Hiri Visual AI Anti-Lifting: Amaran diaktifkan sebelum tayar meninggalkan tanah.

01 Gambaran Keseluruhan Sistem dan Latar Belakang Teknikal

Semasa operasi memuat dan membongkar di Quay, “ Anti-angkat ” Apa yang perlu ditangani bukan sekadar isu pengenalan kenderaan, tetapi satu penilaian interlock yang secara langsung mempengaruhi keselamatan pengangkatan: apabila sebuah Kren Quay atau Kren Yard sedang mengangkat sebuah kontena, jika pin pengunci belum dilepaskan sepenuhnya, satu sisi masih terkunci, atau rangka dan kontena masih saling berkait secara mekanikal, sistem mesti menyelesaikan proses pengenalan terlebih dahulu sebelum seluruh kenderaan atau separuh daripadanya diangkat dari tanah serta memastikan keputusan tersebut disampaikan dengan boleh dipercayai. PLC Atau satu kunci keselamatan, yang mencetuskan penutupan, permulaan lembut, atau amaran.

Jika peluang ini terlepas, kemalangan mungkin berlaku.

Ditindakkan

Ikuti

Main Semula Kongsi Suka

Tutup

Tonton lebih banyak

Lebih banyak

Keluar Skrin Penuh

Tukar kepada mod potret, masuk ke skrin penuh, keluar daripada skrin penuh.

Inovasi HIRI telah diikuti.

Kongsi video

0/0

00:00/00:09

Tukar kepada mod landskap

Teruskan bermain

Daripada laser hingga kepada penglihatan, mengapakah anti‑pengangkatan memerlukan AI?

Seiring dengan peningkatan tahap automatikasi pelabuhan, apa yang diperlukan oleh sistem bukan lagi sekadar “ Lihat anomali ” , tetapi sebaliknya untuk membezakan dengan stabil dalam jendela pengangkatan yang sangat singkat “ Pelepasan normal ” dan “ Pengangkatan tali pinggang yang tidak normal ”。

Penyelesaian tradisional sering bergantung pada pemeriksaan video manual, ambang batas pemindahan tepi, atau pengukuran jarak laser titik tunggal untuk menentukan sama ada kejadian anomali telah berlaku. Kaedah-kaedah ini mampu berfungsi dalam keadaan operasi yang stabil, namun apabila berhadapan dengan senario dunia sebenar seperti waktu malam, hujan dan kabus, cahaya belakang, habuk, pantulan tayar, atau getaran halus daripada penyebar, risiko amaran palsu dan kecuaian pengesanan meningkat dengan ketara.

▲ Senario kompleks dalam tugasan dunia sebenar

Ambil pengukuran jarak laser sebagai contoh: Dalam keadaan kabus tebal, hujan lebat atau kandungan zarah yang tinggi, sinaran laser akan tersebar dan diserap oleh zarah-zarah yang tergantung di udara, menyebabkan pelemahan isyarat pulangan atau malah kehilangannya sepenuhnya. Akibatnya, sistem sama ada gagal mengukur jarak atau mengeluarkan bacaan jarak yang salah. Selain itu, laser hanya mampu memperoleh maklumat jarak pada satu atau beberapa titik diskret sahaja, sekali gus menyukarkan pengesanan perubahan kedudukan yang kompleks seperti peregangkan tayar atau kemiringan casis—yang secara langsung menjejaskan manfaat keselamatan daripada perlindungan anti‑pengangkatan.

Sebaliknya, visual Kecerdikan buatan Ia bukan sahaja mampu mengekalkan keupayaan operasi dalam persekitaran yang keras melalui penambahbaikan algoritma—seperti penghapuskan kabut, penyingkiran hujan, dan peningkatan imej pada cahaya rendah—malah turut mampu merakam secara serentak bukti berbilang dimensi, termasuk corak sentuhan roda dengan permukaan jalan, kedudukan rangka kenderaan, serta gerakan relatif badan kargo, sekali gus menyediakan asas pembuatan keputusan yang lebih menyeluruh bagi penilaian pencegahan tergelincir.

 

Definisi Sistem Anti-Pengangkatan Visual

Sistem anti‑angkat visual boleh difahami sebagai satu sistem persepsi keselamatan berasaskan tepi yang terutamanya bergantung kepada kamera industri, disokong oleh sensor kedalaman atau pengimbas laser. Ia memantau secara berterusan hubungan antara tayar dan permukaan jalan, postur bahagian bawah kenderaan, geometri relatif antara lantai muatan dan casis, serta kecenderungan gerakan menaik dalam tempoh singkat, sambil mengintegrasikan input-input ini dengan sebuah mesin keadaan deterministik dan… PLC Saling berkait, sediakan “ Pelepasan selamat ”“ Permulaan yang perlahan dan mencurigakan ” atau “ Penutupan penggera ” Tindakan terakhir.

Sistem Pencegah Pengangkatan Treler Pintar yang dilancarkan oleh HIRI FUTURE ( Sistem Pencegah Pengangkatan Treler ), Menggunakan model Kecerdasan Buatan dari hujung ke hujung , tanpa bergantung pada ambang aras yang ditetapkan secara manual atau penilaian logik, Iaitu, dengan melatih dan membina ia menggunakan jumlah data yang sangat besar. Kecerdikan buatan Model, Ia mampu menjalankan analisis menyeluruh secara masa nyata terhadap keadaan yang kompleks, termasuk sudut kemiringan kenderaan, roda, rangka dan kontena. , menilai secara menyeluruh risiko kenderaan trak kontena yang sedang diangkat, serta segera dan sewajarnya mengambil tindakan untuk membataskan pergerakan peralatan; pada masa ini, HIRI TLPS Sistem ini mencapai ketinggian mengangkat terendah dalam industri, membolehkan operasi dalam kebanyakan senario. “ Tayar tidak pernah meninggalkan tanah ” Amaran awal pada tahap tersebut, Perlindungan 70 Keadaan mengangkat yang biasa lain 。

HIRI TLPS Nilai teras:

· Alihkan pengesanan anomali kepada sebelum kenderaan benar-benar meninggalkan tanah, sekali gus mencapai… “ Tayar tidak pernah meninggalkan tanah ” Amaran awal pada tahap tersebut.

· Melalui visi menyeluruh Kecerdikan buatan Model tersebut secara menyeluruh merakamkan hubungan sentuhan antara roda, rangka dan perumah dengan tanah, sekali gus mengurangkan kebergantungan kepada ambang manual dan peraturan titik tunggal.

· Dengan memanfaatkan korelasi temporal berbilang rangka dan penggabungan pelbagai bukti, risiko amaran palsu yang disebabkan oleh operasi mengangkat biasa, getaran peralatan serta variasi pencahayaan dapat dikurangkan.

· Penyepaduan dan inferens masa nyata berasaskan tepi PLC Sistem keselamatan gelung tertutup membolehkan pengendalian langkah-langkah pencegahan pengangkatan yang pantas, boleh dipercayai dan boleh ditelusuri.

02 Pautan Persepsi Sistem Anti-Pengangkatan

2.1 Cabaran Industri: Mengapakah pengesanan anti-angkat lebih sukar berbanding pemeriksaan konvensional?

Cabaran dalam mencegah pembajakan terletak pada hakikat bahawa ia bukan sekadar tugas pengenalpastian yang statik, sebaliknya merupakan penilaian keselamatan yang dinamik yang dilaksanakan dalam skala masa antara milisekon hingga saat. Apa yang benar-benar sukar untuk dibezakan ialah “ Housing tersebut telah terlepas seperti biasa dan sedang bergerak ke atas. ” , atau masih “ Kontena itu sedang mengangkat reach stacker bersamanya. ”。 Semasa proses ini, pemampatan dan pantulan tayar, deformasi elastik pada rangka kenderaan, oklusi sebahagian, pencemaran pada lensa, silau daripada pencahayaan pengisi pada waktu malam, gegaran kamera, distorsi shutter bergulung, malah pembekuan imej atau ketidakselarasan cap masa semuanya boleh menyebabkan sistem membuat kesimpulan yang salah dalam tempoh masa yang sangat singkat.

2.2 Laluan Teknologi Teras HIRI: Pemahaman Menyeluruh Dari Hujung Ke Hujung Meningkatkan Risiko

Tradisi Kecerdikan buatan Penyelesaian visual lazimnya menggunakan “ Sasaran pengesanan — Ukur jarak — Tetapkan ambang secara manual — Mengaktifkan amaran ” daripada Prosedur bersegmentasi tersebut. Prosedur ini boleh berfungsi dalam keadaan standard, namun di lokasi Quay sebenar, faktor-faktor seperti pantulan tayar, deformasi elastik rangka, mikrogetaran Spreader, halangan, hujan dan kabus, cahaya latar serta pencemaran pada lensa menyebabkan suatu ambang batas tunggal sukar untuk kekal stabil dalam jangka masa panjang. Jika ambang batas ditetapkan terlalu ketat, kemungkinan berlakunya penghentian palsu yang kerap adalah tinggi; manakala jika ditetapkan terlalu longgar, risiko pengangkatan awal mungkin terlepas dikesan.

HIRI TLPS Mengamalkan visi menyeluruh daripada hujung ke hujung Kecerdikan buatan Model tersebut menggabungkan proses pembuatan keputusan, yang sebelum ini tersebar merentasi pelbagai modul berasaskan peraturan, ke dalam satu rangka kerja bersepadan bagi pembelajaran menyeluruh. Model tersebut menerima sebagai input bukan sahaja kotak pemerhatian sasaran dalam satu bingkai, tetapi juga pelbagai jenis maklumat merentasi bingkai-bingkai berturut-turut, termasuk kedudukan roda, geometri bingkai, konfigurasi peti kargo, luas sentuhan dengan tanah, sudut kecondongan, serta trend pergerakan relatif. Dengan melatih model ini menggunakan dataset besar yang merangkumi pengangkatan normal, pengangkatan tidak normal, pengangkatan muatan separa, pengangkatan satu sudut, keadaan pin yang tidak dikunci, pantulan tayar, dan pelbagai senario lain, Sistem ini mampu belajar. “ Pelepasan normal ” dan “ Pengangkatan tali pinggang yang tidak normal ” Perbezaan halus antara… 。

 

Dalam operasi sebenar, Model end-to-end menjalankan analisis bersepadan terhadap bukti visual dalam jendela masa pendek yang berterusan, serta secara langsung mengeluarkan tahap risiko atau skor risiko bagi operasi pengangkatan kontena oleh trak. Berbanding dengan pendekatan tradisional yang bergantung pada kepakaran manusia untuk menetapkan ambang batas bagi setiap parameter individu, model ini menunjukkan kebolehsesuaian yang unggul terhadap keadaan operasi yang kompleks serta menawarkan kelebihan tersendiri dalam mengurangkan amaran palsu, memberikan amaran awal, dan memperluas penggunaannya merentasi pelbagai senario.

Adalah penting untuk menekankan bahawa konsep hujung-ke-hujung tidak bermaksud penghapusan kunci keselamatan. Model tersebut bertanggungjawab untuk mengenal pasti risiko dengan lebih tepat dan pada peringkat yang lebih awal, manakala tindakan kawalan akhir—seperti permulaan perlahan, penutupan serta pengaktifan amaran—masih dikawal oleh mesin keadaan deterministik dan… PLC Interlocking telah dilaksanakan. Dengan cara ini, ia turut memanfaatkan… Kecerdikan buatan Keupayaan model untuk memahami keadaan visual yang kompleks, sambil mengekalkan kawalan, ketelusan dan determinisme yang wajib dimiliki oleh sistem keselamatan industri.

2.3 Rancangan Kejuruteraan HIRI

Untuk merealisasikan hubungan persepsi yang disebutkan tadi, HIRI TLPS Empat ciri reka bentuk utama berikut telah digunakan dalam kejuruteraan:

1. Industri bersepadan dwi-saluran RGB Kamera sebagai sensor utama, dengan kedalaman/laser sebagai tambahan.
Sistem ini memasang dua kamera RGB industri yang beroperasi secara serentak pada palang sisi kren, dengan satu kamera difokuskan pada zon sentuhan tayar–tanah dan satu lagi pada kawasan bersebelahan bahagian bawah kotak rangka. Konfigurasi dwi-kamera ini membolehkan pemerolehan serentak maklumat mengenai butiran sentuhan tempatan—seperti deformasi tayar dan jarak antara roda dengan tanah—serta perubahan geometri global—seperti perbezaan kedudukan kiri–kanan dan kenaikan rangka. Penderia kedalaman atau LiDAR jarang digunakan sebagai modaliti persepsi utama; ia hanya berfungsi untuk menjalankan pengesahan sekunder ke atas kawasan-kawasan yang dicadangkan sebagai anomali apabila input visual terhalang atau tahap keyakinan rendah. Arkitek “penglihatan dahulu, kedalaman kemudian” ini mampu mengurangkan kos perkakasan dan kekompleksan sistem sambil mengekalkan ketepatan yang tinggi. 2. Kunci ROI + tanpa sauh Pengesanan + Penjejakan Ringan

Tier model tidak memproses keseluruhan imej secara langsung; sebaliknya, ia terlebih dahulu menentukan zon minat yang mengandungi tayar, bahagian bawah bingkai, dan sempadan bawah kotak ( Pulangan Pelaburan ). Dalam Pulangan Pelaburan Dipersetujui secara dalaman anchorfree Pengesan tersebut menentukan lokasi kawasan-kawasan utama, dan pendekatan pengesanan ini tidak bergantung pada kotak sauh yang telah ditetapkan terlebih dahulu, mempunyai sedikit parameter hipertetapan, sesuai untuk pelaksanaan di peranti tepi, serta menunjukkan ketahanan yang tinggi terhadap deformasi objek. Seterusnya, modul penjejakan berbilang objek yang ringan memastikan hubungan identiti yang stabil antara rangka yang berterusan bagi tayar yang sama dan kereta yang sama. Walaupun dalam keadaan oklusi sebahagian atau pengesanan rendah keyakinan yang singkat, penjejak ini masih mengekalkan kesinambungan sasaran, sekali gus mengelakkan salah penilaian akibat kelewatan pengesanan dalam satu rangka.

3. Pemodelan Bersama Aliran Optik, Residu Kedalaman, dan Metrik Geometri

Kelebihan terbesar sistem anti-angkat ialah ia tidak bergantung pada satu ciri visual sahaja; sebaliknya, ia mengekstrak tiga jenis maklumat secara serentak:

· Aliran Optik dan Medan Gerakan: Kira arah dan kelajuan gerakan pada tahap piksel bagi menentukan sama ada bingkai atau tayar mengalami pergerakan menaik yang tidak normal.

· Pengukuran geometri: Dimensi eksplisit seperti jarak bebas roda–tanah, jarak daripada bahagian bawah rangka ke tanah, serta perbezaan kedudukan kiri–kanan diukur daripada imej.

· Residual Mendalam (Semasa sensor kedalaman diaktifkan): Semak sama ada ruang sela antara dasar kotak dan rangka kenderaan benar-benar wujud.

Ketiga-tiga jenis bukti saling mengesahkan antara satu sama lain: Pengesanan dan penjejakan disediakan “ Siapa yang berpindah? ” , aliran optik menyediakan “ Cara berpindah ” , kuantiti geometri disediakan “ Sejauh mana ia bergerak? ” , sediakan secara mendalam “ Adakah anda masih berhubung? ” Pemodelan bersama lebih kukuh terhadap gangguan berbanding hanya bergantung pada perubahan kedudukan kotak pembatas, dan ia mampu membezakan dengan lebih baik antara pelepasan normal dengan pengangkatan yang tidak normal.

4. Penggabungan urutan jangka pendek + mesin keadaan deterministik + PLC Saling berkait

Lapisan persepsi tidak mengeluarkan hasil klasifikasi satu bingkai, sebaliknya menghasilkan suatu urutan dalam jendela masa yang pendek (contohnya 10 ~ 15  skor risiko dalam rangka. Skor ini kemudian dimasukkan ke dalam sebuah mesin keadaan deterministik—iaitu modul berasaskan peraturan—yang, berdasarkan nilai ambang yang telah ditetapkan, pengesahan bagi beberapa rangka berturut-turut, fasa mengangkat semasa, serta peraturan-peraturan lain, menentukan output. “ Pelepasan selamat ”“ Permulaan yang perlahan dan mencurigakan ” atau “ Penutupan penggera ” . Pendekatan berperingkat ini lebih mudah diaudit dan lebih selaras dengan logik pelaksanaan sistem keselamatan industri.

03 Melebihi pengenalan—penutupan yang boleh dipercayailah yang benar-benar penting.

Ketidaknormalan pada keseluruhan kenderaan, separuh sisi dan satu sudut diiktiraf secara seragam.

HIRI TLPS Ia bukan sahaja mengaktifkan penggera apabila keseluruhan kenderaan diangkat, malah turut memberikan amaran awal yang lebih halus pada peringkat awal yang kurang ketara—seperti ketidakseimbangan postur antara kiri dan kanan, satu sisi tayar terangkat daripada tanah terlebih dahulu, atau kenaikan tinggi yang tidak normal pada satu sudut. Bagi operasi di lokasi, ini… “ Masa memimpin ” Ia sering kali lebih berharga daripada sekadar menurunkan ambang ketinggian jalan. —— Kerana kemalangan yang benar-benar berbahaya biasanya bermula dengan anomali kecil yang tidak simetri dan berkembang secara beransur-ansur.

Kekonsistenan pelbagai bukti berkesan mencegah penutupan yang palsu.

HIRI TLPS Dengan mengesahkan secara bersama pelbagai jenis bukti—seperti hubungan geometri, kelajuan pengangkatan, kecacatan kedalaman, enkoder pengangkatan, serta kesinambungan temporal—adalah mungkin untuk membezakan dengan jelas antara pengangkatan normal, mikrogetaran Spreader, pantulan tayar, dan anomali sebenar, sekali gus mengelakkan berlakunya pemberhentian palsu yang sering berlaku yang pada asasnya akan menurunkan kecekapan operasi.

Diagnostik kesihatan dan pencegahan gangguan, dilaksanakan sebagai blockchain berdiri sendiri.

Sistem ini mempunyai keupayaan diagnostik kesihatan yang berdikari dan mampu mengesan secara masa nyata keadaan seperti bayangan, ketumpulan fokus, gangguan pada kanta, pembekuan video, serta anomali cap masa. Apabila status kesihatan kamera menjadi tidak normal, sistem secara automatik akan beralih kepada mod konservatif—contohnya hanya membenarkan permulaan yang perlahan, memerlukan pengesahan manual, atau langsung menolak pelancaran—untuk memastikan ambang keselamatan tidak dilanggar.

Senario pengesahan kunci yang dicadangkan untuk ditangani:

· Pelbagai gabungan pencahayaan dan keadaan cuaca, termasuk waktu siang, waktu malam, hujan dan kabus, cahaya belakang, serta silau yang kuat.

· Gangguan kejuruteraan seperti pencemaran kanta, oklusi sebahagian, getaran ringan pada pendakap pemasangan, dan distorsi tepi.

· Sampel utama seperti pengangkatan kenderaan penuh, pengangkatan separuh sisi, pengangkatan satu sudut, dan peningkatan laju selepas pelepasan normal.

· Senario kegagalan dan gangguan seperti kehilangan bingkai, pembekuan, anomali cap masa, serta distorsi sensor tunggal.

 

04 Arah Pengoptimuman Utama Kami

Menyediakan sampel had sudut yang kompleks

Peningkatan utama merangkumi pengangkatan separa sisi, pengangkatan sudut tunggal, pelepasan sebahagian pin kunci, serta pemulihan bingkai dengan pemisahan biasa. “ Yang paling sukar dibezakan ” Keupayaan pengenalan pemandangan memajukan penilaian risiko ke peringkat apabila anomali baru mula muncul.

Meningkatkan ketahanan sepanjang tahun dan keupayaan diagnostik kendiri

Pencahayaan tambahan pada waktu malam, hujan dan kabus, cahaya latar, kanta yang kotor, halangan, getaran, bingkai yang beku, anomali cap masa, serta masalah-masalah seumpamanya mesti ditangani secara serentak dengan penilaian kebolehsesuaian alam sekitar dan pemantauan keadaan peralatan bagi mengelakkan… “ Tidak dapat melihat dengan jelas ” Dan hilangkan pertimbangan diri.

Mengoptimumkan Kecekapan Pelaksanaan Tepi dan Strategi Interlocking

Dengan mencetuskan pengesahan mendalam dalam tetingkap calon, kami mengurangkan pengiraan yang tidak perlu, memendekkan kelewatan amaran, menyempurnakan tindakan respons berperingkat bagi permulaan yang perlahan dan pemberhentian mendadak, serta meningkatkan pengecaman acara dan rekod transisi keadaan, sekali gus mencapai pengendalian anomali yang lebih stabil, lebih pantas, dan lebih boleh diaudit.

Meningkatkan keupayaan umum merentasi pelbagai model kenderaan, kren dan kawasan pelabuhan.

Terus menerus mengumpul data mengenai pelbagai peranti, rangka, jenis kontena, dan keadaan operasi, serta menyempurnakan penyelesaian semasa daripada… “ Boleh digunakan untuk satu projek sahaja ” Iterasi ialah “ Boleh dijiwai dalam pelbagai senario ” Modul keupayaan penyeragaman mengurangkan kos pelaksanaan dan penyelenggaraan susulan.