西雅图港可能已有100多年的历史，并且正在学习一些非常新的技术。负责监管西雅图海港和西雅图-塔科马国际机场的政府机构正在利用人工智能(AI)和计算机视觉(CV)技术对机场航空货运区的物体进行检测和分类，以提高运营效率。西雅图港高级系统架构师SkipTavakkolian表示，政府机构认为机器学习技术将从根本上改变港口的运营方式。该项目（称为PlaneInsigh）仅仅是个开始。Tavakkolian表示，PlaneInsight项目的主要开发目的是为信息和通信技术(ICT)团队提供使用现代机器学习和计算机视觉技术的第一手经验，尽管他强调这不仅仅是一种学术实践。该港口的航空货运团队希望该项目能够帮助他们提高效率、减少延误并增强货运公司的责任感。“机器学习是ICT和港口以及大多数技术领域的一门新学科，”Tavakkolian说。“因为我们知道机器学习可以做什么，所以我们开始寻找。不使用机器学习技术就无法解决或成本高昂的问题。”Tavakkolian解释说，人工解决方案无法扩展，而现有的自动化解决方案通常依赖于昂贵的专用硬件，例如传感器。“使用计算机视觉使我们能够利用现有的监控摄像头基础设施来处理视频流，并利用我们的数据中心基础设施来收集快照、创建训练数据集、训练神经网络和图像推理（即分析）。”从飞行员到现场，PlaneInsight项目利用港口监控摄像头确定飞机和感兴趣的地面设备（梯子、地面电源设备、皮带装载机等）的类型、位置和总体轮廓。它可以分析飞机舱门的图像，确定停放的飞机类型，并解释其周围环境以及任何可见文本，例如飞机上的航空公司名称。该项目因其使用新兴技术而获得西雅图港的FutureEdge50奖。Tavakkolian和Port西雅图的CIOMattBreed于2016年开始探索在港口使用机器学习和计算机视觉。2017年，Tavakkolian与该港口的航空和电气系统总工程师ChrisEvans密切合作，为该港口的创智赢家创新活动原型构建了一个简单的计算机视觉概念验证。基于这个原型，空中运营总监和航空货运运营和开发经理启动了试点项目，后来成为PlaneInsight项目。“最初决定在分类器原型上投入适当的时间和计算资源完全是ICT部门的决定，”Tavakkolian说，但SharkTank活动帮助赢得了分类器原型业务的支持。“该活动允许将想法和原型呈现给港口内的各个高管，如果可以获得试点项目的一些资金，这些想法和原型可以进入下一阶段。”随着高管开始支持该项目，信息和通信技术与航空货运运营团队密切合作，以确定对实时使用、调查分析和历史趋势分析有用的信息类型。Tavakkolian指出，到目前为止，这两个团队正在继续寻找对象检测数据的其他功能和用途。PlaneInsight项目培训最大的挑战仍然存在：找到使PlaneInsight项目发挥作用的专业知识。“从整体上学习机器学习技术和计算机视觉技术并加以使用，学习这些工具和框架，如Tensorflow，然后帮助其他人理解机器学习概念是最大的挑战，”Tavakkolian说。学习技术方面的专业知识需求量很大，想要利用机器学习并且不能仅在薪酬方面与其他公司竞争的组织将需要制定一项计划来培训现有员工。”培训员工并不是唯一的问题。PlaneInsight项目核心的卷积神经网络(CNN)需要用于迁移学习的训练数据集。创建这样的数据集是一项繁琐的工作：它需要注释数千张图像。每个图像中的感兴趣对象必须被标记（例如，“波音737”），定义它的位置（例如，它周围的边界框），并勾勒出它的形状（例如，在飞机轮廓上绘制的多边形）。这是一项耗时的工作，并且没有针对飞机和地面设备的标准训练数据集。为了解决这个问题，港口推出了一个新的高中暑期机器学习技术实习计划。“将近一半的训练数据集是由我们的高中实习生创建的，”Tavakkolian说。该港口于2019年部署了PlaneInsight飞行员，此后一直在运行。Tavakkolian表示，该项目不仅帮助航空货运团队提高了效率，还提高了组织内部对机器学习技术的认识，港口还发现了机器学习技术的更多操作用途，包括路线查找（使用自然语言处理）。和机器翻译）、地面运营、安全、库存等。航空货运团队希望使用计算机视觉来自动化设备库存，验证和比较不同地点的实际运营与计划运营，并计算计划运营与实际运营之间的差异。甚至一些现有的提案请求(RFP)程序也已升级为使用机器学习技术。“IT专业人员熟悉技术领域的条件和变化速度，”Tavakkolian说。“通用机器学习技术，尤其是深度神经网络，是自20世纪90年代中期互联网广泛普及以来就已经存在的现成技术。可能对信息技术领域产生最具变革性的影响。最好是现在就为这种趋势做好准备吧。”
