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:
Deja una respuesta