Tecnología Deep Learning y Edge Computing impulsando la transformación digital de los puertos

Bilbao

Industria y Logística

Objetivo

Uso de tecnología de visión artificial basada en algoritmos Deep learning, aplicada al reconocimiento en tiempo real de la señalética de los vehículos que acceden al Puerto de Bilbao, para un control de accesos automatizado.

Visualización de los resultados de lectura del algoritmo Deep Learning en Acceso al Puerto de Bilbao:

Descripción

La transformación digital en los puertos conlleva la automatización de sus procesos, en este caso las lecturas automáticas en el acceso al puerto, para el control de los vehículos y mercancías que acceden al mismo, y que es responsabilidad de la Autoridad Portuaria de Bilbao. Usando las mismas cámaras ya desplegadas a día de hoy en el puerto, y gracias a la red de telefónica y al Edge computing, donde ejecutamos algoritmos para visión artificial basados en Deep learning, se consiguen realizar lecturas más precisas y en tiempo real de las matrículas, placas de mercancías peligrosas e incluso detectar el tipo de vehículo que accede al puerto, de forma que este proceso automático ahorra tiempos de espera de los vehículos en la garita de acceso.

Deep Learning es una rama del aprendizaje automático, basado en redes neuronales profundas. Estos modelos son capaces de obtener en el terreno del reconocimiento de imágenes, mayor precisión y acierto que la propia visión humana. El uso de Edge computing aporta gran capacidad de proceso tanto en ejecución como en entrenamiento de los modelos AI necesarios para llevar a cabo este caso de uso. Además permite acercar la capacidad de cómputo y almacenamiento a los clientes finales en múltiples zonas geográficas, la ciudad de Bilbao en este caso de uso.

La automatización de las lecturas de acceso se traduce en dos beneficios directos para la Autoridad Portuaria de Bilbao:

Optimización de los procesos de acceso al puerto y mejora de los procesos de trazabilidad que implican a la autoridad portuaria como al resto de agentes implicados en la operativa de un puerto (consignatarios, terminal, aduanas). La solución implementada supone un ahorro estimado de 8.096 horas/año en el tiempo de identificación de vehículos y mercancías en el acceso al puerto.
Ahorro de emisiones CO2: al reducirse el tiempo de espera de los vehículos, se disminuyen las emisiones de CO2, que además son mayores cuando se trata de motores al ralentí, alineándonos de esta forma con las nuevas directrices marcadas por la UE para la reducción de emisiones contaminantes en los puertos de la Unión Europea. Se estiman unos ahorros en emisiones de CO2 generadas por el transporte terrestre de 75.657 Kg de Co2 /año.