智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業(yè)軟件
回放
回放
品牌
明基環(huán)保
混凝土物流這個傳統(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，這中間的門道可不少?；炷廖锪鞯臅r效性要求極高，再加上各種單據、車輛管理、質量監(jiān)控，傳統(tǒng)的人工處理方式早就跟不上了。于是，砼聯開始了AI化的嘗試。
01
車牌號識別：讓機器認字
2023年7月，我們上線了第一個AI功能：車牌識別。
這個功能的應用場景很特殊，混凝土攪拌車到達工地后，需要拍攝泵車的照片上傳系統(tǒng)。系統(tǒng)通過識別泵車車牌，自動判斷是否為指定的正確泵車進行泵送作業(yè)。這個看似簡單的驗證環(huán)節(jié)，對于防止錯泵、串泵等問題至關重要。在實際作業(yè)中，工地現場環(huán)境復雜，拍攝角度受限，照片質量參差不齊，這對識別算法提出了更高的要求。
混凝土物流與AI的結合就此開始。
02
發(fā)貨單識別：從1.0到2.0的進化史
2024年2月，砼聯開始啃一個硬骨頭——發(fā)貨單識別。
混凝土的發(fā)貨單，那可真是五花八門。字體有大有小，格式千奇百怪。最開始砼聯用的是傳統(tǒng)的機器視覺方案，OpenCV框架走起，先判斷圖像方向，旋轉校正，然后文本檢測和識別。
圖像 → 方向判定 → 旋轉矯正 → 文本標記 → 文本識別 → JSON提取
這個方案能用，但問題也不少。碰到拍攝效果不好的單子，識別率就直線下降。碰到格式特殊的，提取規(guī)則就得重新寫。維護成本高得嚇人。
到了2025年7月，砼聯換了個思路：
直接用多模態(tài)大模型。
把圖片扔給大模型，配上精心調教的提示詞，讓它自己去理解單據內容。效果立竿見影，不管什么格式的單子，模型都能看懂。運單號、項目名稱、發(fā)貨廠站、運輸車輛、強度、方量，該有的信息一個不少。
03
保險單提?。赫Z義理解與標準化
2024年4月，砼聯推出了保險單智能提取功能。
保險單管理的最大難點在于術語不統(tǒng)一。不同保險公司對同類保險產品的稱呼各不相同——“駕乘險”在A公司叫“司機險”，在B公司叫“駕駛人責任險”，在C公司可能又叫“座位險”。這種術語差異給統(tǒng)一管理帶來了極大挑戰(zhàn)。
砼聯選擇了DeepSeek模型，利用其強大的語義理解能力，實現了保險術語的智能映射和標準化。系統(tǒng)不僅能提取保單的基礎信息，更重要的是能夠理解不同表述背后的實際含義，并轉換為企業(yè)內部的標準術語體系：
通過建立語義映射表和持續(xù)的模型訓練，系統(tǒng)的標準化準確率已達到96%以上，極大提升了保險管理的效率和準確性。
04
安全風險視頻識別：結構化分析降低誤報率
2025年8月，砼聯部署了基于AI的裝載機作業(yè)視頻二次識別系統(tǒng)。
車載攝像頭的一級識別系統(tǒng)雖然響應迅速，但誤報率較高，經常將飄動的塑料袋、反光物體誤判為人員，也無法判斷裝載機的運動狀態(tài)。這些誤報如果直接觸發(fā)告警，會造成“狼來了”效應，降低現場人員的警惕性。因此，砼聯引入了AI二次識別機制——對一級系統(tǒng)的告警視頻進行深度分析，確認是否存在真實的安全風險。
系統(tǒng)的核心在于結構化的分析框架。砼聯設計了分步驟的識別策略：
第一步：人員識別與定位
· 判斷視頻中是否出現人員，并給出0-1的置信度評分
· 精確定位人員在畫面中的九宮格位置(左上、中上、右上等)
· 詳細識別人員著裝特征，特別是安全裝備的佩戴情況
第二步：車輛運動狀態(tài)分析
· 通過分析畫面中參照物的位移變化，判斷裝載機的運動狀態(tài)
· 區(qū)分三種狀態(tài)：持續(xù)運動、減速后停止、持續(xù)停止
· 為每個判斷提供置信度評分，確保結果的可信度
第三步：結構化輸出
系統(tǒng)采用標準化的JSON格式輸出，包含人員檢測結果、位置信息、著裝描述、車輛狀態(tài)等關鍵字段。這種結構化數據便于后續(xù)的自動化處理和統(tǒng)計分析。
通過這種分步驟、帶置信度的識別策略，系統(tǒng)實現了以下性能指標：
· 車輛運動狀態(tài)判斷準確率：95%
· 人員識別準確率：80%
· 誤報過濾率：82%
更重要的是，置信度機制讓砼聯能夠靈活調整告警閾值。對于高風險場景，可以降低閾值提高靈敏度；對于常規(guī)作業(yè)，可以提高閾值減少干擾。這種動態(tài)調整能力使系統(tǒng)能夠適應不同的作業(yè)環(huán)境和安全要求。
在實際部署中，砼聯發(fā)現結構化的提示詞設計是成功的關鍵。通過明確的任務分解和輸出規(guī)范，即使是相對簡單的模型也能達到較好的識別效果。這個經驗對砼聯后續(xù)開發(fā)其他AI應用具有重要的指導意義。
05
未來的路——讓AI真正懂混凝土
除了上述已經上線的AI應用，砼聯也正在積極探索更深層次的AI應用。
1. 區(qū)域調度算法
不是簡單的派單，而是讓AI Agent理解整個區(qū)域的供需關系，自動協(xié)調多個攪拌站之間的運能。想象一下，A站運能過剩，B站訂單爆滿，AI自動發(fā)起區(qū)域調度，把A站的空閑攪拌車調配給B站。這不是科幻，砼聯已經在做原型。
2. 混凝土質量預測
通過分析攪拌車的滾動力矩數據，判斷混凝土的質量變化趨勢。簡單說，就是通過車輛運行數據，提前發(fā)現混凝土可能出現的質量問題。比如，混凝土離析了，粘稠度不對了，AI都能提前預警。
寫在最后
兩年多的AI化歷程，從簡單的圖像識別到復雜的視頻分析，從單點應用到系統(tǒng)集成，砼聯一步步把這個傳統(tǒng)行業(yè)推向智能化。
最大的感受是什么？AI不是要取代人，而是讓人做更有價值的事。
實施過程中，砼聯在模型選擇、提示詞工程、系統(tǒng)集成等方面積累了大量經驗。這些技術沉淀成為了砼聯構建行業(yè)AI應用的核心競爭力。
混凝土物流的智能化才剛剛開始。下一步，砼聯想做的是打通整個產業(yè)鏈——從原材料采購到混凝土生產，從物流調度到工地交付，讓AI成為整個鏈條的“大腦”。
這條路還很長，但砼聯已經在路上了。
內容來源：物流事業(yè)部
責任編輯：李孟珂
微信審核：趙亮 孫強 李丹雪
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
