La documentación de carga asistida por IA aumenta la eficiencia en el proceso logístico

Documentación de carga automatizada durante la operación en curso

En el centro de la aplicación se encuentra una carretilla elevadora, en cuya cabina está montada la cámara. Durante la conducción, el sistema graba de forma continua lo que ocurre delante del vehículo. El proceso comienza con la captura de la hoja de ruta e incluye todos los pasos del flujo de carga. Esto incluye las maniobras, la recogida y el depósito de cada palé, así como la sujeción final de la carga tras estacionar la carretilla. Para los conductores, esto supone un alivio notable: La interrupción necesaria hasta ahora para la documentación manual desaparece por completo. Al mismo tiempo, se generan datos de imagen uniformes y trazables que hacen transparente todo el proceso.

Análisis inteligente de imágenes en tiempo real

Un componente esencial de la solución es el análisis inteligente de los datos de imagen capturados. La cámara transmite sus imágenes directamente a un terminal de vehículo a través de una interfaz de clase de vídeo USB (interfaz UVC) estandarizada sin necesidad de controladores adicionales. Desde allí, los datos llegan a un servidor de IA local que los analiza en tiempo real. En primer paso, una clasificación de imágenes basada en IA evalúa cada fotograma en cuanto a contenido y relevancia. Más del 99 por ciento de las grabaciones se descartan ya en este paso, de modo que solo se procesa la información realmente necesaria. Para los datos restantes, se utilizan modelos especializados del sistema DENKnet de la empresa DENKweit. Una combinación de detección de objetos y reconocimiento óptico de caracteres (OCR) identifica las hojas de ruta y las estructuras de los palés. El número de ruta se lee y sirve como clave central para la asignación de las imágenes. De este modo, todas las grabaciones relevantes se asignan de forma estructurada a una ruta y se almacenan centralmente. Al mismo tiempo, el sistema puede reconocer cuántos palés hay en la imagen y cuáles son sus dimensiones.

Alta calidad de imagen a distancias variables

La flexibilidad de la solución se demuestra especialmente en la adaptación dinámica de la captura de imágenes. La cámara con autofoco uEye XC cambia automáticamente entre diferentes distancias. «Para el registro de una hoja de ruta, se enfoca a una distancia de unos 35 centímetros. Para la documentación del proceso de carga, en cambio, el rango de captura es de 2 a 3 metros», explica Thomas Fuchs, líder del equipo de AIoT en CANCOM. «Esto genera imágenes nítidas y utilizables en cualquier situación, incluso con condiciones de iluminación cambiantes».

La cámara utilizada cuenta con un sensor de 13 megapíxeles y ofrece funciones como balance de blancos automático, corrección de color, así como parámetros ajustables individualmente para brillo, contraste y nitidez. Gracias a la interfaz UVC, se puede operar como una cámara web estándar sin controladores adicionales. En combinación con Windows IoT en los terminales de los vehículos, esto simplifica considerablemente la integración. Los dispositivos se detectan automáticamente y pueden gestionarse a través de una gestión centralizada de dispositivos.

Infraestructura de IA escalable desde el borde hasta el centro de datos

La fortaleza especial de la aplicación reside en la interacción entre la cámara y la inteligencia artificial. En la solución implementada por CANCOM se utilizan modelos de IA en contenedores de DENKweit. Se pueden escalar de forma flexible desde el borde hasta el centro de datos y pueden operarse en entornos Kubernetes y, si es necesario, con aceleración por GPU. Los primeros modelos funcionales ya se pueden crear con comparativamente pocas imágenes de entrenamiento. Sin embargo, su rendimiento aumenta de forma significativa con la calidad y la variedad de los datos.

En comparación con los sistemas de procesamiento de imágenes clásicos, el esfuerzo de desarrollo se reduce considerablemente. Los flujos de trabajo de visión complejos y basados en reglas se sustituyen por métodos basados en el aprendizaje, que pueden implementarse más rápidamente y adaptarse más fácilmente a nuevos requisitos. Al mismo tiempo, los usuarios se benefician de los rápidos avances en la potencia de cálculo disponible, de modo que incluso las soluciones de GPU integradas son suficientes para muchas aplicaciones.