles (mainly European and Moroccan origin).
The project plan was based on the following activities:
- Data Capture. Collection of images and videos exported from the APBA’s image capture and access control systems.
- Analysis and preparation of the data. Phase of selection, cleaning and labelling of the data collected for the training.
- Development of software / MVP to display the reading on a user interface and immediately record the data obtained, as well as the corresponding photo.
- Neural network training. Core» stage of the activity, focused on training and adaptations of the neural network models.
- Testing phase / Demo Day. Final demonstration of the solution and the results obtained in front of the business managers, using new videos not used in the training sessions.
The project’s innovation:
- Use of a convolutional neural network (a common Deep Learning technique) for the cargo tracking within the port area.
- Ability to identify, in the context of an image, the location and typology of a license plate (container, trailer, tractor, etc.), by understanding the framework and elements included in an image. This fact makes this solution unique and disruptive from the traditional OCR that reads characters without considering the context.
The project’s product:
- Software prototype to process the images captured by the existing cameras, in order to deliver the transit-related information in a structured way of the following items containers IDs, platforms, trucks, trailers and semi-trailers and all types of license plates of vehicles (mainly European and Moroccan origin).
Applicability:
- Increased accuracy rates in vehicle identification, reducing the number of false readings, and all this without the need to deploy new video and civil infrastructure or dedicated gates providing greater flexibility and coverage of the vehicle monitoring system.
- Extending the cargo tracking throughout the port area, monitoring not only light and heavy traffic vehicles but also the cargo transported by rail.
Next, a link to Youtube is suggested where a demonstration video of the developed prototype is shown:
0 respuestas en "Intelligent reading of license plates and container codes"
Deja un mensaje
Lo siento, debes estar conectado para publicar un comentario.
0 respuestas en "Lectura inteligente de matrículas y contenedores"