矩阵软件人工智能产品介绍

 行业动态     |      2019-06-18 16:44

 产品一 货运列车标记信息智能识别系统

  矩阵软件货运列车标记信息智能识别系统,该产品需求来自于大宗物资货运列车车运客户的实际业务需要。对于应用货运列车进行货物发运的企业,货运列车车厢信息的识别,特别是行进中列车的识别既非常重要也十分困难,如果信息识别不准确,就可能出现错装货物等各种问题,造成较大损失。现有的处理方式,一般是通过读取货运列车车厢底下的RFID信息,再安排工人手工抄录车号并进行校对,该过程比较繁琐且容易出现错误。

  矩阵软件通过深度学习,针对性建立和训练AI模型,完成算法优化和固化,形成产品系统,实现了高效灵敏的多目标动态监测技术,可以对行进中的货运列车进行车头出现、车厢间隔和标记信息区域的实时甄别,并进而完成多尺寸多目标信息的动态监测和识别。系统运行逻辑流程如下图所示:

  

 

  系统配置高速摄像机,安装在进站口附近,可以响应50公里每小时的货运列车车厢运行速度,视频解析节点高速完成视频帧解析,交由总控节点统一任务调度:首先完成帧快速过滤,过滤掉空轨帧和无信息帧,将目标帧转发至信息区域提取节点,完成车厢类型编号信息区域和车厢属性信息区域的大尺寸目标识别提取,并根据对车厢间隔的识别,完成对车厢的切分;标记信息识别节点进一步完成详细标记信息(车厢类型、编号、载重、自重、容积、换长等)的小尺寸目标识别,识别结果反馈给总控节点,由总控节点完成各车厢标记信息的综合,得出最终识别结果,最后由应用系统接口模块将识别结果提供给业务应用系统。

  系统的高效运行,由矩阵软件自主训练的AI模型(Matrix-RetinaNet)计算引擎提供支撑,该模型以残差网络(ResNet)和特征金字塔网络(FPN)为骨干网络,根据大目标和小目标识别的显著特点,选取特定目标特征层,分别对目标类别和目标位置进行全卷积网络(Class FCN / Box FCN)计算,得出最终识别结果。

  

 

  Matrix-RetinaNet模型对于货运列车车厢信息识别具有95%以上的识别率,而且通过自迭代学习,其识别率可以快速增长到98%;在运行效率上,系统采用智能芯片+定制板卡的模式固化模型算法,从而使整车识别时间小于两分钟。

  产品二 汽车智能装运系统

  无人值守自动装车一直是一个难点。因为从货车进入货仓通道,到完成装料,这期间是一个比较复杂的过程,必须要控制装料的量,同时还要避免料的洒落,还要准确控制补仓。

  矩阵软件通过研发汽车智能装运系统,使用激光雷达对装车过程形成点云数据,并应用AI技术进行实时建模,可以精准判断车辆的位置和装料的状态,实现无人值守自动提示司机对车辆进行配合操作,快速完成装车过程,并且避免物料的洒落。

  

 

  矩阵软件汽车智能装运系统工作场景如上图示意,通常在货仓通道前端安装电子发声器,适时语音提示货车司机配合操作;系统通过PLC控制总线采集定量仓中料位传感器数据,并可通过控制器开关下料口;一般在货仓通道的后上方安装激光雷达,实时采集并形成装车全过程点云数据;现场配置的AI智能小站中运行矩阵软件自动装车智能检测算法(Matrix-LoadDetector),它依据雷达点云数据,并结合定量仓料位数据,实时计算车厢边缘位置和物料装载状态,预判出下一步货车司机应采取的操作,并通过电子发声器提示出来。系统可以通过接口向业务应用系统交换装车数据;并配有远程控制终端,操作人员可以实时监控装车过程,并可在必要时介入控制装车过程。

  货车进场停车后,系统会实时判断停车是否到位,是否存在较大的左偏、右偏或太靠前、太靠后,如果存在会自动提示司机调车,直至调整到位,这为快速装料和避免物料洒落打下了基础;在装料的过程中,系统持续监控,检测本段落料是否将装满车厢,并适时提示司机提车,进行下段落料;一般,2~3次提车后完成装车;整个装车过程,无需人员值守,系统会实时监控各环节运行状态,一旦发现异常,会自动关闭下料口,并发出警示,操作人员可以在远程控制终端一键接管装料操作。

  系统的有效运行,主要由矩阵软件自主训练的自动装车智能检测算法(Matrix-LoadDetector)提供支撑,该算法从雷达点云数据中智能识别车厢边缘、动态监测装载状态,并实时检测物料散落的发生,结合定量仓料位数据,系统可以实现对货车司机的准确适时的操作提示,快速完成整个装车过程。