基于人工智能的海关货运卡口空箱智能感知与分析系统研究-中国口岸科学技术-2025年12期

基于人工智能的海关货运卡口空箱智能感知与分析系统研究

作者：王霄天黄文博马莉姚章亮

王霄天黄文博马莉姚章亮

王霄天¹ 黄文博¹ 马莉¹ 姚章亮^{1 *}

摘要 本研究围绕海关货运卡口空箱识别相关实践，提出智能识别系统建设方案。该系统遵循海关监管作业场所有关规范，依托物联网与人工智能技术，整合空箱集卡关键信息，实现无人化监管，以达成“安全、智能、高效”的建设目标，进而为提升口岸通关效率与海关监管水平提供技术支撑。

关键词 海关货运卡口；空箱智能识别；无人化监管；视频感知；卡口监控

Exploration on an AI-Based Perception and Analysis System for Empty Containers at Customs Freight Checkpoints

WANG Xiao-Tian¹ HUANG Wen-Bo¹ MA Li¹ YAO Zhang-Liang^1*

Abstract This study focuses on the practices related to empty container identification at customs freight checkpoints, and proposes a construction scheme for an intelligent identification system. In compliance with the relevant specifications for customs-supervised operation sites, the system relies on the Internet of Things (IoT) and Artificial Intelligence (AI) technologies to integrate the key information of empty container trucks, thus realizing unmanned supervision. It aims to achieve the construction goals of safety, intelligence and high efficiency, and further provide technical support for enhancing customs clearance efficiency and customs supervision levels.

Keywords customs freight checkpoint; intelligent empty container recognition; unmanned supervision; video perception; checkpoint monitoring

近年来，在全球贸易格局深度变化与科技加速革新的当下，我国高水平对外开放持续推进，进出口贸易规模和复杂度与日俱增，这对海关口岸监管的精准性、高效性提出了挑战。为顺应这一形势，诸多政策文件纷纷出台，如海关总署、国家发展改革委等九个部门发布的《关于智慧口岸建设的指导意见》明确了以口岸设施设备智能化、运行管理数字化、协同监管精准化、综合服务泛在化、区域合作机制化为主要特征的国际一流现代化口岸建设目标。海关总署下发《海关监管作业场所（场地）监控摄像头设置规范》，进一步为海关监管作业场所的监控设备配置明确具体标准。在政策与规范的双重驱动下，如何借助先进技术手段突破传统监管瓶颈、提升口岸监管效能，成为海关监管技术领域亟待攻克的课题。本研究对多技术融合的海关货运卡口空箱识别系统设计与应用开展探索，为推动空箱集卡通关效率提升、监管精准度优化提供技术支撑。

1 海关货运卡口信息化监管现状

当前，海关货运卡口已初步建成信息化监管体系，配备电子道闸、车牌自动识别、地磅称重、视频监控等多类功能系统，并实现与海关监管辅助系统的联网互通，可对车辆通行、基础信息核验等环节进行初步数字化管控；同时，依据《海关监管作业场所（场地）监控摄像头设置规范》要求，车辆进出通道及卡口为重点监控范围，卡口需在车头前方、车尾等关键位置布设专属监控点位，确保监控画面能清晰捕捉车牌信息、驾驶人员状态及车辆尾部细节，且所有监控设备均纳入海关专属管控体系，保障监管数据安全性与可控性。不过，现有卡口信息化设备多聚焦于各自专项功能，空箱识别能力有待提升。在实际通关流程中，集装箱卡车需由司机提前开启箱门，待车辆驶入卡口车道后，由海关协管员人工查验确认空箱状态，核验通过后再手动登记相关信息，整体流程依赖人力操作，存在一定的人为误差风险。

目前，车厢空箱检测技术主要分为X射线检测技术、声学检测技术、光学检测技术，其中X射线检测技术具有高分辨率、高穿透力、可检测金属和非金属等优点，但存在辐射危害、设备昂贵、运行维护复杂等问题，声学与光学检测技术虽无辐射、设备便宜且运行维护简单，却面临分辨率低、穿透力差、易受环境干扰等问题。

2 需求分析

口岸作为国际贸易的关键节点，近年来其货运通关量呈现大幅增长态势。激增的通关需求不仅考验着口岸的承载能力，更对海关空箱集卡监管工作提出了更高要求。传统监管模式下，监管人员需面对海量空箱集卡的核验任务，既要保障通关效率，又要确保监管精准，亟需引入更多信息化、智能化监管手段，实现对空箱集卡状态的实时感知、动态分析与高效核验。当前空箱集卡通关含申报、候检、核验、登记、放行五步，单辆核验需 5～8 min，该模式在人力投入方面需要占用较多资源，且运行状态易受人员操作状态、工作强度等因素影响。而通过强化卡口视频感知能力，整合高清监控、图像采集等设备，结合人工智能、计算机视觉等专业智能分析技术，构建空箱自动识别体系，实现“机器替代人力”的无人化监管，既能减少人为干预带来的不确定性，又能大幅缩短空箱核验时间，让单辆车通关流程压缩至1～2 min，提升口岸通关效率与监管精准度。

3 系统设计

3.1 总体设计

本研究提出的海关货运卡口空箱识别系统的部署架构采用 “分层级、多通道” 的模式搭建，整体可划分为云端平台层、卡口现场设备层两大核心区域：

（1）平台层（海关机房）是数据中枢，含三类设备：云存储集中存储卡口数据，支撑后续核查；全分析智能服务器用深度学习模型分析箱体特征，输出空箱判定结果，采用“GPU 集群+负载均衡”架构，配置8台NVIDIA A100 GPU组成计算集群，单台GPU支持每秒30路高清图像并行处理，集群整体算力达 240 TFLOPS，可满足16条通道同时通行的实时分析需求；同时部署负载均衡器，动态分配任务避免单节点过载；结合模型剪枝压缩等优化手段，有效提升处理效率，将单帧图像识别及全流程延时控制在极低水平，满足海关货运卡口通关时效要求；空箱识别平台服务器集成展示、预警等功能，对接通关系统流转查验结果。

（2）卡口现场设备层覆盖进/出通道，采用“一通道双设备”：每条通道配备空箱识别摄像机（采箱体图）+高清抓拍单元（记车辆信息），支持扩展至N通道适配车流量。

本系统的规划设计始终以合规性与专业性为核心导向，严格遵循国家相关政策法规框架，对标海关行业技术标准体系，从前期需求调研到后期功能验证，每一环均嵌入规范要求，确保系统从架构搭建到功能落地均符合监管要求与行业实践规范。系统设计全面参照海关监管区管理、作业场所设置、监控设备与视频系统技术规范等专项文件，同时契合海关有关工程前端设备选型、物流监控集成系统建设的技术导向，严格遵循视频安防监控与公共安全联网系统的通用标准，通过整合多维度规范要求，构建多规合一的适配逻辑，为系统合规高效运行筑牢基础^[1]。

3.2 场景部署设计

海关货运卡口通关场景会涉及海关监控及查验关员，海关对通过货运卡口通道的货车过卡情况进行监控，引导被查验车辆前往查验场地，通过现场查验并核实是否与申报一致。当空箱集卡通过口岸货运卡口通道时，监管人员会对车辆进行检查，保障监管到位。

（1）在海关货运卡口，通过前端视频监控设备获取通关车辆相关情况，采集相关信息再通过后台进行智能分析判断，对空箱集卡进行识别，判断集装箱卡车是否为空箱。

（2）设备部署需要考虑海关货运卡口的通关环境，在能顺利采集前端物联感知信息的情况下，保障车辆无感通关。

根据海关货运卡口通关环境，在货运通道进入侧，安装空箱识别摄像机，在货车进入通道过程中，提取集装箱卡车车体结构化信息，识别是否为空箱，在货运通道道闸侧，即车头位置，安装高清抓拍单元，获取车辆号码等信息，通过与后台现有数据对比分析后，将结果在系统进行呈现，辅助海关查验及监管。

为了使空箱识别摄像机达到更准确、高效的视频结构化提取效果，设备部署需要考虑到集装箱卡车，特别是对集装箱的大小尺寸进行部署安装。

根据海关货运卡口通道实际安装环境，空箱识别相机建议在货车进入卡口一侧进行安装，安装位置建议在货运通道安全岛外单独立杆上，这样有充足的监控距离，保证空箱识别无死角。设备安装位置区域，建议部署雪糕筒、塑料护栏等设施设备进行防撞隔离，防止通关集装箱卡车驾驶员操作失误发生碰撞。由于条件受限，需要在货运通道左、右两侧部署两台摄像机来完成空箱识别，两台空箱识别摄像机均建议在一般货车停止后距车厢尾部大于6 m的位置安装，左、右侧摄像机尽量贴货运通道侧部署，安装高度建议为2.8～3 m（图1）。

图1 空箱识别摄像机部署示意图

Fig.1 Schematic diagram of camera deployment for empty container recognition

在货运通道道闸侧，即车头位置，部署高清抓拍单元，一方面做车道视频监控，另一方面对通关货车的人车结构化属性进行提取。为满足用户需求，设备需要支持车牌、车型、车身颜色结构化属性提取，并支持内地与港澳三地车牌识别。高清抓拍单元安装高度根据现场环境，需保证车头正对相机，避免遮挡，建议立杆在车道正中位置进行部署（图2）。

针对卡口常见的逆光、夜视、雨雪大雾等复杂环境及相机抖动问题，系统在设备选型与部署中强化适配设计：空箱识别摄像机选用宽动态高清型号，可自动平衡逆光场景下明暗区域对比度，配合红外夜视模块实现24 h清晰成像；镜头搭载防雾涂层并配置加热除霜功能，应对雨雪大雾天气的图像模糊问题。同时，摄像机立杆采用防抖加固设计，底部加装减震基座，减少车辆通行震动导致的相机抖动；通过双机位交叉拍摄的冗余设计，当单台设备受环境干扰时，系统可自动调用另一机位数据进行融合分析，保障识别稳定性。

采用深度学习算法，以海量图片及视频资源为基础，通过机器自身提取目标特征，支持厢式货车后部门开关状态识别，支持厢式货车内部可视范围内装载率识别，通过加载在相同车道两个不同位置相机装载率识别的整合，计算通关车辆是否为空箱。

3.3 系统架构设计

海关货运卡口空箱识别应用平台架构从下而上的分层，包括物联感知层、基础环境层、通用服务层、业务服务层和业务应用层。具体而言：物联感知层包括前端空箱识别摄像机；基础环境层包括JDK、AMQ、PostgreSQL、Tomcat等，作为平台运行的基础，提高系统兼容性；通用服务层包括设备接入框架、联网共享、联网网关、事件服务、地图引擎、媒体网关、录像存储、存储接入服务和云存储等通用服务；业务服务层提供视频监控、空箱识别、智能搜索、智能预警和运维管理等应用服务；业务应用层为用户提供不同应用客户端，满足客户操作体验需求。

4 技术创新

4.1 图像识别空箱检测技术

图像识别技术是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。车厢空箱检测是指利用图像识别技术对车厢内部是否为空载进行判断的过程，主要包括图像采集、预处理、分割、特征提取、分类、分析判断和结果返回等步骤。车厢空箱检测的目的是防止货物丢失或被盗，打击走私以防范监管风险^[2]。

该技术采用目标检测和语义分割双算法并配套定制化推理流程。算法选型上，目标检测模块用改进型YOLOv8模型，经多场景图像训练与算法优化强化箱门特征提取，适配实时通关；语义分割模块采用U-Net++模型，优化解码层并解决数据不平衡问题，可精准分割箱内区域。推理流程采用五阶递进式设计，先完成图像预处理提升数据质量，再识别箱门状态，对开启箱门图像做区域分割与占比计算，融合多机位结果判定，低置信度时联动激光数据交叉验证，保障极端场景判定可靠性。

相较于人工检查及其他技术手段，图像识别技术应用于车厢空箱检测的特点主要有以下几点：

（1）相比于人工检测，图像识别技术可以快速、准确地实现车厢空箱状态自动化检测，大大提高检测效率和准确率。

（2）相比于人工检测，图像识别技术可以避免人员进入车厢内部进行检查，降低了安全风险和污染风险。

（3）相比于其他传感器技术，图像识别技术可适配多样光照、角度与距离条件，具备强鲁棒性和适应性，且针对逆光、雨雪大雾、相机抖动等复杂环境，已通过算法层专项优化保障识别精度 —— 引入自适应光线补偿算法平衡明暗对比、构建雨雪雾天图像去噪模型还原箱体细节、设计抖动图像矫正模块修正画面偏移，有效突破环境因素限制。

（4）相比于其他传感器技术，图像识别技术可以利用现有的摄像头设备，无需额外安装复杂的硬件设备，降低了成本和维护难度。

4.2 激光视觉检测技术

激光视觉技术是一种主动性光学测量技术，原理是主动式高精度光学测量，精度达到厘米级，广泛应用于形态检测、数量识别、运动识别、轨迹跟踪等功能场景，服务于无人驾驶、机器人、国土测绘、数字孪生等应用领域^[3-4]。

对于货运通道入口货柜车通行的监管场景，涉及车道位置、车辆位置、车辆形态、箱体形态、柜门开合状态等信息的采集和检测。采用激光视觉技术进行检测，利用高精度激光测量建立的厘米级坐标系，准确识别车道范围坐标、车辆位置坐标、车厢形态范围坐标、车门位置坐标、开合范围区间等坐标化数据结果^[5]。获取结果的方式以测量为主、计算为辅，能获取精度最高（厘米级）、算力最小、时延最低的检测能力。同时，激光视觉检测不受天气和环境光影响，适用于室外检测环境。

4.3 视频取证技术

采用视频技术作为取证技术，采用焦距2.8 mm广角视频摄像机，水平视场角在100°左右，垂直视场角在60°左右，画面像素在400万，实现高清视频画面取证。利用广角的视角大、视野宽阔的特点，完成近距离（5 m以内）景深的清晰取证。近距离取证主要是从一线关现场的设备安全角度考虑。近距离是指取证摄像机部署在安全岛内侧区域。近距离部署，基于安全岛高于车道超过40 cm，设备不易被车辆碰撞损毁，保障取证的安全性和可靠性。

4.4 多模态融合与交叉验证机制

搭建“图像视觉+激光测量”多模态融合架构，并配套分层交叉验证逻辑，实现空箱识别精度与可靠性双提升。

在多模态融合方面，采用“特征层+决策层”二级策略：特征层通过时间戳与车辆定位对齐，整合摄像机提取的箱体轮廓、箱门状态等视觉特征，以及激光设备采集的厘米级箱体体积、空间占位等几何特征，形成统一特征池；决策层基于加权投票模型融合双模块判定结果，正常天气图像识别权重0.6、激光测量0.4，雨雪雾天等复杂场景则将激光权重提至0.7，保障决策适配性。

5 应用

5.1 视频监控

视频监控系统通过对货运卡口车辆通关监管区域内前端编码设备、后端存储设备、中心传输显示设备、解码设备的集中管理和业务配置，实现视频安防设备接入管理、实时监控、录像存储、检索回放、智能分析、解码上墙控制等功能，满足海关用户多样的视频监控需求^[6]。

5.2 空箱识别

通过配置，自定义海关货运卡口通道，接入空箱识别摄像机，实时展示海关货运卡口集装箱是否为空箱的信息；支持根据海关货运卡口通道、车牌等查询对应的通关录像^[6-8]。海关货运卡口空箱识别应用实现货运卡口对空箱集卡通关的监管，同时，也有利于监控指挥中心对日常监管业务开展高效督察和指挥。

5.3 智能预警

平台支持设置预警场景下的预警任务，预警任务由4个部分组成：基本信息、预警对象、预警范围、预警联动。海关关员可通过系统查看实时预警的推送，页面左侧展示预警推送消息列表，点击预警之后，地图上会定位到相关的点位以及展示预警详情。

5.4 视频质量诊断

在现场测试环境中，发现空箱识别摄像机基本在货运卡口现场部署，由于货车司机驾驶技术存在差别，有时会出现前端空箱识别摄像机被碰到，导致画面不正常的情况。视频质量诊断平台可以对监控点分辨率、监控点在线率、图像正常率、录像完整率和编码设备在线率等进行监测和统计，对各货运卡口运行情况进行排名，海关关员可查看统计数据明细。平台展示监控点在线率、图像正常率数据的趋势图，对视频和图像异常问题进行统计^[9-10]，并支持根据监控点状态、录像状态、视频诊断状态、预览状态对系统运行情况进行评分。

5.5 运维保障与异常处理机制

建立“事前预警—事中处置—事后追溯” 的运维保障与异常处理机制，结合车流量实施算力动态调度，全面保障系统稳定运行。在异常处置上，针对数据传输超时，系统会自动触发本地缓存和断点续传，同时推送预警并标注异常信息；若识别分析延时超阈值，负载均衡器将任务调度至空闲节点，集群高负载时则启动备用节点；设备出现故障时，视频质量诊断平台可实时监测，快速触发1 s内双机热备切换并推送故障工单。算力调度层面，低峰时段会关闭部分节点以节约能耗，高峰时段唤醒备用节点并启动加速引擎，突发拥堵时则优先调度候检车辆数据，确保通关流程不中断。

6 结语

本研究设计的海关货运卡口空箱识别系统，以多维度合规标准为根基，构建 “云端平台 + 卡口现场” 分层架构，搭配 “一通道双设备” 部署与深度学习、激光视觉等核心技术，实现空箱识别自动化。系统通过精准感知、智能分析、全流程数据互通，将单车核验耗时从5～8 min压缩至1～2 min，同步规避人为误差。其视频监控、智能预警等应用及视频质量诊断机制，形成从识别到监管再到运维的完整闭环。该系统既破解了传统监管瓶颈，又契合智慧口岸建设要求，为贸易安全与便利提供坚实技术支撑，具备一定的推广价值。

参考文献

[1]张振宇, 张雪梅, 任文华, 等. 基于5G通信技术的煤矿作业场所智能巡检系统设计[J]. 电子设计工程, 2025, 33(15): 62-66.

[2]范福川. 基于强声激振的集装箱空箱智能检测系统研究[J]. 现代工程科技, 2024, 3(23): 109-112.

[3]王涛. 基于三维激光视觉技术的低对比度图像增强方法[J]. 激光杂志, 2025, 46(8): 117-122.

[4]黄志鹏, 汤志钧. 基于激光视觉的构架3D尺寸检测系统及应用[J]. 机车车辆工艺, 2025, 61(2): 38-42.

[5]陈艳, 余秋月. 计算机视觉识别技术在智能设备中的应用与挑战[J]. 中国设备工程, 2025(16): 45-47.

[6]黄振, 杨顺秀. 车牌抓拍识别在视频监控系统中的应用[J]. 西部交通科技, 2022(10): 173-176.

[7]杨亚琦, 冯锋. 基于RFID在车牌识别技术的研究与应用[J]. 物联网技术, 2024, 14(4): 9-11.

[8]韩越驹. 基于数字图像处理的车牌识别技术研究[J]. 汽车画刊, 2024(3): 155-157.

[9]马瑾. 视频智能AI分析系统的建设与应用[J]. 内蒙古石油化工, 2024, 50(12): 35-39.

[10]王雪. 基于智能视频分析的铁路客运站运营态势感知技术及应用[J]. 铁道运输与经济, 2024, 46(8): 144-152.

基金项目：海关总署科研项目（2025HK180，2025HK186）