ES2912783T3 - Sistemas y procedimientos para seguimiento de transportadores de mercancías - Google Patents

Abstract

Un procedimiento para seguimiento de transportadores de mercancías desde un origen particular, comprendiendo el procedimiento: recibir una pluralidad de archivos de imágenes de entrenamiento (630), en el que cada uno de la pluralidad de archivos de imágenes de entrenamiento (630) comprende una imagen de entrenamiento respectiva que representa una pluralidad de transportadores de mercancías (635) respectiva del origen particular; para cada uno de la pluralidad de archivos de imágenes de entrenamiento (630): usar una red neuronal artificial para determinar un número estimado de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva; y determinar una comparación del número estimado de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva con un número conocido de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva; usar las comparaciones para entrenar la red neuronal artificial ajustando los pesos asociados con las neuronas artificiales dentro de la red neuronal artificial; recibir un primer archivo de imágenes (705) generado por un primer dispositivo de formación de imágenes, en el que el primer archivo de imágenes (705) comprende una primera imagen que representa una primera pluralidad de transportadores de mercancías (706) del origen particular, y la primera imagen está asociada con una ruta de transporte que tiene una pluralidad de nodos; usar la red neuronal artificial entrenada para determinar un primer número de transportadores de mercancías del origen particular en la primera imagen; recibir un segundo archivo de imágenes (805) generado por un segundo dispositivo de formación de imágenes, en el que el segundo archivo de imágenes (805) comprende una segunda imagen que representa una segunda pluralidad de transportadores de mercancías (806) del origen particular, y estando ubicado el segundo dispositivo de formación de imágenes en la ruta de transporte; usar la red neuronal artificial entrenada para determinar un segundo número de transportadores de mercancías del origen particular en la segunda imagen; y determinar si el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen.

Description

DESCRIPCIÓN

Sistemas y procedimientos para seguimiento de transportadores de mercancías

REFERENCIA CRUZADA CON SOLICITUD RELACIONADA

Esta solicitud reivindica el beneficio de la solicitud de patente provisional de EE. UU. n.° 62/575.262, presentada el 20 de octubre de 2017.

ANTECEDENTES

El seguimiento del movimiento de palés a través de una ruta de transporte puede ayudar a diagnosticar problemas con la pérdida y recuperación de palés, el daño de palés y el tiempo de ciclo de palés. Se pueden usar diversos dispositivos de formación de imágenes para recopilar imágenes de envíos de palés desde un origen particular a medida que avanzan a lo largo de la ruta de transporte. Sin embargo, debido a que algunos de los palés pueden estar ocultos en las imágenes, puede ser difícil determinar cuántos palés hay en cada imagen y determinar si se añadieron o retiraron palés entre los nodos de la ruta de transporte. Además, las imágenes pueden incluir palés de otros orígenes, que pueden estar incorrectamente incluidas en el número de palés en una imagen.

El documento JP-2017/019586A describe un sistema de distribución física y un procedimiento de gestión de distribución física. La tesis de maestría: Ihab S Mohamed: "Detection and Tracking of Pallets using a Laser Rangefinder and Machine Learning Techniques", Maestría europea en robótica avanzada, Universidad de Génova (Italia), 22-09­ 2017, XP055522458 enseña un sistema basado en LIDAR que realiza seguimiento de palés usando una red neuronal.

SUMARIO

Se proporcionan procedimientos, incluyendo procedimientos implementados por ordenador, dispositivos y productos de programa informático que aplican sistemas y procedimientos para seguimiento de palés. De acuerdo con la invención, se proporciona un procedimiento implementado por ordenador para seguimiento de transportadores de mercancías desde un origen particular. El procedimiento incluye recibir una pluralidad de archivos de imágenes de entrenamiento. Cada uno de la pluralidad de archivos de imágenes de entrenamiento incluye una imagen de entrenamiento respectiva que representa una pluralidad de transportadores de mercancías respectiva del origen particular. Para cada uno de la pluralidad de archivos de imágenes de entrenamiento, el procedimiento incluye usar una red neuronal artificial para determinar un número estimado de la pluralidad de transportadores de mercancías respectiva del origen particular en la imagen de entrenamiento respectiva, y determinar una comparación del número estimado de la pluralidad de transportadores de mercancías respectiva del origen particular en la imagen de entrenamiento respectiva con un número conocido de la pluralidad de transportadores de mercancías respectiva del origen particular en la imagen de entrenamiento respectiva. El procedimiento también incluye usar las comparaciones para entrenar a la red neuronal artificial ajustando los pesos asociados con las neuronas artificiales dentro de la red neuronal artificial. Además, el procedimiento incluye recibir un primer archivo de imágenes generado por un primer dispositivo de formación de imágenes, en el que el primer archivo de imágenes incluye una primera imagen que representa una primera pluralidad de transportadores de mercancías del origen particular, y la primera imagen está asociada con una ruta de transporte que tiene una pluralidad de nodos; usar la red neuronal artificial entrenada para determinar un primer número de transportadores de mercancías del origen particular en la primera imagen; recibir un segundo archivo de imágenes generado por un segundo dispositivo de formación de imágenes, en el que el segundo archivo de imágenes incluye una segunda imagen que representa una segunda pluralidad de transportadores de mercancías del origen particular, y la segunda imagen está asociada con la ruta de transporte; usar la red neuronal artificial entrenada para determinar un segundo número de transportadores de mercancías del origen particular en la segunda imagen; y determinar si el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen.

El primer dispositivo de formación de imágenes puede ser una cámara de seguridad, una cámara de tráfico, un dron, un dispositivo móvil, un escáner láser, un dispositivo sonar, un dispositivo LIDAR, un generador de imágenes estereoscópico o un generador de imágenes de Rf. El procedimiento también puede incluir excluir transportadores de mercancías de terceros no asociados con el origen particular de la primera imagen, y excluir transportadores de mercancías de terceros no asociados con el origen particular de la segunda imagen.

El primer archivo de imágenes también puede incluir primeros datos que indican un primer tiempo y una primera ubicación en la que se adquirió la primera imagen, y el segundo archivo de imágenes también puede incluir segundos datos que indican un segundo tiempo y una segunda ubicación en la que se adquirió la segunda imagen. El procedimiento también puede incluir determinar que el primer número de transportadores de mercancías del origen particular es igual al segundo número de transportadores de mercancías del origen particular, y determinar una diferencia temporal entre el primer tiempo y el segundo tiempo. Además, el procedimiento puede incluir determinar una diferencia espacial entre la primera ubicación y la segunda ubicación.

Además, el procedimiento puede incluir determinar que el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen, y verificar que la primera pluralidad de transportadores de mercancías del origen particular en la primera imagen es la misma que la segunda pluralidad de transportadores de mercancías del origen particular en la primera imagen usando la red neuronal artificial para identificar un objeto dentro de tanto la primera imagen como la segunda imagen. El procedimiento también puede incluir cotejar al menos un subconjunto de la primera pluralidad de transportadores de mercancías del origen particular en la primera imagen con un primer tipo de transportadores de mercancías del origen particular, y cotejar al menos un subconjunto de la segunda pluralidad de transportadores de mercancías del origen particular en la segunda imagen con el primer tipo de transportadores de mercancías del origen particular.

Además, se puede incluir procesar la primera imagen con la red neuronal artificial para corregir una perspectiva de la primera imagen. Al menos un transportador de mercancías de la primera pluralidad de transportadores de mercancías del origen particular puede estar oculto dentro de la primera imagen.

De acuerdo con la invención, se proporciona un dispositivo. El dispositivo comprende uno o más procesadores. El dispositivo comprende además un medio no transitorio legible por ordenador que contiene instrucciones que, cuando se ejecutan por el uno o más procesadores, hacen que el uno o más procesadores realicen operaciones que incluyen las etapas de los procedimientos descritos en el presente documento.

De acuerdo con la invención, se proporciona un producto de programa informático. El producto del programa informático está materializado de forma tangible en un medio de almacenamiento no transitorio legible por máquina de un dispositivo. El producto de programa informático incluye instrucciones que, cuando se ejecutan por uno o más procesadores, hacen que el uno o más procesadores realicen operaciones que incluyen las etapas de los procedimientos descritos en el presente documento.

Este sumario no pretende identificar rasgos característicos claves o esenciales de la materia objeto reivindicada, ni pretende usarse de forma aislada para determinar el alcance de la materia objeto reivindicada. La materia objeto se debe entender por referencia a las partes apropiadas de toda la memoria descriptiva de esta patente, cualquiera o todos los dibujos, y cada reivindicación.

Lo anterior, conjuntamente con otros rasgos característicos y modos de realización, resultará más evidente tras la referencia a la siguiente memoria descriptiva, reivindicaciones y dibujos adjuntos.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

La presente invención y los modos de realización ilustrativos de la presente invención se describen en detalle a continuación con referencia a las siguientes figuras de dibujos:

La FIG. 1 es una vista en perspectiva de la parte inferior de un palé, de acuerdo con la invención.

La FIG. 2 es una vista lateral de un palé con una carga.

La FIG. 3 es un diagrama de bloques que ilustra un palé.

La FIG. 4 es un diagrama de bloques que ilustra un sistema para seguimiento de palés.

La FIG. 5 es un diagrama de bloques que ilustra un dispositivo de acceso.

La FIG. 6A es un diagrama de bloques que ilustra un ordenador servidor.

La FIG. 6B es un diagrama de flujo que ilustra un procedimiento para entrenar una red neuronal artificial.

La FIG. 7 es un diagrama de flujo que ilustra un procedimiento para el seguimiento de palés.

La FIG. 8 es un diagrama de flujo que ilustra otro procedimiento para el seguimiento de palés.

La FIG. 9 es un diagrama de flujo que ilustra otro procedimiento para el seguimiento de palés.

DESCRIPCIÓN DETALLADA

A continuación se proporcionan determinados aspectos y modos de realización de la presente divulgación. Algunos de estos aspectos y modos de realización se pueden aplicar independientemente y algunos de ellos se pueden aplicar en combinación como será evidente para los expertos en la técnica. En la siguiente descripción se exponen, con propósitos explicativos, detalles específicos para proporcionar un entendimiento exhaustivo de los modos de realización de la invención.

Los detalles específicos se dan en la siguiente descripción para proporcionar un entendimiento exhaustivo de la invención y los modos de realización de la invención. Por ejemplo, se pueden mostrar circuitos, sistemas, redes, procesos y otros componentes como componentes en forma de diagrama de bloques para no oscurecer los modos de realización con detalles innecesarios. En otros casos, se pueden mostrar circuitos, procesos, algoritmos, estructuras y técnicas ampliamente conocidos sin detalles innecesarios para evitar oscurecer la invención.

Además, cabe señalar que se puede describir la invención como un proceso que se representa como un organigrama, un diagrama de flujo, un diagrama de flujo de datos, un diagrama de estructura o un diagrama de bloques. Aunque un diagrama de flujo puede describir las operaciones como un proceso secuencial, muchas de las operaciones se pueden realizar en paralelo o simultáneamente. Además, se puede reorganizar el orden de las operaciones. Un proceso se termina cuando se completan sus operaciones, pero podría tener etapas adicionales no incluidas en una figura. Un proceso puede corresponder a un procedimiento, una función, una operación, una subrutina, un subprograma, etc. Cuando un proceso corresponde a una función, su terminación puede corresponder al retorno de la función a la función de llamada o a la función principal.

El término "medio legible por ordenador" incluye, pero no se limita a, dispositivos de almacenamiento portátiles o no portátiles, dispositivos de almacenamiento óptico y otros medios diversos que pueden almacenar, contener o transportar instrucción/instrucciones y/o datos. Un medio legible por ordenador puede incluir un medio no transitorio en el que se pueden almacenar datos y que no incluye ondas portadoras y/o señales electrónicas transitorias que se propagan de forma inalámbrica o sobre conexiones por cable. Los ejemplos de un medio no transitorio pueden incluir, pero no se limitan a, un disco o cinta magnético, medios de almacenamiento óptico tales como un disco compacto (CD) o un disco versátil digital (DVD), memoria flash, memoria o dispositivos de memoria. Un medio legible por ordenador puede tener almacenado en el mismo código y/o instrucciones ejecutables por máquina que pueden representar un procedimiento, una función, un subprograma, un programa, una rutina, una subrutina, un módulo, un paquete de programa informático (software), una clase o cualquier combinación de instrucciones, estructuras de datos o sentencias de programa. Un segmento de código se puede acoplar a otro segmento de código o a un circuito de equipo físico (hardware) pasando y/o recibiendo información, datos, argumentos, parámetros o contenido de memoria. Se pueden pasar, reenviar o transmitir información, argumentos, parámetros, datos, etc., por medio de cualquier medio adecuado, incluyendo compartición de memoria, paso de mensajes, paso de testigos, transmisión por red o similares.

Además, la invención se puede implementar por un equipo físico programa informático, soporte lógico inalterable (firmware), lógica de intercambio de información entre aplicaciones (middleware), microcódigo, lenguajes de descripción de equipo físico o cualquier combinación de los mismos. Cuando se implementan en programa informático, soporte lógico inalterable, lógica de intercambio de información entre aplicaciones o microcódigo, el código de programa o los segmentos de código para realizar las tareas necesarias (por ejemplo, un producto de programa informático) se pueden almacenar en un medio legible por ordenador o legible por máquina. Un procesador(es) puede(n) realizar las tareas necesarias.

Transportadores de mercancías

Un transportador de mercancías puede ser una estructura que admite activos físicos para su almacenamiento, presentación, manipulación y/o transporte. Como se usa en el presente documento, el término "transportador de mercancías" se puede usar para describir cualquier transportador de carga o plataforma de transporte de productos, incluyendo cualquier tipo de recipiente de plástico reutilizable (RPC), plataforma, plataforma rodante, contenedor, barril, caja (incluyendo caja de cartón ondulado), recipiente, cuba cerrada o descubierta y similares. Los activos físicos pueden ser cualquier activo físico, tal como mercancías físicas perecederas o no perecederas.

La FIG. 1 es una vista en perspectiva de la parte inferior de un transportador de mercancías 100, de acuerdo con la invención. El transportador de mercancías 100 mostrado en la FIG. 1 es un ejemplo de un palé. El transportador de mercancías 100 puede incluir una base 120 y patas 110. El transportador de mercancías 100 puede tener cualquier tamaño, forma y/o dimensión, y se puede fabricar de cualquier material o combinación de materiales. La base 120 y las patas 110 pueden tener cualquier tamaño, forma y/o dimensión. La base 120 puede ser plana y/o estar configurada de otro modo para soportar la forma y/o el peso del activo físico que se va a contener en el transportador de mercancías 100. Aunque se muestra teniendo un diseño particular en la FIG. 1, se contempla que se puede incorporar cualquier diseño sobre o en la base 120. Por ejemplo, la base 120 puede tener espaciamientos más pequeños, más grandes, menos, más, de forma diferente o colocados de forma diferente que los mostrados en la FIG. 1, dependiendo de las características del activo físico particular que se va a colocar en la base 120 (por ejemplo, peso, forma, requisitos de temperatura, tamaño, etc.).

Las patas 110 se pueden dimensionar y situar para soportar el activo físico particular. Las patas 110 se pueden dimensionar y situar para permitir que una carretilla elevadora, una grúa o un dispositivo de elevación se engranen y levanten el transportador de mercancías 100 entre las patas 110. Aunque se muestra y describe teniendo tres patas 110, se contempla que el transportador de mercancías 100 puede tener cualquier número adecuado de patas o no tener patas. Por ejemplo, el transportador de mercancías 100 puede incluir una base 120 tanto en la parte superior como en la parte inferior del transportador de mercancías 100 sin patas. En otro ejemplo, para activos físicos más pesados, el transportador de mercancías 100 puede incluir una o más patas adicionales ubicadas centralmente con respecto al transportador de mercancías 100 para evitar que la base 120 se combe. Además, aunque se muestra y describe teniendo una orientación particular y teniendo un tamaño particular, se contempla que las patas 110 pueden tener cualquier tamaño (por ejemplo, altura, longitud, ancho, profundidad, etc.) y/u orientación (por ejemplo, paralelas entre sí, perpendiculares entre sí, etc.).

El transportador de mercancías 100 se puede fabricar de cualquier material adecuado, dependiendo de las características del activo físico particular que se va a soportar por el transportador de mercancías 100. Por ejemplo, el transportador de mercancías 100 puede ser de madera, plástico y/o metal. Además, el transportador de mercancías 100 puede ser un medio palé o un cuarto de palé. El transportador de mercancías 100 se puede construir para incluir rasgos característicos físicos únicos. La base 120 se puede fabricar de un material igual o diferente al de las patas 110. La base 120 y las patas 110 pueden formar un solo cuerpo unitario (por ejemplo, formado a partir de un solo molde). La base 120 puede ser extraíble desde una o más de las patas 110.

Se pueden integrar componentes adicionales con el transportador de mercancías 100. Por ejemplo, el lado inferior del transportador de mercancías 100 puede incluir una baliza 150. La baliza 150 puede incluir cualquier dispositivo electrónico que puede manipular o almacenar datos. La baliza 150 puede incluir una serie de funcionalidades diferentes. Por ejemplo, la baliza 150 se puede programar con el tipo de activo físico ubicado en el transportador de mercancías 100 y/o un identificador del transportador de mercancías 100. La baliza 150 puede incluir además o estar en comunicación operativa con uno o más sensores configurados para supervisar determinadas condiciones del transportador de mercancías 100 (por ejemplo, condiciones ambientales, movimientos, etc.). La baliza 150 se puede comunicar con otros dispositivos, tales como otras balizas, dispositivos y/o servidores. La baliza 150 se describe además en el presente documento con respecto a la FIG. 3. Aunque se muestra estando ubicada en una posición particular en el transportador de mercancías 100, se contempla que la baliza 150 se puede ubicar en cualquier posición adecuada en el transportador de mercancías 100. La FIG. 2 es una vista lateral de otro transportador de mercancías 200 ejemplar con una carga 220 colocada encima del transportador de mercancías 200 para transporte, almacenamiento, presentación, etc. Como se usa en el presente documento, se puede hacer referencia al transportador de mercancías 100 de manera intercambiable al transportador de mercancías 200.

El transportador de mercancías 100 y/o 200 puede incluir componentes para realizar múltiples funciones, como se describe en el presente documento. La FIG. 3 es un diagrama de bloques que ilustra los componentes del sistema del transportador de mercancías 100 y/o 200.

El transportador de mercancías 100 y/o 200 puede incluir una baliza 150 en comunicación operativa con uno o más sensores externos 350. La baliza 150 puede incluir equipo físico del dispositivo acoplado a una memoria 340. El equipo físico del dispositivo puede incluir un procesador 325, un subsistema de comunicación 330, sensores internos 335 y una fuente de alimentación 345. La baliza 150 se puede implementar como una etiqueta activa (por ejemplo, una etiqueta RFID). La baliza 150 se puede asociar con un identificador (por ejemplo, un identificador de etiqueta activa).

El procesador 325 se puede implementar como uno o más circuitos integrados (por ejemplo, uno o más microprocesadores y/o microcontroladores de un solo núcleo o de múltiples núcleos), y se puede usar para controlar el funcionamiento de la baliza 150. El procesador 325 puede ejecutar una variedad de programas en respuesta al código de programa o código legible por ordenador almacenado en la memoria 340, y puede mantener múltiples programas o procesos ejecutándose simultáneamente. El subsistema de comunicación 330 puede incluir uno o más transceptores y/o conectores que se pueden usar por la baliza 150 para comunicarse con otros dispositivos (por ejemplo, los sensores externos 350, palés de lectores, balizas, dispositivos de acceso, etc.) y/o para conectar con redes externas. El subsistema de comunicación 330 se puede configurar para comunicarse usando más de un protocolo (por ejemplo, el protocolo A 332 y el protocolo B 333). El protocolo A 332 y el protocolo B 333 pueden ser dos protocolos de comunicación por cable o inalámbricos diferentes. Por ejemplo, el protocolo A 332 y el protocolo B 333 se pueden seleccionar del grupo que incluye Bluetooth, Bluetooth l E, comunicación de campo cercano, WiFi, comunicación móvil, Ethernet, fibra óptica, etc. El protocolo A 332 y el protocolo B 333 pueden ser ambos protocolos de comunicación de corto alcance, de menor potencia y/o menor coste. El protocolo particular usado para una comunicación particular se puede determinar en base a cualquiera de una serie de factores, incluyendo disponibilidad, intensidad de señal, tipo y/o cantidad de potencia recibida desde o restante en la fuente de alimentación 345, la potencia necesaria para comunicarse en un protocolo particular, el coste asociado con el uso de un protocolo particular, el rendimiento de datos, el tipo de datos que se van a comunicar, el tamaño de los datos que se van a comunicar y similares.

Los sensores internos 335 pueden incluir cualquier sensor relacionado con el movimiento, relacionado con la ubicación y/o relacionado con el entorno. Por ejemplo, los sensores internos 335 pueden incluir un sistema de posicionamiento global (GPS), un acelerómetro, un giroscopio, un barómetro, un termómetro, un sensor de humedad, un sensor de luz, un micrófono, combinaciones de los mismos y/o similares. Los sensores internos 335 pueden medir, por ejemplo, posición, ubicación, velocidad, aceleración, distancia, rotación, altitud, temperatura, humedad, presión, sonido, luz, capacitancia, inductancia, resistencia, voltaje, presencia química, combinaciones de los mismos y/o similares. Los sensores internos 335 se pueden acoplar al subsistema de comunicación 330, de modo que las mediciones del sensor se pueden transmitir desde el transportador de mercancías 100 a otros dispositivos o sistemas, como se describe además en el presente documento.

La memoria 340 se puede implementar usando cualquier combinación de cualquier número de memorias no volátiles (por ejemplo, memoria flash) y memorias volátiles (por ejemplo, DRAM, SRAM), o cualquier otro medio de almacenamiento no transitorio, o una combinación de los mismos medios. La memoria 340 se puede incluir en el procesador 325. La fuente de alimentación 345 puede incluir cualquier fuente de alimentación por cable o inalámbrica, tal como una fuente de salida de alimentación, un panel solar y/o una batería.

La baliza 150 se puede acoplar a uno o más sensores externos 350 en el transportador de mercancías 100. Los sensores externos 350 pueden incluir, por ejemplo, un sensor de peso y/o cualquiera de los sensores descritos anteriormente con respecto a los sensores internos 335. En un ejemplo, el sensor de peso puede incluir circuitería que mide el peso de una carga en el transportador de mercancías 100. El sensor de peso puede transmitir el peso a la baliza 150. La baliza puede usar el subsistema de comunicación 330 para transmitir estos datos provenientes del transportador de mercancías 100 a otros dispositivos o sistemas, como se describe además en el presente documento.

Sistemas para seguimiento de transportadores de mercancías

En algunos casos, puede ser deseable realizar seguimiento a una pluralidad de transportadores de mercancías desde un origen particular a medida que los transportadores de mercancías se mueven a través de una ruta de transporte que tiene una pluralidad de nodos. Por ejemplo, el origen particular puede ser un fabricante o distribuidor de los transportadores de mercancías. Los nodos pueden incluir instalaciones donde se almacenan los transportadores de mercancías al menos temporalmente, tales como almacenes, astilleros, muelles, depósitos y compañías de reciclaje. De acuerdo con la invención, se puede realizar seguimiento a los transportadores de mercancías a través de fotografías sin fijar identificaciones físicas o etiquetas a los transportadores de mercancías. En particular, se puede contar una pluralidad de transportadores de mercancías de un primer tipo en diversos momentos y ubicaciones a lo largo de la ruta de transporte.

La FIG. 4 es un diagrama de bloques que ilustra un sistema para seguimiento de transportadores de mercancías, de acuerdo con la invención. El sistema puede incluir un dispositivo de acceso 410, un ordenador servidor 420, una base de datos 425 y un ordenador controlador 430. El transportador de mercancías 100 y el dispositivo de acceso 410 pueden estar ubicados en una instalación 405 en la ruta de transporte, tal como un almacén o depósito. Aunque en la FIG. 4 solo se muestra un transportador de mercancías 100 individual, se debe entender que el sistema analiza una pluralidad de transportadores de mercancías como un grupo. La pluralidad de transportadores de mercancías se puede disponer en un apilamiento. El ordenador servidor 420 y la base de datos 425 pueden estar ubicados en la nube, tal como en una o más ubicaciones externas o de terceros con almacenamiento en línea o en red. El ordenador controlador 430 puede estar ubicado en una ubicación de controlador 425, tal como en una empresa de logística y seguimiento de transportadores de mercancías. Aunque se muestra y describe con respecto a un determinado número de entidades que realizan determinadas funciones, se contempla que un mayor o menor número de entidades pueden realizar las funciones descritas en el presente documento. Por ejemplo, las funciones del ordenador servidor 420 se pueden distribuir entre múltiples ordenadores servidores. En otro ejemplo, la base de datos 425 se puede incorporar internamente al ordenador servidor 420. Todavía en otro ejemplo, las funciones del ordenador servidor 420 se pueden realizar parcial o totalmente por el dispositivo de acceso 410.

Uno de los transportadores de mercancías 100 dentro de la pluralidad de transportadores de mercancías puede comunicar datos al dispositivo de acceso 410 para hacer que el dispositivo de acceso 410 realice una o más operaciones. Por ejemplo, el transportador de mercancías 100 puede comunicar (o hacer que se comunique) una señal que indica que el transportador de mercancías 100 está dentro del alcance visual del dispositivo de acceso 410. La señal se puede comunicar, por ejemplo, por una etiqueta Bluetooth o Bluetooth LE en el transportador de mercancías 100. Cuando el dispositivo de acceso 410 recibe la señal, el dispositivo de acceso 410 puede captar una imagen de la pluralidad de transportadores de mercancías, incluyendo el transportador de mercancías 100, usando una cámara u otro equipo físico y/o programa informático de captación de imágenes, como se describe además en el presente documento. El transportador de mercancías 100 puede no incluir una etiqueta con capacidad de comunicación de corto alcance. Por tanto, se puede hacer que el dispositivo de acceso 410 capte manualmente una imagen de la pluralidad de transportadores de mercancías (por ejemplo, seleccionando una opción de captación de imágenes en la interfaz de usuario). Esto puede ocurrir en cualquier momento o intervalo, tal como cuando el transportador de mercancías 100 entra en la instalación 405, cuando el transportador de mercancías 100 sale de la instalación 405, una vez al día, etc.

El dispositivo de acceso 410 puede ser cualquier dispositivo de usuario electrónico adecuado. El dispositivo de acceso 410 puede incluir un dispositivo de comunicación. Un dispositivo de comunicación puede proporcionar capacidades de comunicación remota a una red. Los ejemplos de capacidades de comunicación remota incluyen usar una red de telefonía móvil (inalámbrica), una red de datos inalámbrica (por ejemplo, 3G, 4G o redes similares), Wi-Fi, Wi-Max o cualquier otro medio de comunicación que pueda proporcionar acceso a una red tal como Internet o una red privada. Los ejemplos de dispositivos incluyen teléfonos móviles (por ejemplo, teléfonos celulares), PDA, ordenadores de tableta, netbooks, ordenadores portátiles, reproductores de música personales, lectores especializados de mano, relojes, pulseras de actividad física, dispositivos portátiles, tobilleras, anillos, pendientes, llaveros, carteras, vasos, recipientes, tazas de café, recipientes para llevar, etc., así como automóviles con capacidades de comunicación remota. El dispositivo de acceso 410 puede comprender cualquier equipo físico y programa informático adecuados para realizar dichas funciones, y también puede incluir múltiples dispositivos o componentes (por ejemplo, cuando un dispositivo tiene acceso remoto a una red por anclaje a otro dispositivo —es decir, usando el otro dispositivo como un módem— ambos dispositivos tomados en conjunto se pueden considerar un solo dispositivo de comunicación). Otros ejemplos de un dispositivo de acceso 410 pueden incluir un POS o dispositivo de punto de venta (por ejemplo, terminales POS), teléfono móvil, PDA, ordenador personal (PC), PC de tableta, lector especializado de mano, decodificador, caja registradora electrónica (ECR), cajas registradoras virtuales (VCR), quiosco y similares.

El dispositivo de acceso 410 puede tener instalada una aplicación que le permite cargar el archivo de imágenes que representa los transportadores de mercancías a un ordenador servidor 420. El ordenador servidor 420 puede incluir un sistema de aprendizaje automático, tal como una red neuronal artificial, y puede procesar una imagen dentro del archivo de imágenes para excluir los transportadores de mercancías de terceros no asociados con el origen particular de la pluralidad de transportadores de mercancías; cotejar al menos un subconjunto de la pluralidad de transportadores de mercancías con un primer tipo de transportadores de mercancías del origen particular; y determinar un número de transportadores de mercancías del primer tipo en la imagen. El ordenador servidor 420 puede acceder a una base de datos 425 que almacena archivos de imágenes de entrenamiento que incluyen una pluralidad de imágenes de entrenamiento respectiva en asociación con un número conocido de transportadores de mercancías de entrenamiento que se representan en la imagen de entrenamiento respectiva. El ordenador servidor 420 puede usar los archivos de imágenes de entrenamiento para entrenar al sistema de aprendizaje automático para contar el número de transportadores de mercancías de entrenamiento del primer tipo en imágenes adquiridas posteriormente.

El ordenador servidor 420 puede generar datos asociados con los transportadores de mercancías en las imágenes y almacenar los datos como una entrada en la base de datos 425 correspondiente al archivo de imágenes asociado. Por ejemplo, el ordenador servidor 420 puede generar datos que indicando diferencias entre las horas y las ubicaciones en las que se adquirieron los archivos de imágenes que representan los mismos transportadores de mercancías. En otro ejemplo, el ordenador servidor 420 puede generar datos de ubicación para los transportadores de mercancías (por ejemplo, datos indicativos de la instalación 405). El ordenador servidor 420 puede proporcionar estos datos desde la base de datos 425 a un ordenador controlador 430. El ordenador controlador 430 puede ser una entidad que realiza seguimiento, mantiene y/o es propietaria de los transportadores de mercancías. El ordenador controlador 430 puede usar estos datos para determinar si los transportadores de mercancías están en la instalación 405 correcta, para determinar dónde están los transportadores de mercancías en la ruta de transporte, para determinar el tiempo del ciclo de los transportadores de mercancías, para predecir la duración de los transportadores de mercancías en una ubicación particular, para determinar si todos los transportadores de mercancías todavía están en el mismo envío, etc.

Las funciones del ordenador servidor 420 se pueden realizar total o parcialmente por el dispositivo de acceso 410. Por ejemplo, se puede reducir el tamaño de la transmisión enviada al ordenador servidor 420 por el dispositivo de acceso 410 realizando el procesamiento de imágenes en el dispositivo de acceso 410. Los datos resultantes, que pueden tener un tamaño pequeño de memoria, se pueden transmitir a continuación al ordenador servidor 420 y ejecutarse a través de la base de datos 425.

La FIG. 5 es un diagrama de bloques que ilustra un dispositivo de acceso 410, de acuerdo con la invención. El dispositivo de acceso 410 puede incluir equipo físico del dispositivo 504 acoplado a una memoria 502. El equipo físico del dispositivo 504 puede incluir un procesador 505, una cámara 508, un subsistema de comunicación 509 y una interfaz de usuario 506. El equipo físico del dispositivo 504 puede incluir una pantalla 507 (que puede ser parte de la interfaz de usuario 506).

El procesador 505 se puede implementar como uno o más circuitos integrados (por ejemplo, uno o más microprocesadores y/o microcontroladores de un solo núcleo o de múltiples núcleos), y se usa para controlar el funcionamiento del dispositivo de acceso 410. El procesador 505 puede ejecutar una variedad de programas en respuesta al código de programa o código legible por ordenador almacenado en la memoria 502, y puede mantener múltiples programas o procesos ejecutándose simultáneamente. El subsistema de comunicación 509 puede incluir uno o más transceptores y/o conectores que se pueden usar por el dispositivo de acceso 410 para comunicarse con otros dispositivos (por ejemplo, el transportador de mercancías 100) y/o para conectarse con redes externas (por ejemplo, para conectarse al ordenador servidor 420). La interfaz de usuario 506 puede incluir cualquier combinación de elementos de entrada y salida para permitir que un usuario interactúe e invoque las funcionalidades del dispositivo de acceso 410. La interfaz de usuario 506 puede incluir un componente tal como la pantalla 507 que se puede usar tanto para funciones de entrada como de salida. La cámara 508 se puede implementar como un equipo físico junto con un programa informático para captar rasgos característicos visuales y/o imágenes de los transportadores de mercancías, por ejemplo, como se describe además en el presente documento. La memoria 502 se puede implementar usando cualquier combinación de cualquier número de memorias no volátiles (por ejemplo, memoria flash) y memorias volátiles (por ejemplo, DRAM, SRAM), o cualquier otro medio no transitorio de almacenamiento, o una combinación de los mismos medios. La memoria 502 puede almacenar un sistema operativo (OS) 520 y un entorno de aplicación 510 donde residen una o más aplicaciones, incluyendo la aplicación 512 para ejecutarse por el procesador 505.

La aplicación 512 puede ser una aplicación que capta, almacena y/o transmite imágenes de transportadores de mercancías para su identificación visual y seguimiento en un entorno de nube. La aplicación 512 puede incluir un motor de detección de transportador de mercancías 514, un motor de captación de imágenes 515 y un motor de compresión de imágenes 516. Se pueden proporcionar uno o más de estos componentes por otra aplicación o componente que no sea parte de la aplicación 512.

El motor de detección de transportador de mercancías 514 se puede configurar para, junto con el procesador 505 y el subsistema de comunicación 509, recibir un silbido (es decir, una señal breve) desde un transportador de mercancías en proximidad al dispositivo de acceso 410. El transportador de mercancías se puede configurar para enviar un silbido al subsistema de comunicación 509 cuando se encuentra dentro de determinada distancia del dispositivo de acceso 410 (por ejemplo, 10 pies [3 metros]). El transportador de mercancías se puede configurar para enviar un silbido al subsistema de comunicación 509 cuando se encuentra dentro de cualquier alcance de comunicación del dispositivo de acceso 410 (por ejemplo, 50 pies [15 metros]), y el motor de detección de transportador de mercancías 514 puede supervisar la distancia entre el dispositivo de acceso 410 y el transportador de mercancías en base a los silbidos. Cuando se detecta el transportador de mercancías por el motor de detección de transportador de mercancías 514, el motor de detección de transportador de mercancías 514 puede transmitir una señal de captación de imágenes al motor de captación de imágenes 515. Cuando se detecta por el motor de detección de transportador de mercancías 514 que el transportador de mercancías está a una distancia particular del dispositivo de acceso 410 y/o en una orientación particular con respecto al dispositivo de acceso 410 (que se puede deducir de los datos recopilados por los sensores en el transportador de mercancías, tales como acelerómetros, giroscopios, etc.), el motor de detección de transportador de mercancías 514 puede transmitir una señal de captación de imágenes al motor de captación de imágenes 515.

El motor de captación de imágenes 515 se puede configurar para, junto con el procesador 505, recibir una señal de captación de imágenes desde el motor de detección de transportador de mercancías 514 en base a la detección del transportador de mercancías. En respuesta a la recepción de la señal de captación de imágenes, el motor de captación de imágenes 515 puede captar una imagen del transportador de mercancías, junto con los otros transportadores de mercancías que pueden estar dispuestos juntos en un apilamiento. El transportador de mercancías puede incluir una etiqueta Bluetooth LE programada para enviar un silbido (por su propia iniciativa o bien en respuesta a un silbido desde el dispositivo de acceso 410) cuando está dentro de los seis pies (1,8 metros) del dispositivo de acceso 410. Por tanto, cuando el transportador de mercancías está directamente debajo del dispositivo de acceso 410, el transportador de mercancías puede transmitir un silbido al dispositivo de acceso 410 (por ejemplo, por medio del motor de detección de transportador de mercancías 514). El motor de detección de transportador de mercancías 514 puede transmitir una señal de captación de imágenes al motor de captación de imágenes 515. El motor de captación de imágenes 515 puede a continuación hacer que la cámara 508 capture una imagen del transportador de mercancías a medida que el transportador de mercancías se mueve a través de la ruta de transporte.

Aunque se describe como un proceso automatizado que usa el motor de detección de transportador de mercancías 514 y el motor de captación de imágenes 515, se contempla que se puede omitir el motor de detección de transportador de mercancías 514. El motor de captación de imágenes 515 puede incluir un programa informático que permite a un usuario iniciar manualmente captaciones de imágenes usando la cámara 508. Por ejemplo, un usuario se puede acercar a una pluralidad de transportadores de mercancías con el dispositivo de acceso 410 y seleccionar una opción en la interfaz de usuario 506 que activa ese motor de captación de imágenes 515 y capta una imagen de los transportadores de mercancías usando la cámara 508.

La aplicación 512 puede incluir además un motor de compresión de imágenes 516. El motor de compresión de imágenes 516 se puede configurar para, junto con el procesador 505, comprimir las imágenes captadas por la cámara 508 a un tamaño de datos menor y/o resolución más baja. Las imágenes captadas por la cámara 508 pueden tener una resolución muy alta. Sin embargo, es posible que no sea necesario una resolución tan alta para analizar los rasgos característicos visuales de los transportadores de mercancías captados en las imágenes. Por tanto, el motor de compresión de imágenes 516 puede comprimir las imágenes a una resolución más baja que todavía es adecuada para su análisis (es decir, a la resolución más pequeña en la que todavía se pueden identificar los rasgos característicos visuales de los transportadores de mercancías y se puede contar el número de transportadores de mercancías). Dicha compresión también puede reducir el tiempo de transmisión de las imágenes provenientes del dispositivo de acceso 410. La compresión puede ser una compresión sin pérdida. Los posibles modos de compresión incluyen JPLL (JPEG sin pérdida), JLSL (JPEG-LS sin pérdida), J2KR (j Pe G 2000 sin pérdida) y JPLY (JPEG con pérdida).

La FIG. 6A es un diagrama de bloques que ilustra un ordenador servidor 420. El ordenador servidor 420 puede incluir un procesador 601 acoplado a una interfaz de red 602 y un medio legible por ordenador 606. El ordenador servidor 420 también puede incluir o de otro modo tener acceso a una base de datos 603 que puede ser interna o externa al ordenador servidor 420.

El procesador 601 puede incluir uno o más microprocesadores para ejecutar componentes de programa para realizar las funciones de seguimiento del transportador de mercancías del ordenador servidor 420. Por ejemplo, el procesador 601 puede incluir una unidad de procesamiento gráfico (GPU). La interfaz de red 602 se puede configurar para conectarse a una o más redes de comunicación para permitir que el ordenador servidor 420 se comunique con otras entidades, tales como el dispositivo de acceso, el ordenador controlador, etc. El medio legible por ordenador 606 puede incluir cualquier combinación de una o más memorias volátiles y/o no volátiles, por ejemplo, RAM, DRAM, SRAM, ROM, flash o cualquier otro componente de memoria adecuado. El medio legible por ordenador 606 puede almacenar código ejecutable por el procesador 601 para implementar algunas o todas las funciones de análisis de imágenes del ordenador servidor 420. Por ejemplo, el medio legible por ordenador 606 puede incluir código que implementa un motor de corrección de perspectiva 607, un motor de ajuste a escala y rotación 608, un motor de filtrado 609, un motor de cotejo 610, un motor de entrenamiento 611, un motor de recuento 612 y un motor de generación de datos 613. Aunque no se muestra, el medio legible por ordenador 606 también puede incluir código que implementa otros algoritmos de visión por ordenador diversos, tales como deformación, filtrado, detección de bordes, homografía y cotejo de rasgos característicos.

El motor de corrección de perspectiva 607 se puede configurar para, junto con el procesador 601, recibir una imagen de los transportadores de mercancías en un archivo de imágenes desde un dispositivo de acceso. El motor de corrección de perspectiva 607 se puede configurar para corregir la perspectiva del dispositivo de formación de imágenes que se usó para adquirir el archivo de imágenes. Por ejemplo, se pueden usar técnicas de visión por ordenador para corregir la distorsión de la imagen. Esto puede dar como resultado que la imagen incluya tres lados de un transportador de mercancías, tales como los lados frontal, superior y lateral, y los lados pueden no estar distorsionados. La corrección de perspectiva puede usar una pluralidad de imágenes de los mismos transportadores de mercancías que se adquirieron al mismo tiempo por dispositivos de formación de imágenes con diferentes perspectivas.

El motor de ajuste a escala y rotación 608 se puede configurar para, junto con el procesador 601, recibir una imagen de los transportadores de mercancías en un archivo de imágenes desde un dispositivo de acceso. El motor de ajuste a escala y rotación 608 se puede configurar para ajustar a escala, girar, recortar y/o alinear la imagen de los transportadores de mercancías para cumplir criterios o pautas particulares. Por ejemplo, el motor de ajuste a escala y rotación 608 puede redimensionar la imagen de los transportadores de mercancías para que tenga un tamaño estándar particular, tal como 1000 píxeles por 1000 píxeles. En otro ejemplo, el motor de ajuste a escala y rotación 608 se puede configurar para recortar la imagen de los transportadores de mercancías de modo que solo se muestren los transportadores de mercancías (es decir, eliminando las imágenes de fondo). En otro ejemplo, el motor de ajuste a escala y rotación 608 se puede configurar para alinear la imagen de los transportadores de mercancías de modo que los bordes de un apilamiento de transportadores de mercancías se vean estando orientados horizontal y verticalmente. En otro ejemplo, el motor de ajuste a escala y rotación 608 se puede configurar para girar la imagen de los transportadores de mercancías en el sentido de las agujas del reloj y/o en el sentido contrario a las agujas del reloj para cambiar qué lado del apilamiento de transportadores de mercancías se ve como que es el "superior" y el "inferior", es decir, una rotación de 90, 180 o 270 grados. La imagen se puede girar en una orientación estándar usada para su análisis, por ejemplo, con un logotipo, una flecha u otra marca con el lado correcto hacia arriba. Puede no ser necesario ajustar a escala, girar, recortar y/o alinear la imagen para el análisis. Se contempla que se puede omitir el motor de ajuste a escala y rotación 608.

El motor de filtrado 609 se puede configurar para, junto con el procesador 601 y la interfaz de red 602, recibir la imagen de los transportadores de mercancías en el archivo de imágenes. El motor de filtrado 609 se puede configurar para analizar la imagen para filtrar los transportadores de mercancías de terceros que no están asociados con el origen particular de los transportadores de mercancías. El filtrado se puede basar en rasgos característicos visuales de cualquier característica única o combinación de características que conjuntamente son únicas para el origen en particular. Dichos rasgos característicos visuales pueden incluir tamaño, color, forma, dimensiones, texto, gráficos, texturas, niveles, depresiones, patrón de ubicación de clavos, pintura, orientación de tableros, combinaciones de los mismos y/o similares. Por ejemplo, se puede usar una proporción de aspecto de dos bordes de un transportador de mercancías para identificar el origen del transportador de mercancías. Con respecto a un transportador de mercancías formado parcial o totalmente de madera, los rasgos característicos visuales pueden incluir marcas y patrones de vetas de madera, tales como la dirección de las células de madera (por ejemplo, vetas rectas, vetas en espiral, entrelazadas, etc.), apariencia de la superficie, colocación del anillo de crecimiento, plano de corte (aserrado en cuartos, aserrado plano, veta final, etc.), tasa de crecimiento, tamaño de célula relativo, etc. Se contempla que se puede identificar cualquier número de rasgos característicos visuales. En general, puede resultar una mayor probabilidad de descartar otro origen de transportadores de mercancías con mayor exactitud si se identifican más rasgos característicos visuales. El motor de filtrado 609 se puede configurar para indicar uno o más de los rasgos característicos visuales en la imagen y/o el archivo de imágenes. Por ejemplo, el motor de filtrado 609 se puede configurar para indicar los rasgos característicos visuales en la imagen (por ejemplo, destacando cada uno de los rasgos característicos visuales identificados, añadiendo flechas que apuntan a cada uno de los rasgos característicos visuales, etc.). En otro ejemplo, el motor de identificación de rasgos característicos 609 se puede configurar para indicar los rasgos característicos visuales en un archivo separado de o combinado con el archivo de imágenes (por ejemplo, enumerando las coordenadas de píxeles y/o las áreas en las que se ubican los rasgos característicos visuales identificados). Se contempla que el motor de filtrado 609 se puede implementar usando análisis de visión por ordenador y/o redes neuronales artificiales, tales como redes neuronales profundas.

El motor de cotejo 610 se puede configurar para, junto con el procesador 601, recibir la imagen filtrada desde el motor de filtrado 609. El motor de cotejo 610 se puede configurar para analizar la imagen para cotejar al menos un subconjunto de los transportadores de mercancías restantes con un primer tipo de transportadores de mercancías del origen particular. De manera similar al filtrado, el cotejo se puede basar en rasgos característicos visuales de cualquier característica única o combinación de características que conjuntamente son únicas para el primer tipo de transportadores de mercancías. Dichos rasgos característicos visuales pueden incluir tamaño, color, forma, dimensiones, texto, gráficos, texturas, niveles, depresiones, patrón de ubicación de clavos, pintura, orientación de tableros, combinaciones de los mismos y/o similares. Con respecto a un transportador de mercancías formado parcial o totalmente de madera, los rasgos característicos visuales pueden incluir marcas y patrones de vetas de madera, tales como la dirección de las células de madera (por ejemplo, vetas rectas, vetas en espiral, entrelazadas, etc.), apariencia de la superficie, colocación del anillo de crecimiento, plano de corte (aserrado en cuartos, aserrado plano, veta final, etc.), tasa de crecimiento, tamaño de célula relativo, etc. Se contempla que se puede identificar cualquier número de rasgos característicos visuales. En general, puede resultar una mayor probabilidad de cotejar los transportadores de mercancías con mayor exactitud si se identifican más rasgos característicos visuales. El motor de cotejo 610 se puede configurar para indicar uno o más de los rasgos característicos visuales en la imagen y/o el archivo de imágenes. Por ejemplo, el motor de cotejo 610 se puede configurar para indicar los rasgos característicos visuales en la imagen (por ejemplo, destacando cada uno de los rasgos característicos visuales identificados, añadiendo flechas que apuntan a cada uno de los rasgos característicos visuales, etc.). En otro ejemplo, el motor de cotejo 610 se puede configurar para indicar los rasgos característicos visuales en un archivo separado de o combinado con el archivo de imágenes (por ejemplo, enumerando las coordenadas de píxeles y/o las áreas en las que se ubican los rasgos característicos visuales identificados). Se contempla que el motor de cotejo 610 se puede implementar usando análisis de visión por ordenador y/o redes neuronales artificiales, tales como redes neuronales profundas.

El motor de entrenamiento 611 se puede configurar para, junto con el procesador 601, acceder a la base de datos 603 para recuperar archivos de imágenes de entrenamiento que incluyen una pluralidad de imágenes de entrenamiento respectiva en asociación con un número conocido de transportadores de mercancías de entrenamiento que se representan en la imagen de entrenamiento respectiva. El motor de entrenamiento 611 puede usar los archivos de imágenes de entrenamiento para entrenar al sistema de aprendizaje automático, tal como una red neuronal artificial, para contar el número de transportadores de mercancías del origen particular en imágenes adquiridas posteriormente. Los archivos de imágenes de entrenamiento pueden incluir imágenes bidimensionales y/o tridimensionales.

Por ejemplo, la FIG. 6B es un diagrama de flujo que ilustra un procedimiento para entrenar una red neuronal artificial. Una pluralidad de archivos de entrenamiento de imágenes 630 se recibe por un dispositivo adecuado, tal como un ordenador o un servidor, que puede estar ubicado en una nube. Cada uno de la pluralidad de archivos de entrenamiento de imágenes 630 puede incluir una imagen de entrenamiento respectiva que representa una pluralidad de transportadores de mercancías 635 respectiva. La pluralidad de transportadores de mercancías 635 respectiva se puede disponer en un apilamiento. Al menos un transportador de mercancías de la pluralidad de transportadores de mercancías 635 respectiva puede estar oculto dentro de la imagen de entrenamiento respectiva. Por ejemplo, el transportador de mercancías puede estar oculto por otros transportadores de mercancías o por otro objeto dentro de la imagen de entrenamiento. Es posible que cada transportador de mercancías no incluya una etiqueta física que muestre o almacene un identificador de transportador de mercancías. En otras palabras, es posible que el transportador de mercancías no tenga un medio visual o electrónico directo para proporcionar su identidad.

La pluralidad de archivos de imágenes de entrenamiento 630 se puede haber generado por un dispositivo de formación de imágenes ubicado en una instalación que alberga la pluralidad de transportadores de mercancías 635 en una ruta de transporte. Por ejemplo, el dispositivo de formación de imágenes puede ser una cámara de seguridad en un almacén o un astillero propiedad del origen particular o de un tercero. El dispositivo de formación de imágenes se puede incorporar en un dispositivo móvil (por ejemplo, un teléfono inteligente) y se puede usar en un almacén o en un astillero, o en cualquier otro punto a lo largo de la ruta de transporte. El dispositivo de formación de imágenes también puede ser una cámara de tráfico, tal como una cámara de tráfico que está montada en un semáforo a lo largo de la ruta de transporte. Además, el dispositivo de formación de imágenes puede ser un dron que vuele por encima de la ruta de transporte o se mueva a lo largo de cualquier superficie adecuada, tal como el suelo, una pared o una pista elevada que esté suspendida del techo. Por ejemplo, se pueden lanzar múltiples drones desde un vehículo para obtener imágenes de las ubicaciones principales donde los transportadores de mercancías se pueden acumular dentro de un área geográfica, tal como una ciudad. Además, el dispositivo de formación de imágenes puede ser una cámara de salpicadero en un vehículo operado por seres humanos o un vehículo autónomo. Otros ejemplos de dispositivos de formación de imágenes pueden incluir escáneres láser, sonar, LIDAR y generadores de imágenes estereoscópicas. Algunos dispositivos de formación de imágenes se pueden utilizar para adquirir imágenes a través de barreras tales como paredes o techos, tales como generadores de imágenes de RF, y las imágenes se pueden transmitir por cualquier procedimiento adecuado, tal como sobre una red wifi. Se puede corregir la perspectiva de la pluralidad de archivos de imágenes de entrenamiento 630 y/o se puede girar, recortar, alinear y/o ajustar a escala la pluralidad de archivos de imágenes de entrenamiento 630. La pluralidad de archivos de imágenes de entrenamiento 630 se puede haber generado por un solo dispositivo de formación de imágenes o una pluralidad de dispositivos de formación de imágenes en diferentes ubicaciones.

En el bloque de proceso 640, para cada uno de la pluralidad de archivos de imágenes de entrenamiento 630, se puede usar un sistema de aprendizaje automático, tal como una red neuronal artificial, para determinar un número estimado de la pluralidad de transportadores de mercancías 635 respectiva del origen particular en la imagen de entrenamiento respectiva. Se pueden usar diversos aspectos para estimar el número de la pluralidad de transportadores de mercancías 635 respectiva, tales como la ubicación en la que se adquirió el archivo de imágenes de entrenamiento respectivo, la fecha y/o la hora en la que se adquirió el archivo de imágenes de entrenamiento respectivo, el número de esquinas que son visibles en el archivo de imágenes de entrenamiento respectivo, el ángulo entre el dispositivo de formación de imágenes y al menos uno de la pluralidad de transportadores de mercancías 635, la distancia entre el dispositivo de formación de imágenes y al menos uno de la pluralidad de transportadores de mercancías 635, la altura de al menos uno de la pluralidad de transportadores de mercancías 635, la profundidad de al menos uno de la pluralidad de transportadores de mercancías 635, la instalación y/o el personal que montó la pluralidad de transportadores de mercancías 635, la estructura del/de los apilamiento(s) de la pluralidad de transportadores de mercancías 635, etc.

En el bloque de proceso 645, para cada uno de la pluralidad de archivos de imágenes de entrenamiento 630, se puede comparar el número estimado de la pluralidad de transportadores de mercancías 635 respectiva en la imagen de entrenamiento respectiva con un número conocido de la pluralidad de transportadores de mercancías 635 respectiva en la imagen de entrenamiento respectiva. El número conocido de la pluralidad de transportadores de mercancías 635 respectiva se puede obtener de diversos orígenes, tales como un recuento manual de la pluralidad de transportadores de mercancías 635 respectiva, un recuento predeterminado del número de transportadores de mercancías en un apilamiento, un recuento del número de la pluralidad de transportadores de mercancías 635 respectiva a medida que se agrupan entre sí, señales recibidas desde transmisores en cada uno de la pluralidad de transportadores de mercancías 635 respectiva, etc.

En el bloque de proceso 650, las comparaciones del número estimado de la pluralidad de transportadores de mercancías 635 respectiva con el número conocido de la pluralidad de transportadores de mercancías 635 respectiva en la imagen de entrenamiento respectiva se pueden usar para entrenar la red neuronal artificial ajustando los pesos asociados con neuronas artificiales dentro de la red neuronal artificial. Se puede usar cualquier red neuronal artificial adecuada, tal como TensorFlow™. Los pesos se pueden establecer en cualquier valor inicial adecuado. Por ejemplo, se pueden ajustar los pesos para reducir o minimizar una función de pérdida de la red neuronal artificial. Algunos procedimientos que se pueden usar para ajustar los pesos incluyen el procedimiento de descenso de gradiente, el procedimiento de Newton, el procedimiento de gradiente conjugado, el procedimiento cuasi-Newton y el algoritmo de Levenberg-Marquardt.

Volviendo a la FIG. 6A, el motor de recuento 612 se puede configurar para, junto con el procesador 601, recibir la imagen filtrada y/o cotejada desde el motor de filtrado 609 y/o el motor de cotejo 610. El motor de recuento 612 se puede configurar para usar la red neuronal artificial entrenada para contar el número de transportadores de mercancías en la imagen. Por ejemplo, el motor de recuento 612 puede identificar cajas rectangulares que representan el lado de un transportador de mercancías. Además, el motor de recuento 612 puede estimar la profundidad de los transportadores de mercancías en la imagen, y puede usar el transportador de mercancías frontal y la profundidad de una pluralidad de transportadores de mercancías para determinar el número de transportadores de mercancías en la imagen. El análisis se puede realizar sobre una imagen con una perspectiva que se ha corregido por el motor de corrección de perspectiva 607, para facilitar la identificación de las cajas rectangulares y para proporcionar una estimación más exacta de la profundidad. El motor de recuento 612 puede identificar una esquina de un transportador de mercancías en una imagen bidimensional e identificar dos lados contiguos a la esquina como pertenecientes al mismo transportador de mercancías. De forma alternativa o además, el motor de recuento 612 puede utilizar cualquiera de los aspectos analizados anteriormente con respecto a la estimación del número de transportadores de mercancías en una imagen.

El motor de generación de datos 613 se puede configurar para, junto con el procesador 601, generar datos asociados con los transportadores de mercancías una vez que se han contado los transportadores de mercancías. Los datos pueden incluir, por ejemplo, datos de ubicación (es decir, dónde estaban los transportadores de mercancías cuando se captó cada imagen, por ejemplo, en un consignador, transportista, fabricante y/o instalación particular), si los transportadores de mercancías están actualmente en la ruta de transporte, un tiempo de ciclo de los transportadores de mercancías para moverse a través de la ruta de transporte, cambios en los rasgos característicos visuales de los transportadores de mercancías, nuevos rasgos característicos visuales en los transportadores de mercancías, daños en los transportadores de mercancías, si falta alguno de los transportadores de mercancías en el envío, combinaciones de los mismos y/o similares. El motor de generación de datos 613 se puede configurar para almacenar los datos como una entrada en la base de datos 603 correspondiente a los transportadores de mercancías.

Procedimientos para seguimiento de transportadores de mercancías

Los sistemas descritos anteriormente pueden implementar una variedad de procedimientos. La FIG. 7 es un diagrama de flujo que ilustra un procedimiento ejemplar para el seguimiento de transportadores de mercancías. Diversos procedimientos realizan seguimiento a los transportadores de mercancías contando el número de transportadores de mercancías que pertenecen a un origen particular en imágenes adquiridas a lo largo de una ruta de transporte que tiene una pluralidad de nodos. Los nodos pueden incluir lugares donde se almacenan los transportadores de mercancías, tales como almacenes, astilleros, muelles e instalaciones de reciclaje. Después de que se ha entrenado una red neuronal artificial, se recibe un primer archivo de imágenes 705 por un dispositivo adecuado, tal como un ordenador o un servidor, que puede estar ubicado en una nube. El primer archivo de imágenes 705 puede incluir una primera imagen que representa una primera pluralidad de transportadores de mercancías 706. La primera pluralidad de transportadores de mercancías 706 se puede disponer en un apilamiento. Al menos un transportador de mercancías de la primera pluralidad de transportadores de mercancías 706 puede estar oculto dentro de la primera imagen. Por ejemplo, el transportador de mercancías puede estar oculto por otros transportadores de mercancías o por otro objeto dentro de la primera imagen. Es posible que cada transportador de mercancías no incluya una etiqueta física que muestre o almacene un identificador de transportador de mercancías. En otras palabras, es posible que el transportador de mercancías no tenga un medio visual o electrónico directo para proporcionar su identidad.

El primer archivo de imágenes 705 se puede haber generado por un dispositivo de formación de imágenes ubicado en una instalación que alberga la primera pluralidad de transportadores de mercancías 706 en una ruta de transporte. Por ejemplo, el dispositivo de formación de imágenes puede ser una cámara de seguridad en un almacén o un astillero propiedad del origen particular o de un tercero. El dispositivo de formación de imágenes se puede incorporar en un dispositivo móvil (por ejemplo, un teléfono inteligente) y se puede usar en un almacén o en un astillero, o en cualquier otro punto a lo largo de la ruta de transporte. El dispositivo de formación de imágenes también puede ser una cámara de tráfico, tal como una cámara de tráfico que está montada en un semáforo a lo largo de la ruta de transporte. Además, el dispositivo de formación de imágenes puede ser un dron que vuele por encima de la ruta de transporte o se mueva a lo largo de cualquier superficie adecuada, tal como el suelo, una pared o una pista elevada que esté suspendida del techo. Por ejemplo, se pueden lanzar múltiples drones desde un vehículo para obtener imágenes de las ubicaciones principales donde los transportadores de mercancías se pueden acumular dentro de un área geográfica, tal como una ciudad. Además, el dispositivo de formación de imágenes puede ser una cámara de salpicadero en un vehículo operado por seres humanos o un vehículo autónomo. Otros ejemplos de dispositivos de formación de imágenes pueden incluir escáneres láser, sonar, LIDAR y generadores de imágenes estereoscópicas. Algunos dispositivos de formación de imágenes se pueden utilizar para adquirir imágenes a través de barreras tales como paredes o techos, tales como generadores de imágenes de RF, y las imágenes se pueden transmitir por cualquier procedimiento adecuado, tal como sobre una red wifi. En algunos modos de realización, la perspectiva del primer archivo de imágenes 705 se puede corregir y/o el primer archivo de imágenes 705 se puede girar, recortar, alinear y/o ajustar a escala.

En el bloque de proceso 710, los transportadores de mercancías de terceros que no están asociados con el origen particular se pueden excluir de la primera imagen, de modo que los transportadores de mercancías de terceros no se incluyan en el recuento del número de transportadores de mercancías. El filtrado se puede realizar por un sistema de aprendizaje automático, tal como una red neuronal artificial. Los transportadores de mercancías de terceros se pueden identificar en base a diversos rasgos característicos identificadores, tales como el tamaño, la forma y/o el color de los transportadores de mercancías. Los transportadores de mercancías de terceros también se pueden identificar por marcas, tales como letras, números y/o símbolos en los transportadores de mercancías. En el bloque de proceso 715, el sistema de aprendizaje automático puede cotejar al menos un subconjunto de los transportadores de mercancías restantes con un primer tipo de transportadores de mercancías del origen particular. El cotejo se puede realizar por un sistema de aprendizaje automático, tal como una red neuronal artificial. Por ejemplo, el primer tipo de transportadores de mercancías pueden ser palés de madera, palés de plástico, palés de exhibición, palés de automóviles o palés de aviación. El primer tipo de transportadores de mercancías se puede identificar en base a diversos rasgos característicos identificadores, tales como el tamaño, la forma y/o el color de los transportadores de mercancías. El primer tipo de transportadores de mercancías también se puede identificar por marcas, tales como letras, números y/o símbolos en los transportadores de mercancías.

En el bloque de proceso 720, se puede determinar un primer número de transportadores de mercancías del primer tipo en la primera imagen. La determinación se puede hacer por el sistema de aprendizaje automático. Por ejemplo, el sistema de aprendizaje automático se puede entrenar introduciendo una pluralidad de archivos de imágenes de entrenamiento que incluyen una pluralidad de imágenes de entrenamiento respectiva, junto con un número conocido de transportadores de mercancías del primer tipo que se representan en cada imagen de entrenamiento. Después de este entrenamiento, el sistema de aprendizaje automático puede contar el número de transportadores de mercancías del primer tipo en el primer archivo de imágenes 705.

Los procedimientos descritos anteriormente se pueden usar para realizar seguimiento de la ubicación de los transportadores de mercancías desde el origen particular. Por ejemplo, contando el número de transportadores de mercancías del primer tipo en la primera imagen en el bloque de proceso 720, se puede determinar que un conjunto o envío particular de transportadores de mercancías del primer tipo está presente en la ubicación donde se adquirió el primer archivo de imágenes 705 en el momento en que se adquirió el primer archivo de imágenes 705. Para este propósito, el primer archivo de imágenes 705 puede incluir primeros datos que indican un primer tiempo y una primera ubicación en la que se adquirió la primera imagen. También se puede determinar si todos los transportadores de mercancías en el envío inicial todavía están juntos o si algunos de los transportadores de mercancías se han separado del envío inicial.

Los procedimientos descritos anteriormente se pueden repetir cualquier número de veces para realizar seguimiento de un conjunto o envío particular de transportadores de mercancías a medida que se mueve a lo largo de la ruta de transporte. La FIG. 8 es un diagrama de flujo que ilustra otro procedimiento ejemplar para el seguimiento de transportadores de mercancías. El procedimiento descrito con respecto a la FIG. 8 puede ser similar al procedimiento descrito con respecto a la FIG. 7. Un segundo archivo de imágenes 805 se recibe por un dispositivo adecuado, tal como un ordenador o un servidor, que puede estar ubicado en una nube. El segundo archivo de imágenes 805 puede incluir una segunda imagen que representa una segunda pluralidad de transportadores de mercancías 806. La segunda pluralidad de transportadores de mercancías 806 se puede disponer en un apilamiento. Al menos un transportador de mercancías de la segunda pluralidad de transportadores de mercancías 806 puede estar oculto dentro de la segunda imagen. Por ejemplo, el transportador de mercancías puede estar oculto por otros transportadores de mercancías o por otro objeto dentro de la segunda imagen. Es posible que cada transportador de mercancías no incluya una etiqueta física que muestre o almacene un identificador de transportador de mercancías. En otras palabras, es posible que el transportador de mercancías no tenga un medio visual o electrónico directo para proporcionar su identidad.

El segundo archivo de imágenes 805 se puede haber generado por un dispositivo de formación de imágenes ubicado en una instalación que alberga la segunda pluralidad de transportadores de mercancías 806 en la ruta de transporte. Por ejemplo, el dispositivo de formación de imágenes puede ser una cámara de seguridad en un almacén o un astillero propiedad del origen particular o de un tercero. El dispositivo de formación de imágenes se puede incorporar en un dispositivo móvil (por ejemplo, un teléfono inteligente) y se puede usar en un almacén o en un astillero, o en cualquier otro punto a lo largo de la ruta de transporte. El dispositivo de formación de imágenes también puede ser una cámara de tráfico, tal como una cámara de tráfico que está montada en un semáforo a lo largo de la ruta de transporte. Además, el dispositivo de formación de imágenes puede ser un dron que vuele por encima de la ruta de transporte o se mueva a lo largo de cualquier superficie adecuada, tal como el suelo, una pared o una pista elevada que esté suspendida del techo. Por ejemplo, se pueden lanzar múltiples drones desde un vehículo para obtener imágenes de las ubicaciones principales donde los transportadores de mercancías se pueden acumular dentro de un área geográfica, tal como una ciudad. Además, el dispositivo de formación de imágenes puede ser una cámara de salpicadero en un vehículo operado por seres humanos o un vehículo autónomo. Otros ejemplos de dispositivos de formación de imágenes pueden incluir escáneres láser, sonar, LIDAR y generadores de imágenes estereoscópicas. Algunos dispositivos de formación de imágenes se pueden utilizar para adquirir imágenes a través de barreras tales como paredes o techos, tales como generadores de imágenes de RF, y las imágenes se pueden transmitir por cualquier procedimiento adecuado, tal como sobre una red wifi. En algunos modos de realización, la perspectiva del segundo archivo de imágenes 805 se puede corregir y/o el segundo archivo de imágenes 805 se puede girar, recortar, alinear y/o ajustar a escala.

En el bloque de proceso 810, los transportadores de mercancías de terceros que no están asociados con el origen particular se pueden excluir de la segunda imagen, de modo que los transportadores de mercancías de terceros no se incluyan en el recuento del número de transportadores de mercancías. El filtrado se puede realizar por un sistema de aprendizaje automático, tal como una red neuronal artificial. Los transportadores de mercancías de terceros se pueden identificar en base a diversos rasgos característicos identificadores, tales como el tamaño, la forma y/o el color de los transportadores de mercancías. Los transportadores de mercancías de terceros también se pueden identificar por marcas, tales como letras, números y/o símbolos en los transportadores de mercancías. En el bloque de proceso 815, el sistema de aprendizaje automático puede cotejar al menos un subconjunto de los transportadores de mercancías restantes con el primer tipo de transportadores de mercancías del origen particular. El cotejo se puede realizar por el sistema de aprendizaje automático. Por ejemplo, el primer tipo de transportadores de mercancías pueden ser palés de madera, palés de plástico, palés de exhibición, palés de automóviles o palés de aviación. El primer tipo de transportadores de mercancías se puede identificar en base a diversos rasgos característicos identificadores, tales como el tamaño, la forma y/o el color de los transportadores de mercancías. El primer tipo de transportadores de mercancías también se puede identificar por marcas, tales como letras, números y/o símbolos en los transportadores de mercancías.

En el bloque de proceso 820, se puede determinar un segundo número de transportadores de mercancías del primer tipo en la segunda imagen. La determinación se puede hacer por el sistema de aprendizaje automático. Por ejemplo, el sistema de aprendizaje automático se puede entrenar introduciendo una pluralidad de archivos de imágenes de entrenamiento que incluyen una pluralidad de imágenes de entrenamiento respectiva, junto con un número conocido de transportadores de mercancías del primer tipo que se representan en cada imagen de entrenamiento. Después de este entrenamiento, el sistema de aprendizaje automático puede contar el número de transportadores de mercancías del primer tipo en el segundo archivo de imágenes 805.

Los procedimientos descritos anteriormente se pueden usar para realizar seguimiento de la ubicación de los transportadores de mercancías desde el origen particular. Por ejemplo, contando el número de transportadores de mercancías del primer tipo en la segunda imagen en el bloque de proceso 820, se puede determinar que un conjunto o envío particular de transportadores de mercancías del primer tipo está presente en la ubicación donde se adquirió el segundo archivo de imágenes 805 en el momento en que se adquirió el segundo archivo de imágenes 805. Para este propósito, el segundo archivo de imágenes 805 puede incluir segundos datos que indican un segundo tiempo y una segunda ubicación en la que se adquirió la segunda imagen. También se puede determinar si todos los transportadores de mercancías en el envío inicial todavía están juntos o si algunos de los transportadores de mercancías se han separado del envío inicial.

La FIG. 9 es un diagrama de flujo que ilustra otro procedimiento ejemplar para el seguimiento de transportadores de mercancías. Como se muestra en la FIG. 9, los resultados del análisis del primer archivo de imágenes 705 y el segundo archivo de imágenes 805 se pueden usar en conjunto para realizar seguimiento de los transportadores de mercancías a medida que se mueven a lo largo de la ruta de transporte. En el bloque de procesamiento 910, se puede determinar si el primer número de transportadores de mercancías del primer tipo en la primera imagen es igual al segundo número de transportadores de mercancías del primer tipo en la segunda imagen. Si el resultado de esta determinación es positivo, se puede determinar en el bloque de procesamiento 915 una diferencia temporal entre el primer tiempo en el que se adquirió la primera imagen y el segundo tiempo en el que se adquirió la segunda imagen. De forma similar, se puede determinar en el bloque de procesamiento 920 una diferencia espacial entre la primera ubicación en la que se adquirió la primera imagen y la segunda ubicación en la que se adquirió la segunda imagen. Además, se puede verificar que los transportadores de mercancías del primer tipo en la primera imagen son los mismos que los transportadores de mercancías del primer tipo en la segunda imagen usando el sistema de aprendizaje automático para identificar otro objeto dentro de la primera imagen y la segunda imagen en el bloque de procesamiento 925. Se presume que este objeto viaja a lo largo de la ruta de transporte con los transportadores de mercancías.

Los procedimientos descritos anteriormente se pueden usar junto con la baliza 150 que está dispuesta en el transportador de mercancías 100. Por ejemplo, la baliza 150 puede proporcionar información con respecto a la identidad del transportador de mercancías 100, que puede confirmar que el transportador de mercancías 100 coincide con el primer tipo de transportadores de mercancías. Además, la baliza 150 puede indicar la ubicación actual del transportador de mercancías 100.

Los procedimientos descritos anteriormente también se pueden usar para evaluar inferencias y/o predicciones con respecto al número de transportadores de mercancías de un tipo particular que se espera que aparezcan en una imagen adquirida en un momento y/o ubicación específicos. Por ejemplo, si un depósito está cerrado durante varios días, no se esperaría ver transportadores de mercancías en una imagen adquirida en el depósito. Por otra parte, si un envío de quince transportadores de mercancías está programado para llegar a un almacén un día particular, o si el almacén siempre recibe un envío de quince transportadores de mercancías por la mañana, se esperaría ver quince transportadores de mercancías en una imagen adquirida en el almacén. Los procedimientos descritos anteriormente se pueden usar para determinar si dichas predicciones del flujo de transportadores de mercancías a través de la ruta de transporte son exactas.

Además, las técnicas de aprendizaje automático se pueden usar para construir modelos con respecto a dónde se espera que se acumulen los transportadores de mercancías en la ruta de transporte. Por ejemplo, se pueden analizar los datos históricos para predecir que se espera que cuatro transportadores de mercancías se acumulen en un primer nodo en la ruta de transporte en una fecha particular. Esta predicción puede permitir que un proveedor envíe un vehículo que sea lo suficientemente grande como para dar cabida a los cuatro transportadores de mercancías en el primer nodo. Además, incluso si un dispositivo de imágenes registra imágenes de cuatro transportadores de mercancías en un segundo nodo en la ruta de transporte, se pueden usar técnicas de aprendizaje automático para deducir que en realidad hay dieciséis transportadores de mercancías en el segundo nodo. Esto puede permitir que el proveedor envíe un vehículo que sea lo suficientemente grande como para dar cabida a los dieciséis transportadores de mercancías en el segundo nodo.

Además, se puede usar el conocimiento del flujo de los transportadores de mercancías a través de la ruta de transporte para resolver ambigüedades en una imagen. Por ejemplo, si es conocido o se predice que un apilamiento de veinte transportadores de mercancías va a estar presente en un muelle de carga, esta información puede ayudar al sistema de aprendizaje automático a determinar cuántos transportadores de mercancías hay en un apilamiento en una imagen del muelle de carga, incluso si algunos de los transportadores de mercancías están ocultos por otros transportadores de mercancías o por otros objetos dentro de la imagen. La información con respecto a la ubicación de un transportador de mercancías se puede obtener a partir de la baliza 150 ubicada en el transportador de mercancías.

Además, se pueden usar diversas técnicas de procesamiento de imágenes junto con los procedimientos descritos anteriormente. Por ejemplo, se puede aislar un apilamiento específico de transportadores de mercancías de una imagen que incluye una pluralidad de apilamientos de transportadores de mercancías. Esto se puede lograr por cualquier procedimiento adecuado, tal como aplicar una segmentación de primer plano/fondo a la imagen. Además, se pueden combinar las imágenes que incluyen transportadores de mercancías con datos de ubicación para generar una imagen o modelo tridimensional de un apilamiento de transportadores de mercancías para su uso en el recuento del número de transportadores de mercancías en el apilamiento. Además, se pueden usar los dispositivos de formación de imágenes tridimensionales para incorporar información de profundidad al identificar y/o contar los transportadores de mercancías dentro de un apilamiento.

Además, la información tridimensional se puede extrapolar a partir de una serie de imágenes bidimensionales, tales como las imágenes adquiridas por un dron. Se pueden usar diversas técnicas de aprendizaje automático, tales como algoritmos de aprendizaje profundo o procedimientos de difusión, para rellenar los espacios entre las imágenes bidimensionales. De forma alternativa, se puede obtener información tridimensional con LIDAR o formación de imágenes estereoscópicas. Se puede usar la información tridimensional, junto con el conocimiento con respecto a las características físicas de un transportador de mercancías desde un origen particular, como entrada para entrenar un algoritmo de aprendizaje automático para analizar imágenes bidimensionales. Se puede usar un objeto con características físicas conocidas, tal como el transportador de mercancías del origen particular, para corregir la perspectiva de la imagen y/o estimar el nivel de profundidad de un apilamiento de transportadores de mercancías, incluso si algunos de los transportadores de mercancías están ocultos por otros objetos en la imagen.

Se pueden observar diversas ventajas implementando la invención. Por ejemplo, la invención se puede implementar con recursos de equipo físico de bajo coste para captar imágenes y recursos de programa informático gratuitos o de bajo coste para procesar las imágenes. En otro ejemplo, la invención puede ser eficaz en el sentido de que no requiere modificación de los procesos de fabricación de transportadores de mercancías existentes ni manipulación física de la estructura del transportador de mercancías. Aún en otro ejemplo, la invención puede ser sólida en el sentido de que se puede realizar seguimiento de los transportadores de mercancías en situaciones que podrían provocar la pérdida de una etiqueta física en un transportador de mercancías. Todavía en otro ejemplo, la invención puede usar la cámara de un teléfono móvil para posibilitar el recuento y el seguimiento de los transportadores de mercancías en cualquier entorno.

Como se ha indicado, el medio legible por ordenador puede incluir medios transitorios, tales como una radiodifusión inalámbrica o una transmisión de red por cable, o medios de almacenamiento (es decir, medios de almacenamiento no transitorios), tales como un disco duro, una unidad de memoria flash, un disco compacto, un disco de vídeo digital, un disco Blu-ray u otros medios legibles por ordenador. Se puede entender que el medio legible por ordenador incluye uno o más medios legibles por ordenador de diversas formas, en diversos ejemplos.

Cuando los componentes se describen como que realizan o están "configurados para" realizar determinados funcionamientos, dicha configuración se puede lograr, por ejemplo, diseñando circuitos electrónicos u otro equipo físico para realizar el funcionamiento, programando circuitos electrónicos programables (por ejemplo, microprocesadores u otros circuitos electrónicos adecuados) para realizar el funcionamiento o cualquier combinación de los mismos.

Los diversos bloques lógicos ilustrativos, módulos, circuitos y etapas de algoritmo divulgados en el presente documento se pueden implementar como un equipo físico electrónico, un programa informático, un soporte lógico inalterable o combinaciones de los mismos. Para ilustrar claramente esta intercambiabilidad de equipo físico y programa informático, anteriormente se han descrito en general diversos componentes, bloques, módulos, circuitos y etapas ilustrativos en términos de su funcionalidad. Que dicha funcionalidad se implemente como equipo físico o programa informático depende de las restricciones de aplicación y de diseño particulares impuestas al sistema global. Los expertos en la técnica pueden implementar la funcionalidad descrita de maneras variadas para cada aplicación particular, pero no se debe interpretar que dichas decisiones de implementación suponen apartarse del alcance de la presente invención.

Las técnicas descritas en el presente documento también se pueden implementar en equipo físico electrónico, programa informático, soporte lógico inalterable o en cualquier combinación de los mismos. Dichas técnicas se pueden implementar en cualquiera de una variedad de dispositivos tales como ordenadores de propósito general, dispositivos manuales de comunicación inalámbrica o dispositivos de circuitos integrados que tienen múltiples usos, incluyendo su aplicación en dispositivos manuales de comunicación inalámbrica y otros dispositivos. Todos los rasgos característicos descritos como módulos o componentes se pueden implementar conjuntamente en un dispositivo lógico integrado o por separado como dispositivos lógicos discretos pero interfuncionales. Si se implementan en un programa informático, las técnicas se pueden realizar, al menos en parte, por un medio de almacenamiento de datos legible por ordenador que comprenda código de programa que incluya instrucciones que, cuando se ejecutan, realizan uno o más de los procedimientos descritos anteriormente. El medio de almacenamiento de datos legible por ordenador puede formar parte de un producto de programa informático, que puede incluir materiales de embalaje. El medio legible por ordenador puede comprender memoria o medios de almacenamiento de datos, tales como memoria de acceso aleatorio (RAM), tal como memoria de acceso aleatorio dinámica síncrona (SDRAM), memoria de solo lectura (ROM), memoria de acceso aleatorio no volátil (NVRAM), memoria de solo lectura programable y borrable eléctricamente (EEPROM), memoria FLASH, medios de almacenamiento de datos magnéticos u ópticos y similares. Adicionalmente, o de forma alternativa, las técnicas se pueden realizar, al menos en parte, por un medio de comunicación legible por ordenador que transporta o comunica código de programa en forma de instrucciones o estructuras de datos y al que se puede acceder, leer y/o ejecutar por un ordenador, tales como señales u ondas propagadas.

El código de programa se puede ejecutar por un procesador, que puede incluir uno o más procesadores, tales como uno o más procesadores de señales digitales (DSP), microprocesadores de propósito general, circuitos integrados específicos de la aplicación (ASIC), matrices lógicas programables in situ (FPGA) u otros circuitos lógicos equivalentes, integrados o discretos. Un procesador de este tipo se puede configurar para realizar cualquiera de las técnicas descritas en la presente divulgación. Un procesador de propósito general puede ser un microprocesador pero, de forma alternativa, el procesador puede ser cualquier procesador, controlador, microcontrolador o máquina de estados convencional. Un procesador también se puede implementar como una combinación de dispositivos informáticos, por ejemplo, una combinación de un DSP y un microprocesador, una pluralidad de microprocesadores, uno o más microprocesadores junto con un núcleo de DSP o cualquier otra configuración de este tipo. En consecuencia, el término "procesador", como se usa en el presente documento se puede referir a cualquiera de las estructuras anteriores, cualquier combinación de la estructura anterior o cualquier otra estructura o aparato adecuados para la implementación de las técnicas descritas en el presente documento. Además, en algunos aspectos, la funcionalidad descrita en el presente documento se puede proporcionar dentro de módulos de programa informático o módulos de equipo físico dedicados, configurados para la codificación y la decodificación, o incorporados en un codificador-decodificador combinado (CÓDEC).

Claims (15)

REIVINDICACIONES

1. Un procedimiento para seguimiento de transportadores de mercancías desde un origen particular, comprendiendo el procedimiento:

recibir una pluralidad de archivos de imágenes de entrenamiento (630), en el que cada uno de la pluralidad de archivos de imágenes de entrenamiento (630) comprende una imagen de entrenamiento respectiva que representa una pluralidad de transportadores de mercancías (635) respectiva del origen particular;

para cada uno de la pluralidad de archivos de imágenes de entrenamiento (630):

usar una red neuronal artificial para determinar un número estimado de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva; y

determinar una comparación del número estimado de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva con un número conocido de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva; usar las comparaciones para entrenar la red neuronal artificial ajustando los pesos asociados con las neuronas artificiales dentro de la red neuronal artificial;

recibir un primer archivo de imágenes (705) generado por un primer dispositivo de formación de imágenes, en el que el primer archivo de imágenes (705) comprende una primera imagen que representa una primera pluralidad de transportadores de mercancías (706) del origen particular, y la primera imagen está asociada con una ruta de transporte que tiene una pluralidad de nodos;

usar la red neuronal artificial entrenada para determinar un primer número de transportadores de mercancías del origen particular en la primera imagen;

recibir un segundo archivo de imágenes (805) generado por un segundo dispositivo de formación de imágenes, en el que el segundo archivo de imágenes (805) comprende una segunda imagen que representa una segunda pluralidad de transportadores de mercancías (806) del origen particular, y estando ubicado el segundo dispositivo de formación de imágenes en la ruta de transporte;

usar la red neuronal artificial entrenada para determinar un segundo número de transportadores de mercancías del origen particular en la segunda imagen; y

determinar si el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen.

2. El procedimiento de la reivindicación 1, en el que el primer dispositivo de formación de imágenes es una cámara de seguridad, una cámara de tráfico, un dron, un dispositivo móvil, un escáner láser, un dispositivo sonar, un dispositivo LIDAR, un generador de imágenes estereoscópicas o un generador de imágenes de RF.

3. El procedimiento de la reivindicación 1, que comprende además:

excluir los transportadores de mercancías de terceros no asociados con el origen particular de la primera imagen; y excluir los transportadores de mercancías de terceros no asociados con el origen particular de la segunda imagen.

4. El procedimiento de la reivindicación 1, en el que:

el primer archivo de imágenes (705) comprende además primeros datos que indican un primer tiempo y una primera ubicación en la que se adquirió la primera imagen, y

el segundo archivo de imágenes (805) comprende además segundos datos que indican un segundo tiempo y una segunda ubicación en la que se adquirió la segunda imagen.

5. El procedimiento de la reivindicación 4, que comprende además:

determinar que el primer número de transportadores de mercancías del origen particular es igual al segundo número de transportadores de mercancías del origen particular; y

determinar una diferencia temporal entre el primer tiempo y el segundo tiempo,

preferentemente que comprende además determinar una diferencia espacial entre la primera ubicación y la segunda ubicación.

6. El procedimiento de la reivindicación 1, que comprende además:

determinar que el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen; y

verificar que la primera pluralidad de transportadores de mercancías (706) del origen particular en la primera imagen es la misma que la segunda pluralidad de transportadores de mercancías (806) del origen particular en la primera imagen usando la red neuronal artificial para identificar un objeto dentro tanto de la primera imagen como de la segunda imagen; y/o

que comprende además:

cotejar al menos un subconjunto de la primera pluralidad de transportadores de mercancías (706) del origen particular en la primera imagen con un primer tipo de transportadores de mercancías del origen particular; y

cotejar al menos un subconjunto de la segunda pluralidad de transportadores de mercancías (806) del origen particular en la segunda imagen con el primer tipo de transportadores de mercancías del origen particular.

7. El procedimiento de la reivindicación 1, que comprende además procesar la primera imagen con la red neuronal artificial para corregir una perspectiva de la primera imagen; y/o

en el que al menos un transportador de mercancías de la primera pluralidad de transportadores de mercancías (706) del origen particular está oculto dentro de la primera imagen.

8. Un producto de programa informático para seguimiento de transportadores de mercancías desde un origen particular, materializado de forma tangible el producto de programa informático en un medio de almacenamiento no transitorio legible por máquina (606) de un dispositivo (420), que incluye instrucciones que, cuando se ejecutan por uno o más procesadores (601), hacen que el uno o más procesadores (601) realicen el procedimiento de cualquier reivindicación precedente.

9. Un dispositivo (420) para seguimiento de transportadores de mercancías desde un origen particular, comprendiendo el dispositivo (420):

un procesador (601); y

una memoria (606) acoplada al procesador (601), almacenando la memoria (606) instrucciones que, cuando se ejecutan por el procesador (601), hacen que el dispositivo (420) realice operaciones que incluyen:

recibir una pluralidad de archivos de imágenes de entrenamiento (630), en el que cada uno de la pluralidad de archivos de imágenes de entrenamiento (630) comprende una imagen de entrenamiento respectiva que representa una pluralidad de transportadores de mercancías (635) respectiva del origen particular;

para cada uno de la pluralidad de archivos de imágenes de entrenamiento (630):

usar una red neuronal artificial para determinar un número estimado de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva; y

determinar una comparación del número estimado de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva con un número conocido de la pluralidad de transportadores de mercancías (635) respectiva del origen particular en la imagen de entrenamiento respectiva; usar las comparaciones para entrenar la red neuronal artificial ajustando los pesos asociados con las neuronas artificiales dentro de la red neuronal artificial;

recibir un primer archivo de imágenes (705) generado por un primer dispositivo de formación de imágenes, en el que el primer archivo de imágenes (705) comprende una primera imagen que representa una primera pluralidad de transportadores de mercancías (706) del origen particular, y la primera imagen está asociada con una ruta de transporte que tiene una pluralidad de nodos;

usar la red neuronal artificial entrenada para determinar un primer número de transportadores de mercancías del origen particular en la primera imagen;

recibir un segundo archivo de imágenes (805) generado por un segundo dispositivo de formación de imágenes, en el que el segundo archivo de imágenes (805) comprende una segunda imagen que representa una segunda pluralidad de transportadores de mercancías (806) del origen particular, y estando ubicado el segundo dispositivo de formación de imágenes en la ruta de transporte;

usar la red neuronal artificial entrenada para determinar un segundo número de transportadores de mercancías del origen particular en la segunda imagen; y

determinar si el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen.

10. El dispositivo (420) de la reivindicación 9, en el que el primer dispositivo de formación de imágenes es una cámara de seguridad, una cámara de tráfico, un dron, un dispositivo móvil, un escáner láser, un dispositivo sonar, un dispositivo LIDAR, un generador de imágenes estereoscópicas o un generador de imágenes de RF.

11. El dispositivo (420) de la reivindicación 9, en el que las operaciones incluyen además:

excluir los transportadores de mercancías de terceros no asociados con el origen particular de la primera imagen; y excluir los transportadores de mercancías de terceros no asociados con el origen particular de la segunda imagen.

12. El dispositivo (420) de la reivindicación 9, en el que:

el primer archivo de imágenes (705) comprende además primeros datos que indican un primer tiempo y una primera ubicación en la que se adquirió la primera imagen, y

el segundo archivo de imágenes (805) comprende además segundos datos que indican un segundo tiempo y una segunda ubicación en la que se adquirió la segunda imagen.

13. El dispositivo (420) de la reivindicación 12, en el que las operaciones incluyen además:

determinar que el primer número de transportadores de mercancías del origen particular es igual al segundo número de transportadores de mercancías del origen particular; y

determinar una diferencia temporal entre el primer tiempo y el segundo tiempo,

preferentemente en el que las operaciones incluyen además determinar una diferencia espacial entre la primera ubicación y la segunda ubicación.

14. El dispositivo (420) de la reivindicación 9, en el que las operaciones incluyen además:

determinar que el primer número de transportadores de mercancías del origen particular en la primera imagen es igual al segundo número de transportadores de mercancías del origen particular en la segunda imagen; y

verificar que la primera pluralidad de transportadores de mercancías (706) del origen particular en la primera imagen es la misma que la segunda pluralidad de transportadores de mercancías (806) del origen particular en la primera imagen usando la red neuronal artificial para identificar un objeto dentro tanto de la primera imagen como de la segunda imagen; y/o

en el que las operaciones incluyen además:

cotejar al menos un subconjunto de la primera pluralidad de transportadores de mercancías (706) del origen particular en la primera imagen con un primer tipo de transportadores de mercancías del origen particular; y

cotejar al menos un subconjunto de la segunda pluralidad de transportadores de mercancías (806) del origen particular en la segunda imagen con el primer tipo de transportadores de mercancías del origen particular.

15. El dispositivo (420) de la reivindicación 9, en el que las operaciones incluyen además procesar la primera imagen con la red neuronal artificial para corregir una perspectiva de la primera imagen; y/o

en el que al menos un transportador de mercancías de la primera pluralidad de transportadores de mercancías (706) del origen particular está oculto dentro de la primera imagen.