算法清单最容易写成「模型名词大全」,但现场需要的不是名词,而是「我这个点位要防的那件事,对应哪个算法」。所以按港口会出的「事」分类,而不是按网络结构分类。
全部算法做 INT8 量化,可直接在前端算力盒与边缘算力上实时推理——这是它能在港口落地的工程前提。
35 项场景算法不是 35 个独立模型,而是建立在六类底层能力之上。理解这六类,就能判断一个新需求大概能不能做、要多长时间做:
| 算法栈 | 技术路线 | 能力说明 |
|---|---|---|
| 目标与姿态检测 | YOLO / YOLO-Pose 模型 | 实现人员、集装箱、吊具、车辆、船舶多目标跨帧跟踪,支持姿态识别(摔倒、翻越护栏) |
| OCR 文字识别 | DBNet + CRNN 模型 | 支持箱号、车牌、仪表读数识别,适配污损、倾斜、局部遮挡场景,准确率 ≥99% |
| 语义分割 | 像素级分割模型 | 识别箱体破损、皮带撕裂、锈蚀、火焰烟雾、带面损伤,输出缺陷坐标与面积分级 |
| 3D 点云算法 | 基于线扫激光点云 | 料堆体积计算、堆垛层高、箱体倾斜度、件杂货外形尺寸测量 |
| 红外热成像 AI | 温度场分割模型 | 识别电机、托辊、电缆热点与异常温升,过滤阳光热源干扰 |
| 业务规则引擎 | AI 结果叠加时序滤波、区域掩码、持续帧校验 | 降低误告警,适配港口复杂作业环境 |
最后一个栈最容易被忽略,也最影响验收。港口现场的光影、雨雾、水渍反光、集装箱漆面变化,会让纯模型输出的误报率高到不可用。时序滤波(连续 N 帧才确认)、区域掩码(只关心车道区域)、持续帧校验(目标停留时长阈值)这三件事,往往比换模型更能降误报。
| 算法 | 识别内容 | 典型点位 |
|---|---|---|
| 安全帽反光衣 | 人员是否按规定穿戴安全帽、反光衣 | 全港区道路、堆场、作业区入口 |
| 周界入侵 | 人员/车辆非法进入围界或管控区域 | 围界、危险区域、临水边缘 |
| 人员倒地 | 人员长时间倒地不起,触发救援告警 | 堆场通道、码头前沿、偏僻区域 |
| 船舱作业人员闯入 | 人员进入船舱作业危险区 | 船舱口、舱内作业面 |
| RTG 作业区人员闯入 | 人员进入龙门吊作业半径 | RTG 行走与落箱区域 |
人员类算法的技术难点不在检测,而在场景定义:什么叫「闯入」?是跨线即报,还是停留超过 3 秒才报?是只报人,还是人加车都报?这些必须在方案阶段与客户逐点确认,否则上线后要么漏报要么误报。
| 算法 | 识别内容 | 难点 |
|---|---|---|
| 集装箱号识别 | 箱体侧面的 11 位箱号(含校验位) | 污损、锈蚀、倾斜、局部遮挡、双箱堆叠 |
| 列车厢号识别 | 铁路货车车厢编号 | 运动速度快、车体晃动 |
| 车牌识别 | 集卡/货车车牌 | 逆光、夜间、泥污遮挡 |
OCR 是港口里「准确率必须写进合同」的少数算法之一。方案给出的口径是 ≥99%,前提是相机安装角度、补光、触发方式按规范执行——这三项做不好,算法再好也达不到。
| 算法 | 识别内容 | 输出 |
|---|---|---|
| 集装箱箱体缺陷 | 凹陷、破损、锈蚀、开焊 | 缺陷坐标 + 面积分级 |
| 货运列车车厢破损 | 车体破损、变形 | 缺陷位置 + 等级 |
| 箱门封条检测 | 箱门是否关闭到位、封条是否完好 | 状态判定 + 抓拍 |

箱体缺陷与箱门封条是验箱业务的核心:它直接关系到责任划分(损箱在谁手里发生的)与保险理赔,所以除了识别,还必须保留时间戳、箱号、多角度抓拍作为证据链。
| 算法 | 识别内容 | 价值 |
|---|---|---|
| 箱体倾斜 | 吊起的集装箱是否倾斜、倾斜角度 | 落箱安全、防止箱体碰撞 |
| 吊具旋锁识别 | 四个旋锁的开闭状态是否一致 | 防止脱锁坠箱,落箱事故主因之一 |
| 船舱箱位 | 船舱内箱格位置与堆存状态 | 配载核对、避免错装 |
| 甲板堆垛 | 甲板集装箱堆存层数与排列 | 堆存管理与超高检测 |
| 钢丝绳在线监测 | 钢丝绳断丝、磨损、变形等外观缺陷 | 从「定期巡检」变为「持续监测」 |
这五项是岸桥与 RTG 的核心安全问题。它们的共同特点是必须在动作过程中实时判断——落箱后再发现旋锁没开,事故已经发生。
皮带系统是散货码头算法密度最高的地方,因为一条皮带线上的失效模式非常多。方案在这里给出 13 项算法:
| 分类 | 算法 | 说明 |
|---|---|---|
| 结构损伤 | 皮带撕裂 | 纵向撕裂早期识别,可联动定点停车 |
| 结构损伤 | 皮带表面损伤 | 带面划伤、磨损、露芯 |
| 结构损伤 | 硫化接头开胶 | 接头是最薄弱环节,开胶需提前发现 |
| 跑偏与输送 | 皮带跑偏 / 主动纠偏 | 输出偏移量与方向,联动纠偏装置 |
| 跑偏与输送 | 皮带异物 | 大件异物、金属件进入煤流 |
| 跑偏与输送 | 大块煤 | 超粒径块料,防止堵料与破碎机损伤 |
| 跑偏与输送 | 煤流调速 | 按煤流密度调节带速,节能降耗 |
| 跑偏与输送 | 堆料 | 落料点堆积状态监测 |
| 跑偏与输送 | 溢料断料 | 溢料与断料两种异常状态 |
| 设备状态 | 皮带托辊发热 | 红外测温,识别异常温升托辊 |
| 设备状态 | 除铁器吸附超量 | 除铁器吸附物堆积到阈值提前告警 |
| 计量 | 料堆 3D 体积盘点 | 线扫点云计算料堆体积 |
| 管状带专项 | 管状带反包/扭转、胀管、压紧托辊(防反包) | 管状输送带特有失效模式 |
管状带是一类容易被忽略的特殊场景:皮带卷成管状输送物料,一旦出现反包、扭转、胀管,物料会撒漏甚至导致整条带报废。这类算法在通用视觉算法库里通常没有,需要针对管状带形态专门训练。
| 算法 | 识别内容 | 场景 |
|---|---|---|
| 车辆照明完好性 | 车辆大灯、尾灯、转向灯是否正常 | 港区夜间行车安全 |
| 车辆超速 | 港区限速路段的实时车速判定 | 堆场通道、路口 |
| 车辆违章 | 违停、逆行、闯禁区 | 港区道路管理 |
| 分类 | 算法 | 说明 |
|---|---|---|
| 环境 | 火灾烟雾 | 早期烟雾与明火识别,港区与堆场消防预警 |
| 检维修 | 登高未系安全带 | 登高作业人员安全带佩戴检测 |
| 检维修 | 自适应登高作业检测 | 结合 3D 判定作业高度与作业状态,自适应触发 |
检维修场景的特殊性在于「非常态」:平时没有登高作业,一旦有人登高就是高风险。所以这里用的是自适应逻辑——先识别是否处于登高作业状态,再判断防护是否到位,而不是全天候报警。
35 项算法上线只是起点。真正决定长期效果的,是难例能不能持续回流:
全程不中断现场作业——这是港口 7×24 连续生产能够接受模型迭代的前提。
相关阅读:算法用在哪些点位见《六大场景前端部署》;承载算法的硬件见《港口 AI 智能硬件》。
深圳市爱派派智能科技有限公司(爱派派智能)
地址:深圳市坪山区创新广场C栋1805
电话:18681465731
联系人:李先生
官网:https://ai-paipai.com
.wrap{max-width:900px;margin:0 auto;font-family:-apple-system,BlinkMacSystemFont,”Segoe UI”,”PingFang SC”,”Microsoft YaHei”,sans-serif;line-height:1.78;color:#1f2937;}
.wrap h2{margin-top:36px;padding-left:10px;border-left:4px solid #0e7490;color:#111827;}
.wrap h3{margin-top:24px;color:#155e75;font-size:17px;}
.wrap .cover{width:100%;max-width:760px;display:block;margin:18px auto;border-radius:8px;}
.wrap .lead{font-size:17px;color:#374151;}
.wrap .toc{background:#f0f9ff;border:1px solid #e0f2fe;border-radius:8px;padding:14px 20px;margin:20px 0;font-size:15px;}
.wrap .toc ol{margin:8px 0 0;padding-left:22px;}
.wrap .toc a{color:#0e7490;text-decoration:none;}
.wrap figure.fig{margin:22px 0;text-align:center;}
.wrap figure.fig img{width:100%;max-width:660px;border:1px solid #e5e7eb;border-radius:6px;display:block;margin:0 auto;}
.wrap figure.fig.small img{max-width:560px;}
.wrap figcaption{font-size:13.5px;color:#6b7280;margin-top:8px;text-align:left;line-height:1.6;}
.wrap table.spec{width:100%;border-collapse:collapse;margin:16px 0;font-size:14px;}
.wrap table.spec th,.wrap table.spec td{border:1px solid #d1d5db;padding:8px 10px;vertical-align:top;text-align:left;}
.wrap table.spec th{background:#ecfeff;color:#155e75;font-weight:600;}
.wrap table.spec tr:nth-child(even) td{background:#f9fafb;}
.wrap ul,.wrap ol{margin:12px 0;padding-left:24px;}
.wrap li{margin:6px 0;}
.wrap .note{background:#ecfeff;border-left:4px solid #0e7490;padding:12px 16px;margin:18px 0;border-radius:0 8px 8px 0;color:#155e75;}
.wrap .faq{background:#f9fafb;border:1px solid #e5e7eb;border-radius:8px;padding:6px 20px;margin:18px 0;}
.wrap .faq h3{margin:16px 0 6px;font-size:16px;color:#111827;}
.wrap .faq p{margin:0 0 14px;font-size:15px;}
.wrap .contact{background:#0f172a;color:#e2e8f0;border-radius:10px;padding:20px 24px;margin:34px 0 10px;}
.wrap .contact h3{color:#fff;margin:0 0 10px;font-size:18px;}
.wrap .contact p{margin:6px 0;font-size:15px;color:#cbd5e1;}
.wrap .contact strong{color:#fff;}
.wrap .related{background:#f9fafb;border:1px solid #e5e7eb;border-radius:8px;padding:14px 20px;margin:26px 0;}
.wrap .related h3{margin:0 0 8px;font-size:16px;}
.wrap .related ul{margin:6px 0 0;}
.wrap .related a{color:#0e7490;text-decoration:none;}