网站首页

产品中心

应用背景 产品优势 产品功能 AI模型

新闻中心

关于我们

联系我们

申请免费试用

官方微信 官方微博

新闻中心 矩阵软件将为您分享更多AI技术和智能业界的新进展

主页 > 新闻中心 >

货运列车标记信息智能识别系统

发布时间:2020-04-27 16:47:02浏览次数:来源于:未知

矩阵软件货运列车标记信息智能识别系统,该产品需求来自于大宗物资货运列车车运客户的实际业务需要。对于应用货运列车进行货物发运的企业,火车车厢信息的识别,特别是行进中列车的识别既非常重要也十分困难,如果信息识别不准确,就可能出现错装货物等各种问题,造成较大损失。现有的处理方式,一般是通过读取火车车厢底下的RFID信息,再安排工人手工抄录车号并进行校对,该过程比较繁琐且容易出现错误。

矩阵软件通过深度学习,针对性建立和训练AI模型,完成算法优化和固化,形成产品系统,实现了高效灵敏的多目标动态监测技术,可以对行进中的货运列车进行车头出现、车厢间隔和标记信息区域的实时甄别,并进而完成多尺寸多目标信息的动态监测和识别。系统运行逻辑流程如下图所示:

 

系统配置高速摄像机,安装在进站口附近,可以响应50公里每小时的火车车厢运行速度,视频解析节点高速完成视频帧解析,交由总控节点统一任务调度:首先完成帧快速过滤,过滤掉空轨帧和无信息帧,将目标帧转发至信息区域提取节点,完成车厢类型编号信息区域和车厢属性信息区域的大尺寸目标识别提取,并根据对车厢间隔的识别,完成对车厢的切分;标记信息识别节点进一步完成详细标记信息(车厢类型、编号、载重、自重、容积、换长等)的小尺寸目标识别,识别结果反馈给总控节点,由总控节点完成各车厢标记信息的综合,得出最终识别结果,最后由应用系统接口模块将识别结果提供给业务应用系统。

系统的高效运行,由矩阵软件自主训练的AI模型(Matrix-RetinaNet)计算引擎提供支撑,该模型以残差网络(ResNet)和特征金字塔网络(FPN)为骨干网络,根据大目标和小目标识别的显著特点,选取特定目标特征层,分别对目标类别和目标位置进行全卷积网络(Class FCN / Box FCN)计算,得出最终识别结果,模型结构图如下:

Matrix-RetinaNet模型对于火车车厢信息识别具有95%以上的识别率,而且通过自迭代学习,其识别率可以快速增长到98%;在运行效率上,系统采用智能芯片+定制板卡的模式固化模型算法,从而使整车识别时间小于两分钟。

下一篇:列车车号视频识别系统
上一篇:火车车厢信息自动识别平台

分享这篇文章:

咨询我们

输入您的疑问及需求发送邮箱给我们