Логистика, промышленность, грузоперевозки

Лидар-сканирование и 3D-инспекция кузова фуры перед загрузкой с решением за 7 секунд

Система на основе 3D-анализа облака точек (LiDAR) строит модель кузова, измеряет отклонения геометрии и за 7 секунд принимает решение о возможности загрузки

lidar-truck-scanning-system-1.png
lidar-truck-scanning-system-2.png
lidar-truck-scanning-system-1.png
NDA
ЗаказчикКрупная промышленно-логистическая компания с распределённой сетью складов и высоким потоком грузового транспорта.
ЗадачаУйти от ручного измерения кузова, разгрузить складские ресурсы и обеспечить автоматическое уведомление водителя о соответствии фуры требованиям к загрузке.

О проекте

При высоком потоке фур ручное измерение кузова замедляет процесс и перегружает складской персонал. Требовалось решение, которое быстро и стабильно оценивает внутреннее пространство без участия человека и исключает ошибки перед загрузкой. 

 

Для этого реализована система LiDAR-сканирования с обработкой облака точек и автоматическим принятием решения. Результат проверки передается оператору и водителю через интерфейс и световую сигнализацию.

NDA
ЗаказчикКрупная промышленно-логистическая компания с распределённой сетью складов и высоким потоком грузового транспорта.
ЗадачаУйти от ручного измерения кузова, разгрузить складские ресурсы и обеспечить автоматическое уведомление водителя о соответствии фуры требованиям к загрузке.

7 секунд

от сканирования до решения: автоматическая 3D-инспекция кузова фуры перед загрузкой
1
Развертывание зоны сканирования
Установлен лидарный сенсор с актуатором для покрытия внутреннего объема кузова и формирования облака точек.
2
Сканирование кузова фуры
Выполняется сбор данных о внутреннем пространстве кузова с построением 3D-представления геометрии
3
Обработка облака точек
Проводится сегментация поверхностей и расчет геометрических параметров для выявления отклонений и препятствий
4
Сопоставление с требованиями загрузки
Выполняется проверка соответствия доступного пространства параметрам груза и условиям безопасной загрузки
5
Выдача результата и уведомление
Результат проверки передается в интерфейс оператора и отображается водителю через световую сигнализацию

Зачем заказчику автоматизация?

В сезонный пик (до 120 машин/день) ручные замеры превращаются в десятки человеко-часов нагрузки на склад

Технологический стек

Backend

Логика обработки и базовые компоненты системы

ML

Модели и фреймворки для обучения

Вызовы и решения

Автономная работа без интеграции в IT-системы

Система не должна подключаться к корпоративным системам (ERP, WMS, сети), но при этом обязана обеспечивать полный цикл работы и доступ к данным.
РЕШЕНИЕ

Локальный контур с API-доступом

Реализована автономная система с локальной базой данных и API для доступа к результатам без врезки в инфраструктуру заказчика.

Надежная работа в условиях склада

Перепады температур, пыль и влага требуют устойчивой работы оборудования без деградации качества измерений.
РЕШЕНИЕ

Стационарная LiDAR-система с защитой от внешней среды

Оборудование установлено в стационарной конфигурации с учетом условий склада, что обеспечивает стабильное сканирование и точность измерений при температуре, пыли и влажности.

Оценка риска повреждения при загрузке

Необходимо не только измерить геометрию кузова, но и понять, приведут ли отклонения к повреждению продукции.
РЕШЕНИЕ

Интеллектуальный анализ габаритов

Реализована логика оценки пригодности кузова с учетом параметров груза и вероятности повреждений на основе анализа геометрии.

<1 мин

на оформление запрета загрузки фуры

на 30%

снижение количества поврежденных грузов

<15%

фур не допускаются к загрузке

Команда, которая внедрила проект

Дмитрий Соркин
DevOps-инженер
Роман Фёдоров
Бизнес-аналитик
Алексей Цибульников
Python backend-разработчик
Дмитрий Долгин
Tech Lead
Михаил Моисеев
CV-инженер

Бесплатный разбор вашей задачи

На экспертной встрече разберем, какие сценарии внедрения ИИ для вашего бизнеса перспективны и возможны на вашем действующем оборудовании. Подготовим экономическое обоснование внедрения ИИ.

Рассмотрим технические ограничения и возможный первый этап проекта.

О вашей задаче (по желанию)

Готовые проекты

Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.

bracket
Разработка крупной системы
3D-инспекция кузова фур
lidar-truck-scanning-system.png
Разработка крупной системы
ИИ-система учёта возвратной тары
3d-lidar-returnable-packaging-counting.jpg
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
pallet.png
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
ии мониторинг здоровья коров-1.jpg
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
damage-detection-case.png
Разработка крупной системы
ИИ-контроль операций ко-пакинга
ai-copacking-automation.jpg