Trifork 公司如何利用NVIDIA Jetson减少机场的行李延误

01

优化行李处理系统

Sucees Story

大多数飞行乘客的痛苦是他们飞到了目的地.....但是行李还没有到。

世界各地的机场每天都有成千上万的行李丢失，但 CPH 机场希望找到一种更节省成本和时间的方法来优化他们当前的行李跟踪基础设施，从而确保乘客的旅程更加顺畅。

他们每天处理大量行李。为确保乘客在正确的时间收到正确的行李，行李处理必须以高精度进行，以避免乘客到达最终目的地时出现找不到行李的情况。

目前，由多个供应商提供的自动行李处理系统 (BHS) 已经到位，但不幸的是，该系统容易出错，导致行李“在跟踪中丢失”，必须重新识别，否则可能最终导致行李丢失未与旅客一同到达目的地。丢失一件行李需要人工干预，从而给 CPH 机场和航空公司带来间接成本。

在当前的 BHS 中进行更改和纠正错误是一项代价高昂的工作——无论是在机械上、电气上还是技术上——并且由于 CPH 机场的规模和位置导致容量限制，他们必须高效利用他们拥有的空间。

02

机器学习的范式改变

Sucees Story

CPH 机场与一家外部供应商合作，后者利用他们拥有的大量数据点（从天气状况和预定的出发和到达时间，到任何给定航班上的乘客人数）来创建一个机器学习模型，该模型可以准确预测飞机何时起飞实际上会带着行李到达。这使 CPH 机场能够实时预测航班行李何时可以在传送带上准备好供乘客领取的准确性。CPH 机场意识到使用 ML 优化其 BHS 的价值，并准备将其提升到一个新的水平，并测试他们可以在系统中的其他地方使用它。

CPH 机场将图像跟踪（视频分析）确定为现有 BHS 的支持工具。作为软件和 AI 专家，Trifork 被要求支持这项工作。

今天，一系列条形码阅读器用于识别 BHS 多个位置的行李。然而，这种解决方案在整个 BHS 中实施并不具有成本效益，而简单的相机设置会更有效。

Trifork 已经使用 ML、边缘计算和事件驱动软件交付了一个Proof-in-Production方案，最终可以支持 BHS。目标是跟踪行李，减少丢失行李的数量，并提供更具投资效率的优化。

Trifork 面对的挑战是：

-成功跟踪量应为95%

-使用已有的相机硬件

-无需与 BHS 中央服务器进行机械更改或数据交换

-在当前集中式基础设施之外构建跟踪系统，以确保易于维护和改进

03

寻找“行李”丢失的原因

Sucees Story

Trifork 确定在现有 BHS上实施另一个追踪系统的主要原因：

• 行李处理系统的某些区域仅运输行李，但不跟踪行李
• 多种因素导致行李“走丢”

-卡在传送带上

-从传送带上滑落

-靠近另一件行李

• 添加新的条形码阅读器不会具有投资效益

04

如何在相机间追踪行李

Sucees Story

这是一个至少涉及两个摄像头的三步过程：

1. 摄像头 1登记一件行李
2. 更新可能的行李候选人数据库
3. 摄像头 2识别计算可用候选者之间的“最佳匹配”以进行跟踪

视频地址：http://mpvideo.qpic.cn/0bc344aayaaa64abw7na2zrvbz6dbttqadaa.f10002.mp4?

行李由人工智能标记，带有矩形框。总共有四个 AI 模型参与注册和识别独特的行李是硬行李还是软行李。当行李通过绿色垂直线时，将触发软件事件以捕获当前视频帧。另一种机器学习模型为所有行李附加一个唯一的行李 ID，因此可以在摄像头的视野中跟踪它们。

该解决方案最初使用NVIDIA DeepStream和Jetson Xavier AGX来收集预装机场摄像机的行李图像数据。通常，这会需要定制开发的软件来处理相机数据。但是，利用 DeepStream内置功能的优势以及搭配NVIDIA Jetson产品，这个过程几乎没有摩擦。DeepStream和Jetson Xavier后来升级到测试和生产环境。添加了 NVIDIA TAO，用于训练和优化 AI 模型并导出到 Deepstream，再利用NVIDIA TensorRT功能加速推理速度。使用 INT8 精度，在多个 2K 流上运行四个 AI 模型，最终在AGX Xavier 上以 25 FPS 的速度进行推理。

05

成果

Sucees Story

在经历了一系列试验和试错之后，由于 CPH 机场和 Trifork 之间的良好合作，最终看到对行李自动化系统部门和运营商的日常运营产生的重大积极影响。由于 CPH 机场是哥本哈根基础设施的重要组成部分，该解决方案可以帮助他们尽可能经济高效地提高绩效。

Trifork 使用 NVIDIA 技术显著加快了开发时间，当与其他人工智能开发项目相比。英伟达的解决方案组合，确保了开发和部署流程的快速性，而往往软件和 AI 模型的每日更新通常需要数周时间完成。

对于Trifork来说，能够在生产环境中测试软件，可以确保准确性和 FPS 符合解决方案的要求。