MobilitatLogísticaMedi ambient

Lectura automàtica de precintes

Intel·ligència artificial per la identificació dels precintes de seguretat dels contenidors marítims

Parts implicades

Promotors

Socis

Col·laboradors

Objectius de Desenvolupament Sostenible

ODS

(Objectius de Desenvolupament Sostenible)

ODS 1 ODS 1 ODS 1

Antecedents

El trànsit de contenidors marítims al Port de Barcelona va augmentar a més de 3,3 milions de TEU el 2019 i va créixer un 30,4% fins al juliol de 2021 comparat amb l’any anterior. El moviment de contenidors s’organitza a través de trens i camions, amb un sistema de rastreig que inclou un control d’accés, en part automatitzat per tecnologia OCR, per verificar els precintes de seguretat segons la norma ISO PAS 17712. Tot i que alguns ports han automatitzat aquest procés, la majoria encara requereix intervenció manual per garantir la seguretat dels contenidors, presentant un desafiament significatiu en la gestió i control dels precintes.

Descripció

Barcelona Port Innovation, Hutchison BEST i AllRead han creat un projecte pilot per tal de monitoritzar una de les entrades de la terminal del Port de Barcelona. L’objectiu és extreure automàticament i en temps real les lectures dels precintes de seguretat mitjançant una càmera fixa instal·lada a l’entrada 5 de la terminal de Hutchison BEST.
En concret el projecte consisteix en:

  • Desenvolupar noves tecnologies de Xarxes Neuronals Profundes aplicades al control automàtic dels precintes de seguretat.
  • Dissenyar, desenvolupar i integrar un prototip del sistema.
  • Realitzar estudis de validació en entorn operacional real del sistema.

Conclusions

  • Avaluació de 60 trànsits.
  • Encara que hi ha marge de millora, la tecnologia funciona satisfactòriament per a aquest cas d’ús, sempre que es respectin uns requisits mínims de qualitat d’imatge.
  • Molts trànsits exclosos es deuen al procés inherent a aquest pilot. Casos com contenidors que paren fora de la imatge i precintes girats tenen una representativitat important i haurien de ser abordats d’una altra manera en el cas que aquesta solució vagi a producció.
  • Si es volen considerar les diferents dimensions de contenidors s’hauríen de tenir, almenys, 2 càmeres/òptiques.
  • Encara que es millori molt la latència del programari, assegurar que la càmera generi imatges de qualitat de precintes en moviment és força complex.

Impacte

ECONOMIA

Millora en l’eficiència de les operacions: actualment, són els operaris que ho fan de manera manual, amb un temps més elevat i possible error humà, podent provocar retrassos en el procés d’entrada i sortida en les terminals.

90% de millora d’eficiència en costos operatius: estalvi de més de 1.250.000€ anuals amb l’ús del software vs. procés manual (Bases de càlcul en l’informe-annex Informe final).

PERSONES

Millora de la seguretat i salut dels treballadors: s’evita fer el procés de control de manera manual, sent aquest lent i perillós, generant un risc pels operaris que estan entre camions i càrregues de més de 30 Tn.

MEDI AMBIENT

77.000 kg de CO2 eq. anuals evitats d’emetre a l’atmosfera: a través de la reducció de l’espera dels camions, avançant a ralentí a la terminal. A BEST es gestionen aprox. 1M de precintes a l’any i on el procés de validació manual triga al voltant de 30 segons.

Notícies