支持人工智能的装载文档提高了物流流程的效率

实时操作过程中自动加载文档

应用的核心是叉车，其驾驶室上安装有摄像头。当车辆行驶时，像机会持续拍摄前方区域。该流程从记录送货单开始，涵盖装载序列的每一步。这包括机动、拾取和放下每个单独的托盘，最后在叉车停放后确保装载。对于驾驶员来说，这可显著减少工作量：完全消除了以前需要手动文档的中断。同时，该系统生成一致和可追溯的图像数据，从而在整个过程中实现完全透明。

实时智能图像分析

解决方案的一个关键组成部分是对捕获的图像数据进行智能评估。通过标准化的USB视频类(UVC)接口，相机可直接将图像传输到车载终端，无需额外的驱动程序。从那里，数据被发送到本地人工智能服务器，在那里实时分析。首先，基于人工智能的图像分类从内容和相关性方面评估每一帧。超过99%的捕获图像在此阶段被过滤掉，确保只对真正相关的信息进行进一步处理。对于其余数据，则采用DENKweit DENKnet系统的专用模型。物体识别和光学字符识别(OCR)相结合，可识别送货单和托盘结构。旅游编号被读出并作为分配图像的中心参考。这样，所有相关图像都可以链接到特定的游览，并以结构化的方式集中存储。同时，系统可以确定图像中有多少托盘出现，并识别其尺寸。

改变距离时获得高图像质量

该解决方案的灵活性在其动态图像捕获功能中尤为明显。uEye XC自动对焦机可在不同焦距之间自动调整。“为了捕捉交货单，焦点被设定在35厘米左右的距离。然而，为了记录装载过程，视野在2至3米之间 , ” CANCOM AIoT团队负责人Thomas Fuchs解释道。“这确保了在各种情况下都能获得锐利、可用的图像，即使照明条件不同也是如此 。 ”

使用的相机采用1300万像素传感器，并提供自动白平衡、色彩校正以及亮度、对比度和锐度等单独可调参数等功能。得益于UVC接口，无需额外的驱动程序，即可像标准网络像機一样进行操作。结合车载终端上的Windows IoT，这大大简化了集成。设备自动检测，可通过设备管理系统集中管理。

从边缘到数据中心的可扩展人工智能基础设施

该应用的特殊优势在于像機与人工智能的交互。CANCOM实现的解决方案使用DENKweit的容器化AI模型。它们可以灵活地从边缘扩展到数据中心，并在 Kubernetes 环境中运行，同时根据需要提供 GPU 加速。可以使用相对较少的训练图像创建初始工作模型。然而，随着数据质量和多样性的提高，它们的性能显著提高。

与传统的机器视觉系统相比，这种方法大大减少了开发工作量。复杂的基于规则的视觉管道被基于学习的方法所取代，这些方法可以更快地实施，更容易适应不断变化的需求。同时，用户受益于可用计算能力的突飞猛进，因此即使是集成的GPU解决方案也足以满足许多应用的需求。