HIRI ICPS: Membolehkan trak kontena di dermaga memarkir dengan lebih tepat berbanding pemandu yang berpengalaman.

Gambaran Keseluruhan Sistem dan Latar Belakang Teknikal

Sebagai pengangkut teras bagi urusan pengendalian dan transshipment kontena, ketepatan kedudukan serta kecekapan pelabuhan dalam melakukan pemanduannya secara langsung mempengaruhi rentak operasi keseluruhan pelabuhan, keselamatan pengendalian, dan kapasiti keluaran. Skim panduan tradisional terutamanya bergantung kepada arahan manual serta tanda-tanda di darat dan udara, tanpa memerlukan peralatan pengesanan yang rumit; namun begitu, kaedah ini mengalami ketepatan yang rendah dan sangat bergantung pada pengalaman operator. Pemandu terpaksa berulang kali menyesuaikan kedudukan mereka, sementara pihak pemerintah juga diperlukan sepanjang proses tersebut, sekali gus menyebabkan kos tenaga yang tinggi serta kehilangan kecekapan yang ketara akibat keletihan dan faktor pengalaman. Oleh itu, masa yang diperlukan untuk mengendalikan satu unit kontena menjadi terlalu panjang.

Penyelesaian berbantu sensor yang kemudian, seperti pengimbas laser, telah meningkatkan ketepatan penyelarasan; namun, dalam persekitaran luar yang kompleks di pelabuhan, sistem tersebut mudah terjejas oleh kabus, hujan dan habuk. Apabila optik laser tercemar, ketepatan pengesanan akan menurun dengan ketara. Selain itu, sistem-sistem ini juga mempunyai kos yang tinggi, jangka hayat perkhidmatan yang terhad serta kos penyelenggaraan yang mahal, sekali gus menjadikan penerapan berskala besar sukar dilaksanakan.

01 Peluang dalam Evolusi Teknologi
Dengan kemajuan kuasa pengkomputeran dan adopsi meluas teknologi data berskala besar, pembelajaran dalam—terutamanya rangkaian saraf konvolusional (CNN)—telah mencapai pencapaian penting dalam bidang pengenalan imej. Berbanding kaedah tradisional, pembelajaran dalam menghapuskan keperluan untuk reka bentuk ciri secara manual serta mampu mempelajari corak data secara adaptif, sekali gus menawarkan pendekatan baharu bagi menyelesaikan masalah nonlinear yang kompleks dalam senario automasi industri. HIRI FUTURE telah mengikuti rentak trend teknologi ini dengan menggabungkan persepsi visual dengan rangkaian saraf, sekali gus melancarkan Sistem Penentuan Kedudukan Casis Pintar (ICPS) bagi mengatasi kelemahan penyelesaian konvensional dari segi ketepatan, kecekapan dan tahap kecerdasan.

Definisi Sistem Penempatan Casis Pintar
Sistem Penempatan Casis Pintar (ICPS) HIRI FUTURE ialah sebuah Sistem Panduan Casis Pintar berasaskan penglihatan yang menggunakan kamera berdefinisi tinggi untuk merakam imej semasa lorong operasi. Dengan memanfaatkan pemeriksaan silang berganda antara dua kamera serta menggabungkan model pembelajaran dalam, sistem ini dapat dengan pantas mengesan kontena dan rangka casis, menentukan lokasi komponen penting, serta membimbing pemandu ke kedudukan dok yang tepat melalui paparan industri dan arahan suara.

Sistem ICPS menonjolkan kelebihan teras:

Kekuatan tinggi: Lebih daripada 100,000 sampel data telah dikumpulkan dan dilabelkan, merangkumi keadaan yang mencabar seperti pencahayaan yang berbeza, halangan, pemandangan malam, hujan, kabus, dan salji, sekali gus memastikan prestasi model yang stabil.

Prestasi masa nyata: Pengenalan satu bingkai secepat 40 ms, menyokong operasi berterusan 24/7.

Keserasian pelbagai kenderaan: Menyokong pelbagai jenis kenderaan, termasuk pengangkut ulang-alik dalaman, pengangkut ulang-alik luaran, pengangkut ulang-alik tanpa pemandu, IGV, AGV, dan banyak lagi.

Ciri lanjutan: Menyokong pengesanan sambungan dua kontena serta penilaian ketinggian kontena, mengeluarkan isyarat perlindungan TTDS berdasarkan dimensi Spreader, dan mampu mengira kedudukan sasaran Troli serta pose sasaran trak kontena.

Operasi automasi sisi darat: pengesanan pelbagai jenis kontena

Menyokong panduan masa nyata dan panduan sekunder untuk pemposisian semula kren lori di halaman.

02 Dari mana datangnya ketepatan tahap sentimeter?

— Mendedahkan Teknologi Persepsi Ruang ICPS

2.1 Cabaran Industri: Mengapakah Kamera Biasa Tidak Dapat Mencapai Ketepatan Tahap Sentimeter?

Ketidaksejajaran lensa sudut lebar: Untuk merangkumi jalan operasi yang luas, kamera sering dilengkapi dengan lensa sudut lebar, yang boleh menyebabkan ketidaksejajaran imej di tepi (distorsi bentuk tong atau bantal), sekali gus membawa kepada kesilapan pengukuran langsung sehingga beberapa puluh sentimeter.

Kekurangan semula jadi bagi pengukuran jarak monokular: ia tidak mempunyai maklumat kedalaman, dan kaedah konvensional bergantung pada anggapan satah tanah atau kalibrasi manual, sekali gus menyukarkan penyesuaian terhadap pelbagai jenis kenderaan dan ketinggian kotak kargo.

Gangguan alam sekitar—seperti perubahan pencahayaan, hujan dan kabus, keadaan malam, serta pantulan daripada kontena pengangkutan—boleh menyebabkan penyimpangan dalam prestasi penentuan kedudukan bagi algoritma penglihatan komputer konvensional.

Bagi menangani isu-isu ini, kita tidak boleh bergantung sepenuhnya kepada penambahan lapisan model; sebaliknya, satu rangka kerja teknologi persepsi ruang yang menyeluruh diperlukan. HIRI FUTURE telah memecahkan rangka kerja ini kepada tiga langkah utama yang sesuai untuk pelaksanaan kejuruteraan.

2.2 Peta Jalan Teknologi Teras: Daripada “Melihat” kepada “Mengukur dengan Tepat”

Langkah 1: Pemetaan Rujukan Ruang — Menyusun “Grid Koordinat”

Lensa sudut lebar menyebabkan tepi imej melengkung, dan pengukuran secara langsung boleh menghasilkan ralat sehingga beberapa puluh sentimeter. Sistem ini terlebih dahulu menggunakan algoritma pembetulan distorsi untuk “meluruskan” tepi kontena serta struktur rangka kenderaan yang kelihatan bengkok dalam imej—walaupun sebenarnya harus lurus—sehingga hubungan geometri sebenar dunia nyata dapat dipulihkan. Seterusnya, sistem tersebut mewujudkan pemetaan daripada koordinat piksel kepada satu sistem koordinat satah maya yang seragam, sekali gus membentangkan “grid koordinat tahap sentimeter” pada imej, memastikan semua pengukuran susulan berdasarkan rujukan fizikal yang tepat.

Langkah 2: Pengekstrakan Maklumat Semantik — Memahami “Siapa Itu Siapa”

Sistem ini menggunakan model pembelajaran dalam untuk mengesan objek seperti trak kontena, treler, kontena, acuan sudut, dan plat panduan, serta mengekstrak atribut semantik mereka (jenis, titik utama, dan had dimensi piawai). Ini seolah-olah memberi arahan kepada komputer: objek yang manakah dalam imej itu merupakan casis, yang manakah kontena, dan yang manakah aksesori sudut. Dengan memanfaatkan pengetahuan terdahulu—seperti jarak piawai antara aksesori sudut—sebagai sekatan kukuh bagi pengiraan geometri, sistem ini berjaya melaksanakan peralihan daripada “melihat piksel” kepada “memahami pemandangan”.

Langkah 3: Persepsi Maklumat Ruang — Mengira “sejauh mana hendak menyimpang dan di mana hendak berhenti”

Berdasarkan “grid koordinat” dan “label semantik”, sistem ini secara dinamik memilih satah rujukan yang paling sesuai—seperti satah treler atau permukaan atas kontena—berdasarkan kategori sasaran. Dengan menggunakan sistem koordinat peralatan bogi sebagai rujukan, ia melaksanakan transformasi homografi untuk menukar koordinat piksel setiap sasaran kepada koordinat satah maya dua dimensi. Pada akhirnya, sistem ini mengeluarkan kedudukan tepat serta sudut orientasi bagi setiap sasaran, bersama-sama dengan ukuran penting seperti penyimpangan tepi bingkai dan lebar sambungan antara kotak.

Selain tiga algoritma teras yang disebutkan di atas, ICPS turut memasukkan pelbagai langkah perlindungan pada tahap kejuruteraan dalam pelaksanaan pengeluarannya:

2.3 Penyelesaian HIRI
Pengesahan Keduaan Kamera Binokular

Dengan mengguna pakai penyelesaian kamera dwi-HD, di mana setiap kamera menjalankan pengesanan secara berasingan dan pada masa yang sama bertukar maklumat pelengkap dari dua sudut pandangan, sistem ini memastikan siaran kamera kekal boleh digunakan walaupun satu kamera terjejas akibat gangguan persekitaran, sekali gus meningkatkan prestasi sistem yang boleh dipercayai.

Pembetulan imej kamera

Dengan menganggarkan parameter-parameter model distorsi melalui algoritma kalibrasi, kami “meluruskan” segmen garis yang kelihatan melengkung dalam imej kamera tetapi sebenarnya lurus di dunia nyata, sekali gus membetulkan distorsi yang dibawa oleh lensa sudut lebar dan memastikan pemetaan yang tepat daripada koordinat imej kepada koordinat dunia nyata.

Penempatan Model Hujung-ke-Hujung

Daripada input imej hingga pengenalan yang tepat terhadap tugas sasaran, proses tersebut merangkumi pemerolehan aliran kamera, pembetulan imej, pengesanan objek, serta pengiraan koordinat ruang, sekali gus mencapai kawalan ralat pada tahap piksel.

Penukaran Data Sempadan Ruang

Dengan menggabungkan keputusan pembetulan kamera dengan keputusan pengesanan sasaran serta memasukkan maklumat isyarat PLC, kami mengira koordinat satah bagi gerabak utama kren dan arah Trolley, menilai kedudukan fizikal sebenar trak kontena serta sudut yaw yang sepadan, dan melalui padanan tugas, mengira kedudukan tepi treler trak kontena, kedudukan sudut-sudut kontena, serta lebar sambungan antara kontena.

Justeru, pendekatan teknikal yang tepat ini—“menyusun grid koordinat → melekatkan label → mengira kedudukan”—digabungkan dengan kekayaan data daripada dua mata dan prosedur end-to-end, membolehkan ICPS mengekalkan ketepatan kedudukan berukuran sentimeter yang stabil walaupun dalam persekitaran pelabuhan yang rumit.

03 Di Luar Penempatan: Demonstrasi Kapasiti Praktikal HIRI ICPS

Pemanduan trak kontena dalaman tradisional: Pemandu boleh memarkir dengan tepat dalam satu percubaan sahaja, berkat paparan industri dan arahan suara, sekali gus menghapuskan keperluan untuk bimbingan di lokasi.

Panduan Trak: Menyokong panduan masa nyata dan sekunder untuk trak kontena luaran (penarikan luaran), serta serasi dengan semua jenis konfigurasi kontena.

Panduan untuk pengangkut straddle tanpa pemandu/IGV: Mengeluarkan secara terus kedudukan ruang parkir sasaran bagi kawalan gelung tertutup oleh sistem pemanduan autonomi.

Pengesanan sambungan dua kontena + perlindungan TTDS: mengesan lebar celah antara dua kontena, mengenal pasti kontena yang tinggi atau rendah, serta berkoordinasi dengan Penyebarkan bagi mencegah pelanggaran.

Pengiraan kedudukan sasaran troli: Mengira terlebih dahulu kedudukan penyelarasan optimum bagi Troli Penyebar bagi meningkatkan kecekapan operasi.

04 Jadikan Setiap Perhentian Lebih Santai

Sistem Penentuan Kedudukan Casis Pintar (ICPS) HIRI FUTURE menggantikan penyelesaian tradisional berdasarkan laser dan manual dengan “persepsi visual + komputasi ruang”, sekali gus mencapai kedudukan pada tahap sentimeter dengan menggunakan perkakasan yang minimum, sambil menawarkan kelebihan seperti kos pelaksanaan yang rendah, ketahanan alam sekitar yang tinggi, serta keserasian dengan pelbagai jenis kenderaan. Seiring dengan semakin pesatnya trend menuju dermaga pintar dan tanpa pemandu, sistem ini akan terus berkembang: memperluas set data bagi merangkumi keadaan cuaca ekstrem, mengintegrasikan gabungan pelbagai sensor termasuk radar gelombang milimeter, serta memperluas aplikasinya daripada panduan casis kepada penyusunan kontena secara automatik di lapangan simpanan kontena dan pengangkutan mendatar sepenuhnya tanpa pemandu serta penjadualan global, sekali gus membantu pelabuhan merealisasikan automasi menyeluruh bagi keseluruhan operasi mereka.