AWS 和德勤巧用基于计算机视觉的集装箱跟踪技术，帮助温哥华港优化供应链的可见性

2017 年，温哥华弗雷泽港务局（温哥华港）发现，针对加拿大西部门户，需要加强集装箱检查流程的协调性和透明度，才能提升供应链效率。 这些问题在整个港口界怨声载道，是一个非常难以解决的挑战。 有关实际港口操作的可靠信息不仅数量稀少，同时又分散于多个组织中。 

温哥华港和德勤选择利用计算机视觉技术，通过更有效地跟踪受检集装箱的移动，帮助优化地面操作并加快集装箱检查。 德勤与 AWS 携手，利用 AWS Panorama 的边缘计算机视觉推理能力和其他高级分析技术，来识别和跟踪集装箱，将实时数据输入区块链系统，确保正确分配成本，以及识别现有流程中的效率提升机会。  

2017 年，作为加拿大西部门户、贸易和物流走廊，温哥华港需要彻底改革其集装箱检查供应链。“这些问题在整个港口界怨声载道，是一个非常难以解决的挑战。 有关实际集装箱检查操作的可靠信息十分有限，许多流程都是手动的，并且信息分散于多个组织中。”温哥华港地面操作和安全总监 Greg Rogge 指出。

流程多变且效率低下，也影响了运营成本和周期。 为此在 2018 年，温哥华港与德勤合作推出了一款区块链应用程序，来提高集装箱检查过程的可见性和透明度。 部署该区块链应用程序后，温哥华港和德勤看到，可通过应用其他先进技术来优化集装箱的跟踪和移动。

计算机视觉属于人工智能范畴，可让组织利用视觉数据创造新的洞察。通过使用深度学习技术，机器可以准确识别图像和视频中的对象并进行分类，然后根据所“看到”的内容做出反应。 温哥华港和德勤决定使用 AWS Panorama 作为其集装箱跟踪解决方案，因为该解决方案将在边缘就地处理数据，无需连接到云端。 由于温哥华港运营的分布式性质、带宽限制和数据驻留要求，AWS Panorama 以及它可在本地运行计算机视觉模型的能力显得尤为珍贵，成为理想的选择。 

使用 AWS Panorama 后，德勤可帮助温哥华港开发有关港口实体运营的新一类洞察，从而促进与供应链合作伙伴的协作。德勤合伙人 Don MacPherson 说：“我们发现了一种新颖的方法，就是将 AWS Panorama 与现有的区块链应用程序集成。” 通过实施这种方法，可进一步减少手动数据输入，改进数据核对工作，为应用程序提供更准确、实时、丰富的信息，以满足关键利益相关方的要求。 另一优点是，温哥华港现有的 IP 摄像机基础设施也可作为解决方案的一部分使用。 

温哥华港拥有 27 座码头，可用于扩建的额外工业用地十分有限。由于检查空间宝贵，高效的地面操作至关重要。 ​借助德勤在 AWS Panorama 上部署的计算机视觉解决方案，在整个短驳拖运和检查过程中改进了集装箱检测、跟踪和定位，从而加快了集装箱检查速度并确保了交通流畅。利用机器人来预测和发送有关泊位分配、集装箱排序和集装箱退回准备就绪的警报，从而减少等待时间，提高港口空间利用效率。  

有关集装箱及其内容物和状况的视频数据大部分是私有的，边缘计算可限制通过互联网传输这些数据。 本地边缘服务器可以安全地处理数据并返回近实时应用程序所需的关键信息。 由于集装箱检查过程严重依赖手持设备、摄像头和物联网，因此 AWS Panorama 非常适合温哥华港（VFPA）。Rogge 指出：“通过在边缘采用计算机视觉技术，温哥华港在保护隐私的同时也增强了竞争力。”

效率低下的手动集装箱检查流程成本高昂。如果发生诸如遗漏文件和密集检查之类的任何事情，都可能导致发货延误几天到一个月。有时还需要额外的人工来卸载和重新装载货物。 这会导致交通和地面操作中断，增加仓储和劳动力成本。借助德勤和 AWS 解决方案的自动化功能，温哥华港的延误和成本不断减少。同时由于采用了自动化技术，港口的生产效率更高，瓶颈和延误减少，集装箱检查员、卡车司机、码头员工和其他港口客户的体验也得以提升。 MacPherson 说：“由于 AWS Panorama 可向我们现有的区块链系统提供实时数据，计算机视觉技术可帮助正确分配成本，持续识别现有流程提升效率的机会。”