貨運列車標(biāo)記信息智能識別系統(tǒng)|火車車廂識別系統(tǒng)廠家

矩陣軟件貨運列車標(biāo)記信息智能識別系統(tǒng)，該產(chǎn)品需求來自于大宗物資貨運列車車運客戶的實際業(yè)務(wù)需要。對于應(yīng)用貨運列車進(jìn)行貨物發(fā)運的企業(yè)，火車車廂信息的識別，特別是行進(jìn)中列車的識別既非常重要也十分困難，如果信息識別不準(zhǔn)確，就可能出現(xiàn)錯裝貨物等各種問題，造成較大損失。現(xiàn)有的處理方式，一般是通過讀取火車車廂底下的RFID信息，再安排工人手工抄錄車號并進(jìn)行校對，該過程比較繁瑣且容易出現(xiàn)錯誤。

矩陣軟件通過深度學(xué)習(xí)，針對性建立和訓(xùn)練AI模型，完成算法優(yōu)化和固化，形成產(chǎn)品系統(tǒng)，實現(xiàn)了高效靈敏的多目標(biāo)動態(tài)監(jiān)測技術(shù)，可以對行進(jìn)中的貨運列車進(jìn)行車頭出現(xiàn)、車廂間隔和標(biāo)記信息區(qū)域的實時甄別，并進(jìn)而完成多尺寸多目標(biāo)信息的動態(tài)監(jiān)測和識別。

  聯(lián)系電話：17686618046   服務(wù)熱線：0531-86970088  網(wǎng)站：http://www.matrixerp.com

貨運列車標(biāo)記信息智能識別系統(tǒng)|火車車廂識別系統(tǒng)廠家

系統(tǒng)運行邏輯流程如下圖所示：

系統(tǒng)配置高速攝像機，安裝在進(jìn)站口附近，可以響應(yīng)50公里每小時的火車車廂運行速度，視頻解析節(jié)點高速完成視頻幀解析，交由總控節(jié)點統(tǒng)一任務(wù)調(diào)度：首先完成幀快速過濾，過濾掉空軌幀和無信息幀，將目標(biāo)幀轉(zhuǎn)發(fā)至信息區(qū)域提取節(jié)點，完成車廂類型編號信息區(qū)域和車廂屬性信息區(qū)域的大尺寸目標(biāo)識別提取，并根據(jù)對車廂間隔的識別，完成對車廂的切分；標(biāo)記信息識別節(jié)點進(jìn)一步完成詳細(xì)標(biāo)記信息(車廂類型、編號、載重、自重、容積、換長等)的小尺寸目標(biāo)識別，識別結(jié)果反饋給總控節(jié)點，由總控節(jié)點完成各車廂標(biāo)記信息的綜合，得出最終識別結(jié)果，最后由應(yīng)用系統(tǒng)接口模塊將識別結(jié)果提供給業(yè)務(wù)應(yīng)用系統(tǒng)。

貨運列車標(biāo)記信息智能識別系統(tǒng)|火車車廂識別系統(tǒng)廠家

系統(tǒng)的高效運行，由矩陣軟件自主訓(xùn)練的AI模型(Matrix-RetinaNet)計算引擎提供支撐，該模型以殘差網(wǎng)絡(luò)(ResNet)和特征金字塔網(wǎng)絡(luò)(FPN)為骨干網(wǎng)絡(luò)，根據(jù)大目標(biāo)和小目標(biāo)識別的顯著特點，選取特定目標(biāo)特征層，分別對目標(biāo)類別和目標(biāo)位置進(jìn)行全卷積網(wǎng)絡(luò)(Class FCN / Box FCN)計算，得出最終識別結(jié)果，模型結(jié)構(gòu)圖如下：

Matrix-RetinaNet模型對于火車車廂信息識別具有95%以上的識別率，而且通過自迭代學(xué)習(xí)，其識別率可以快速增長到98%；在運行效率上，系統(tǒng)采用智能芯片+定制板卡的模式固化模型算法，從而使整車識別時間小于兩分鐘。