Ręczne przepisywanie numerów ULD (Unit Load Device) ze zdjęć zajmuje czas i zwiększa ryzyko błędów. Dzięki wykorzystaniu sztucznej inteligencji proces ten można zautomatyzować.
Ręczne przepisywanie numerów ULD (unit load device) ze zdjęć można zastąpić procesem, w którym użytkownik przesyła fotografię oznaczenia, a system automatycznie rozpoznaje kod potrzebny do uzupełnienia formularza.
Właśnie ten scenariusz został sprawdzony w ramach Proof of Concept (PoC) przygotowanego dla firmy pracującej w branży lotniczej. PoC pozwolił porównać rozwiązania wykorzystujące usługi AWS oraz modele OCR działające lokalnie na urządzeniu.
Projekt miał charakter badawczy i demonstracyjny. Jego celem nie było dostarczenie gotowego systemu produkcyjnego, ale zebranie mierzalnych wyników, poznanie ograniczeń technologii i wyznaczenie możliwych kierunków dalszego rozwoju.
Wyzwanie: ograniczenie ręcznego przepisywania danych
Punktem wyjścia był proces umieszczania numeru ULD w odpowiednich formularzach. Zamiast ręcznie odczytywać oznaczenie ze zdjęcia i przepisywać je do formularza, użytkownik powinien móc przesłać plik, który zostanie automatycznie przeanalizowany.
PoC miał sprawdzić, jak dostępne technologie radzą sobie z rozpoznawaniem numerów przypominających oznaczenia ULD i jakie różnice występują pomiędzy poszczególnymi podejściami.
Automatyczne rozpoznawanie numerów ULD
W ramach projektu przygotowano demonstracyjną aplikację przeglądarkową. Zalogowany użytkownik może przesłać zdjęcie JPG lub PNG, a następnie porównać wyniki uzyskane przez Amazon Rekognition oraz Amazon Nova 2 Lite.
Aplikacja pokazuje rozpoznany tekst oraz czas odpowiedzi każdej usługi. W przypadku Amazon Rekognition dostępny jest również confidence score określający poziom pewności dla dopasowanych słów.
Takie podejście umożliwiło ocenę różnych sposobów automatycznego rozpoznawania oznaczeń ULD. Porównanie obejmowało rozpoznany tekst, zgodność kodów z etykietami referencyjnymi oraz czas analizy.
Demonstracyjna aplikacja wykorzystująca AWS
W demonstracyjnej aplikacji przeglądarkowej zalogowany użytkownik może przesłać zdjęcie w formacie JPG lub PNG. Następnie może porównać numery rozpoznane przez Amazon Rekognition i Amazon Nova 2 Lite.
Aplikacja prezentuje:
- rozpoznany tekst,
- czas odpowiedzi każdej usługi,
- confidence score dla słów dopasowanych przez Amazon Rekognition.
Oczekiwany format numeru ULD można skonfigurować w zmiennej Terraforma (narzędzie do automatycznego zarządzania całą infrastrukturą IT firmy za pomocą kodu). Wyniki oraz historia przetwarzania są przechowywane w prywatnej pamięci AWS, a przesłane zdjęcia źródłowe są usuwane po 30 dniach.
PoC obejmuje pełną infrastrukturę jako kod oraz skrypt wdrożeniowy przeznaczony do uruchomienia rozwiązania w samodzielnym środowisku AWS.
Testy OCR na 108 zdjęciach ULD
Modele Edge OCR zostały przetestowane na 108 zdjęciach oznaczeń kontenerów lotniczych ULD.
Najlepszy wynik jakościowy osiągnął Paddle Small:
- 90 ze 108 zdjęć uzyskało w pełni poprawny wynik,
- zgodność rozpoznanych kodów z etykietami referencyjnymi wyniosła 93,9%,
- mediana czasu analizy wyniosła 0,55 sekundy.
Najszybszym modelem był Paddle Tiny, którego mediana czasu analizy wyniosła 0,19 sekundy. Model uzyskał w pełni poprawny wynik dla 78 ze 108 zdjęć, przy zgodności kodów wynoszącej 82,4%.
Trek2Summit | Analiza AI
Porównanie skuteczności modeli AI
Wyniki testów automatycznego rozpoznawania numerów kontenerów lotniczych ULD na podstawie 108 zdjęć. Porównanie dokładności odczytu i mediany czasu przetwarzania.
| Model | W pełni poprawne zdjęcia | Zgodność kodów | Mediana czasu |
|---|---|---|---|
|
Paddle Small
Najwyższa zgodność
|
90/108 |
93,9%
|
0,55 s |
|
Paddle Tiny
|
78/108 |
82,4%
|
0,19 s |
|
Florence
|
64/108 |
68,8%
|
1,38 s |
|
SmolVLM
|
14/108 |
58,6%
|
0,83 s |
Wszystkie cztery modele zakończyły testy bez błędów silnika. Testy przeprowadzono lokalnie w Chrome na komputerze Apple Macbook Pro z procesorem M1. Ponieważ modele działają offline, uzyskiwane czasy mogą różnić się w zależności od urządzenia.
Wartość PoC dla branży lotniczej?
PoC dostarczył klientowi konkretny punkt odniesienia do oceny technologii automatycznego rozpoznawania numerów ULD.
Projekt umożliwił:
- porównanie podejścia chmurowego i lokalnego,
- sprawdzenie modeli na rzeczywistym zbiorze 108 zdjęć,
- zestawienie jakości rozpoznawania z czasem analizy,
- zidentyfikowanie różnic między testowanymi modelami,
- przygotowanie środowiska do dalszej oceny technologii.
Najważniejszym rezultatem PoC nie jest deklaracja gotowości produkcyjnej, lecz zebranie danych potrzebnych do oceny, które podejście warto rozwijać dalej.
Wyniki ekspertyzy w praktyce
Projekt dotyczy konkretnego procesu charakterystycznego dla branży lotniczej. Automatyczne rozpoznawanie ULD wymaga pracy z oznaczeniami funkcjonującymi w środowisku lotniczym oraz oceny jakości odczytu na rzeczywistych zdjęciach.
W PoC porównano kilka technologii i modeli. Wyniki pokazują różnice zarówno w jakości rozpoznawania kodów, jak i czasie analizy. Takie dane pozwalają ocenić, które podejścia warto brać pod uwagę przy dalszym rozwoju rozwiązania.
Najlepszy wynik w testowanej konfiguracji uzyskał Paddle Small, natomiast Paddle Tiny zapewnił najniższą medianę czasu analizy.
Podsumowanie
PoC przygotowany dla klienta pokazał, jak różne technologie OCR radzą sobie z automatycznym rozpoznawaniem numerów ULD. Trek2Summit zestawił podejście wykorzystujące usługi AWS z modelami działającymi lokalnie, tworząc podstawę do dalszej oceny jakości, szybkości i architektury rozwiązania.
Najlepszy wynik jakościowy w testach Edge OCR osiągnął Paddle Small, z 93,9% zgodności kodów i 90 w pełni poprawnymi wynikami na 108 zdjęć. Jednocześnie testy potwierdziły, że przed ewentualnym zastosowaniem produkcyjnym potrzebne są dalsze prace i dokładniejsza ocena trudnych przypadków.