混凝土物流這個(gè)傳統(tǒng)得不能再傳統(tǒng)的行業(yè)，正在被AI悄悄改變著。

一車混凝土從攪拌站到工地，這中間的門(mén)道可不少。混凝土物流的時(shí)效性要求極高，再加上各種單據(jù)、車輛管理、質(zhì)量監(jiān)控，傳統(tǒng)的人工處理方式早就跟不上了。于是，我們開(kāi)始了AI化的嘗試。

01

車牌號(hào)識(shí)別：讓機(jī)器認(rèn)字

2023年7月，我們上線了第一個(gè)AI功能：車牌識(shí)別。

這個(gè)功能的應(yīng)用場(chǎng)景很特殊，混凝土攪拌車到達(dá)工地后，需要拍攝泵車的照片上傳系統(tǒng)。系統(tǒng)通過(guò)識(shí)別泵車車牌，自動(dòng)判斷是否為指定的正確泵車進(jìn)行泵送作業(yè)。這個(gè)看似簡(jiǎn)單的驗(yàn)證環(huán)節(jié)，對(duì)于防止錯(cuò)泵、串泵等問(wèn)題至關(guān)重要。在實(shí)際作業(yè)中，工地現(xiàn)場(chǎng)環(huán)境復(fù)雜，拍攝角度受限，照片質(zhì)量參差不齊，這對(duì)識(shí)別算法提出了更高的要求。

混凝土物流與AI的結(jié)合就此開(kāi)始。

02

發(fā)貨單識(shí)別：從1.0到2.0的進(jìn)化史

2024年2月，我們開(kāi)始啃一個(gè)硬骨頭——發(fā)貨單識(shí)別。

混凝土的發(fā)貨單，那可真是五花八門(mén)。字體有大有小，格式千奇百怪。最開(kāi)始我們用的是傳統(tǒng)的機(jī)器視覺(jué)方案，OpenCV框架走起，先判斷圖像方向，旋轉(zhuǎn)校正，然后文本檢測(cè)和識(shí)別。

圖像 → 方向判定 → 旋轉(zhuǎn)矯正 → 文本標(biāo)記 → 文本識(shí)別 → JSON提取

這個(gè)方案能用，但問(wèn)題也不少。碰到拍攝效果不好的單子，識(shí)別率就直線下降。碰到格式特殊的，提取規(guī)則就得重新寫(xiě)。維護(hù)成本高得嚇人。

到了2025年7月，我們換了個(gè)思路：

直接用多模態(tài)大模型。

把圖片扔給大模型，配上精心調(diào)教的提示詞，讓它自己去理解單據(jù)內(nèi)容。效果立竿見(jiàn)影，不管什么格式的單子，模型都能看懂。運(yùn)單號(hào)、項(xiàng)目名稱、發(fā)貨廠站、運(yùn)輸車輛、強(qiáng)度、方量，該有的信息一個(gè)不少。

03

保險(xiǎn)單提?。赫Z(yǔ)義理解與標(biāo)準(zhǔn)化

2024年4月，我們推出了保險(xiǎn)單智能提取功能。

保險(xiǎn)單管理的最大難點(diǎn)在于術(shù)語(yǔ)不統(tǒng)一。不同保險(xiǎn)公司對(duì)同類保險(xiǎn)產(chǎn)品的稱呼各不相同——“駕乘險(xiǎn)”在A公司叫“司機(jī)險(xiǎn)”，在B公司叫“駕駛?cè)素?zé)任險(xiǎn)”，在C公司可能又叫“座位險(xiǎn)”。這種術(shù)語(yǔ)差異給統(tǒng)一管理帶來(lái)了極大挑戰(zhàn)。

我們選擇了DeepSeek模型，利用其強(qiáng)大的語(yǔ)義理解能力，實(shí)現(xiàn)了保險(xiǎn)術(shù)語(yǔ)的智能映射和標(biāo)準(zhǔn)化。系統(tǒng)不僅能提取保單的基礎(chǔ)信息，更重要的是能夠理解不同表述背后的實(shí)際含義，并轉(zhuǎn)換為企業(yè)內(nèi)部的標(biāo)準(zhǔn)術(shù)語(yǔ)體系：

{ "投保人": "張三物流公司", "車牌號(hào)": "川A88888", "保險(xiǎn)總額": "100萬(wàn)", "到期日": "2025-12-31", "保險(xiǎn)類型_原始": "司機(jī)險(xiǎn)+機(jī)動(dòng)車輛保險(xiǎn)", "保險(xiǎn)類型_標(biāo)準(zhǔn)": "駕乘險(xiǎn)+商業(yè)險(xiǎn)+交強(qiáng)險(xiǎn)", "保險(xiǎn)公司": "某某保險(xiǎn)" }

通過(guò)建立語(yǔ)義映射表和持續(xù)的模型訓(xùn)練，系統(tǒng)的標(biāo)準(zhǔn)化準(zhǔn)確率已達(dá)到96%以上，極大提升了保險(xiǎn)管理的效率和準(zhǔn)確性。

04

安全風(fēng)險(xiǎn)視頻識(shí)別：結(jié)構(gòu)化分析降低誤報(bào)率

2025年8月，我們部署了基于AI的裝載機(jī)作業(yè)視頻二次識(shí)別系統(tǒng)。

車載攝像頭的一級(jí)識(shí)別系統(tǒng)雖然響應(yīng)迅速，但誤報(bào)率較高，經(jīng)常將飄動(dòng)的塑料袋、反光物體誤判為人員，也無(wú)法判斷裝載機(jī)的運(yùn)動(dòng)狀態(tài)。這些誤報(bào)如果直接觸發(fā)告警，會(huì)造成“狼來(lái)了”效應(yīng)，降低現(xiàn)場(chǎng)人員的警惕性。因此，我們引入了AI二次識(shí)別機(jī)制——對(duì)一級(jí)系統(tǒng)的告警視頻進(jìn)行深度分析，確認(rèn)是否存在真實(shí)的安全風(fēng)險(xiǎn)。

系統(tǒng)的核心在于結(jié)構(gòu)化的分析框架。我們?cè)O(shè)計(jì)了分步驟的識(shí)別策略：

第一步：人員識(shí)別與定位

· 判斷視頻中是否出現(xiàn)人員，并給出0-1的置信度評(píng)分

· 精確定位人員在畫(huà)面中的九宮格位置（左上、中上、右上等）

· 詳細(xì)識(shí)別人員著裝特征，特別是安全裝備的佩戴情況

第二步：車輛運(yùn)動(dòng)狀態(tài)分析

通過(guò)分析畫(huà)面中參照物的位移變化，判斷裝載機(jī)的運(yùn)動(dòng)狀態(tài)

· 區(qū)分三種狀態(tài)：持續(xù)運(yùn)動(dòng)、減速后停止、持續(xù)停止

· 為每個(gè)判斷提供置信度評(píng)分，確保結(jié)果的可信度

第三步：結(jié)構(gòu)化輸出

系統(tǒng)采用標(biāo)準(zhǔn)化的JSON格式輸出，包含人員檢測(cè)結(jié)果、位置信息、著裝描述、車輛狀態(tài)等關(guān)鍵字段。這種結(jié)構(gòu)化數(shù)據(jù)便于后續(xù)的自動(dòng)化處理和統(tǒng)計(jì)分析。

通過(guò)這種分步驟、帶置信度的識(shí)別策略，系統(tǒng)實(shí)現(xiàn)了以下性能指標(biāo)：

車輛運(yùn)動(dòng)狀態(tài)判斷準(zhǔn)確率：95%

· 人員識(shí)別準(zhǔn)確率：80%

· 誤報(bào)過(guò)濾率82%

更重要的是，置信度機(jī)制讓我們能夠靈活調(diào)整告警閾值。對(duì)于高風(fēng)險(xiǎn)場(chǎng)景，可以降低閾值提高靈敏度；對(duì)于常規(guī)作業(yè)，可以提高閾值減少干擾。這種動(dòng)態(tài)調(diào)整能力使系統(tǒng)能夠適應(yīng)不同的作業(yè)環(huán)境和安全要求。

在實(shí)際部署中，我們發(fā)現(xiàn)結(jié)構(gòu)化的提示詞設(shè)計(jì)是成功的關(guān)鍵。通過(guò)明確的任務(wù)分解和輸出規(guī)范，即使是相對(duì)簡(jiǎn)單的模型也能達(dá)到較好的識(shí)別效果。這個(gè)經(jīng)驗(yàn)對(duì)我們后續(xù)開(kāi)發(fā)其他AI應(yīng)用具有重要的指導(dǎo)意義。

05

未來(lái)的路——讓AI真正懂混凝土

除了上述已經(jīng)上線的AI應(yīng)用，我們也正在積極探索更深層次的AI應(yīng)用。

1. 區(qū)域調(diào)度算法

不是簡(jiǎn)單的派單，而是讓AI Agent理解整個(gè)區(qū)域的供需關(guān)系，自動(dòng)協(xié)調(diào)多個(gè)攪拌站之間的運(yùn)能。想象一下，A站運(yùn)能過(guò)剩，B站訂單爆滿，AI自動(dòng)發(fā)起區(qū)域調(diào)度，把A站的空閑攪拌車調(diào)配給B站。這不是科幻，我們已經(jīng)在做原型。

2. 混凝土質(zhì)量預(yù)測(cè)

通過(guò)分析攪拌車的滾動(dòng)力矩?cái)?shù)據(jù)，判斷混凝土的質(zhì)量變化趨勢(shì)。簡(jiǎn)單說(shuō)，就是通過(guò)車輛運(yùn)行數(shù)據(jù)，提前發(fā)現(xiàn)混凝土可能出現(xiàn)的質(zhì)量問(wèn)題。比如，混凝土離析了，粘稠度不對(duì)了，AI都能提前預(yù)警。

寫(xiě)在最后

兩年多的AI化歷程，從簡(jiǎn)單的圖像識(shí)別到復(fù)雜的視頻分析，從單點(diǎn)應(yīng)用到系統(tǒng)集成，我們一步步把這個(gè)傳統(tǒng)行業(yè)推向智能化。

最大的感受是什么？AI不是要取代人，而是讓人做更有價(jià)值的事。

實(shí)施過(guò)程中，我們?cè)谀Ｐ瓦x擇、提示詞工程、系統(tǒng)集成等方面積累了大量經(jīng)驗(yàn)。這些技術(shù)沉淀成為了我們構(gòu)建行業(yè)AI應(yīng)用的核心競(jìng)爭(zhēng)力。

混凝土物流的智能化才剛剛開(kāi)始。下一步，我們想做的是打通整個(gè)產(chǎn)業(yè)鏈——從原材料采購(gòu)到混凝土生產(chǎn)，從物流調(diào)度到工地交付，讓AI成為整個(gè)鏈條的“大腦”。

這條路還很長(zhǎng)，但我們已經(jīng)在路上了。

來(lái)源：砼聯(lián)科技

編輯：陳麗媛

審核：徐潔

推薦閱讀：

混凝土行業(yè)數(shù)智化專家委員會(huì)第五次工作會(huì)議在武漢召開(kāi)

2025年華中四省（鄂湘贛豫）混凝土全產(chǎn)業(yè)鏈高質(zhì)量發(fā)展大會(huì)在武漢召開(kāi)

快報(bào)：2025年1-10月混凝土與水泥制品行業(yè)產(chǎn)量和經(jīng)濟(jì)指標(biāo)“數(shù)智化盾構(gòu)管片柔性預(yù)制系統(tǒng)”科技成果鑒定會(huì)召開(kāi)《超高性能混凝土加固既有混凝土結(jié)構(gòu)技術(shù)規(guī)程》等7項(xiàng)協(xié)會(huì)標(biāo)準(zhǔn)發(fā)布一封讀后感信低碳智造創(chuàng)新路 國(guó)際合作拓市場(chǎng)——第七屆混凝土樁基材料創(chuàng)新制造與應(yīng)用技術(shù)論壇在南寧召開(kāi)《預(yù)制混凝土構(gòu)件企業(yè)生產(chǎn)與質(zhì)量保證能力評(píng)價(jià)標(biāo)準(zhǔn)》等2項(xiàng)協(xié)會(huì)標(biāo)準(zhǔn)發(fā)布

持證上崗 賦能未來(lái) | 中制協(xié)試驗(yàn)員職業(yè)能力培訓(xùn)與評(píng)價(jià)啟動(dòng)，頒發(fā)雙證！

---

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請(qǐng)讀者僅作參考，并自行核實(shí)相關(guān)內(nèi)容。若對(duì)該稿件內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應(yīng)并做處理，再次感謝您的閱讀與關(guān)注。