AI+混凝土 | 混凝土物流的智能化之路

混凝土物流这个传统得不能再传统的行业，正在被AI悄悄改变着。

一车混凝土从搅拌站到工地，这中间的门道可不少。混凝土物流的时效性要求极高，再加上各种单据、车辆管理、质量监控，传统的人工处理方式早就跟不上了。于是，我们开始了AI化的尝试。

01

车牌号识别：让机器认字

2023年7月，我们上线了第一个AI功能：车牌识别。

这个功能的应用场景很特殊，混凝土搅拌车到达工地后，需要拍摄泵车的照片上传系统。系统通过识别泵车车牌，自动判断是否为指定的正确泵车进行泵送作业。这个看似简单的验证环节，对于防止错泵、串泵等问题至关重要。在实际作业中，工地现场环境复杂，拍摄角度受限，照片质量参差不齐，这对识别算法提出了更高的要求。

混凝土物流与AI的结合就此开始。

02

发货单识别：从1.0到2.0的进化史

2024年2月，我们开始啃一个硬骨头——发货单识别。

混凝土的发货单，那可真是五花八门。字体有大有小，格式千奇百怪。最开始我们用的是传统的机器视觉方案，OpenCV框架走起，先判断图像方向，旋转校正，然后文本检测和识别。

图像 → 方向判定 → 旋转矫正 → 文本标记 → 文本识别 → JSON提取

这个方案能用，但问题也不少。碰到拍摄效果不好的单子，识别率就直线下降。碰到格式特殊的，提取规则就得重新写。维护成本高得吓人。

到了2025年7月，我们换了个思路：

直接用多模态大模型。

把图片扔给大模型，配上精心调教的提示词，让它自己去理解单据内容。效果立竿见影，不管什么格式的单子，模型都能看懂。运单号、项目名称、发货厂站、运输车辆、强度、方量，该有的信息一个不少。

03

保险单提取：语义理解与标准化

2024年4月，我们推出了保险单智能提取功能。

保险单管理的最大难点在于术语不统一。不同保险公司对同类保险产品的称呼各不相同——“驾乘险”在A公司叫“司机险”，在B公司叫“驾驶人责任险”，在C公司可能又叫“座位险”。这种术语差异给统一管理带来了极大挑战。

我们选择了DeepSeek模型，利用其强大的语义理解能力，实现了保险术语的智能映射和标准化。系统不仅能提取保单的基础信息，更重要的是能够理解不同表述背后的实际含义，并转换为企业内部的标准术语体系：

{ "投保人": "张三物流公司", "车牌号": "川A88888", "保险总额": "100万", "到期日": "2025-12-31", "保险类型_原始": "司机险+机动车辆保险", "保险类型_标准": "驾乘险+商业险+交强险", "保险公司": "某某保险" }

通过建立语义映射表和持续的模型训练，系统的标准化准确率已达到96%以上，极大提升了保险管理的效率和准确性。

04

安全风险视频识别：结构化分析降低误报率

2025年8月，我们部署了基于AI的装载机作业视频二次识别系统。

车载摄像头的一级识别系统虽然响应迅速，但误报率较高，经常将飘动的塑料袋、反光物体误判为人员，也无法判断装载机的运动状态。这些误报如果直接触发告警，会造成“狼来了”效应，降低现场人员的警惕性。因此，我们引入了AI二次识别机制——对一级系统的告警视频进行深度分析，确认是否存在真实的安全风险。

系统的核心在于结构化的分析框架。我们设计了分步骤的识别策略：

第一步：人员识别与定位

· 判断视频中是否出现人员，并给出0-1的置信度评分

· 精确定位人员在画面中的九宫格位置（左上、中上、右上等）

· 详细识别人员着装特征，特别是安全装备的佩戴情况

第二步：车辆运动状态分析

通过分析画面中参照物的位移变化，判断装载机的运动状态

· 区分三种状态：持续运动、减速后停止、持续停止

· 为每个判断提供置信度评分，确保结果的可信度

第三步：结构化输出

系统采用标准化的JSON格式输出，包含人员检测结果、位置信息、着装描述、车辆状态等关键字段。这种结构化数据便于后续的自动化处理和统计分析。

通过这种分步骤、带置信度的识别策略，系统实现了以下性能指标：

车辆运动状态判断准确率：95%

· 人员识别准确率：80%

· 误报过滤率82%

更重要的是，置信度机制让我们能够灵活调整告警阈值。对于高风险场景，可以降低阈值提高灵敏度；对于常规作业，可以提高阈值减少干扰。这种动态调整能力使系统能够适应不同的作业环境和安全要求。

在实际部署中，我们发现结构化的提示词设计是成功的关键。通过明确的任务分解和输出规范，即使是相对简单的模型也能达到较好的识别效果。这个经验对我们后续开发其他AI应用具有重要的指导意义。

05

未来的路——让AI真正懂混凝土

除了上述已经上线的AI应用，我们也正在积极探索更深层次的AI应用。

1. 区域调度算法

不是简单的派单，而是让AI Agent理解整个区域的供需关系，自动协调多个搅拌站之间的运能。想象一下，A站运能过剩，B站订单爆满，AI自动发起区域调度，把A站的空闲搅拌车调配给B站。这不是科幻，我们已经在做原型。

2. 混凝土质量预测

通过分析搅拌车的滚动力矩数据，判断混凝土的质量变化趋势。简单说，就是通过车辆运行数据，提前发现混凝土可能出现的质量问题。比如，混凝土离析了，粘稠度不对了，AI都能提前预警。

写在最后

两年多的AI化历程，从简单的图像识别到复杂的视频分析，从单点应用到系统集成，我们一步步把这个传统行业推向智能化。

最大的感受是什么？AI不是要取代人，而是让人做更有价值的事。

实施过程中，我们在模型选择、提示词工程、系统集成等方面积累了大量经验。这些技术沉淀成为了我们构建行业AI应用的核心竞争力。

混凝土物流的智能化才刚刚开始。下一步，我们想做的是打通整个产业链——从原材料采购到混凝土生产，从物流调度到工地交付，让AI成为整个链条的“大脑”。

这条路还很长，但我们已经在路上了。

来源：砼联科技

编辑：陈丽媛

审核：徐洁

推荐阅读：

2025年华中四省（鄂湘赣豫）混凝土全产业链高质量发展大会在武汉召开

持证上岗 赋能未来 | 中制协试验员职业能力培训与评价启动，颁发双证！

声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。