轮胎入库过程中需要人工识别确认胎侧代表品类信息，通过生产周期信息，拒收过旧轮胎，再将同一品类和生产周期的轮胎进行分拣堆垛，这当中存在着人力成本高、分拣效率低且人在疲劳状态下容易出错等问题。因此，提出建设一套基于人工智能技术的轮胎自动化入库OCR识别系统，助力轮胎仓储业务实现自动化，提高轮胎入库的效率，进一步降低出错率。

实施思路

一、创新性新技术

使用先进的深度学习算法替代传统算法，使得识别准确率稳定大于99.9%。

二、可实际落地

本案例的实施场景是仓库，在工程落地中充分考虑了仓库的实际情况，如灰尘、轮胎在皮带流水线上存在运动时震动等情况，以防止实际使用中指标下降。

三、向后续业务扩展

该系统具备业务可持续和可扩展性，即对于途虎今后可能经销新品牌的轮胎的需求可兼容。

实施架构

本案例输出产品的架构由硬件和软件部分构成，硬件部分主要是一套拍摄设备加皮带流水线，软件部分主要由神经网络算法负责识别轮胎和周期信息。其架构图如下所示：

应用场景

本案例属于智能仓储物流领域。在仓储物流领域，基于深度学习的工业自动化、智能化仍处于起步阶段，在提高生产效率、控制用工成本等方面有着很大的市场前景。

同时，这套自动化入库识别系统的架构设计不仅可应用在轮胎入库场景下，还可适用于各类需要进行产品入库前的识别，并根据识别进行堆码垛的仓库场景下。该案例的方案是一套通用的，可辅助提升生产效率，融合创新前沿技术的方案，可以在智能仓储物流领域得到极大推广。

实施效果

从性能上来看，在案例实施之前，人力成为主要瓶颈。在本案例建设之后，周转率提升至少是原人工入库的4-6倍。

从指标上来看，由于系统稳定运行准确率保持99.9%，实施后大大降低了由于人工疲劳作业带来的准确率下降的问题。

本案例的方案为途虎轮胎业务提供了强有力的保障，不但提升了供应链周转率，同时提升并保持了稳定的准确率，也奠定了未来业务规模扩展的扎实基础。