Container OCR vs LPR ต่างกันอย่างไร และควรใช้ระบบไหนที่ Gate

Container OCR และ LPR อ่านอะไร แตกต่างกันตรงไหน

LPR หรือ ANPR มุ่งตรวจหาและอ่านอักขระบนแผ่นป้ายทะเบียนรถ ผลลัพธ์หลักจึงเป็นหมายเลขทะเบียน และอาจมีประเทศหรือรูปแบบป้าย ความมั่นใจ ภาพป้าย ภาพรวม เวลา ช่องทาง และทิศทาง ทั้งนี้ขึ้นกับผลิตภัณฑ์และขอบเขตที่เลือก ข้อมูลนี้เหมาะกับการระบุหัวลาก รถบรรทุก รถพ่วง หรือรถบริการที่ผ่านจุดควบคุม

Container OCR หรือ Container Code Recognition มุ่งอ่านรหัสประจำตู้ตามรูปแบบที่ใช้ในงานขนส่ง โดยรหัส ISO 6346 ที่พบทั่วไปประกอบด้วยอักษรระบุเจ้าของ 3 ตัว อักษรหมวดอุปกรณ์ 1 ตัว หมายเลขลำดับ 6 หลัก และ Check Digit 1 หลัก รวมเป็น 11 ตัว รหัสนี้ระบุ “ตู้” ไม่ได้ระบุรถที่บรรทุกตู้ และไม่ควรถูกตีความว่าเป็นหลักฐานว่าตู้ได้รับอนุญาตให้ผ่านโดยอัตโนมัติ

บางผลิตภัณฑ์รวมการอ่านป้ายทะเบียนและรหัสตู้ไว้ในแพลตฟอร์มเดียว ขณะที่บางสถาปัตยกรรมใช้กล้องหรือ Engine แยกกัน เอกสารของ Hikvision และ Dahua แสดงแนวคิดโซลูชันแบบหลายกล้อง ส่วน Plate Recognizer นำเสนอซอฟต์แวร์อ่านรหัสจากภาพ/สตรีม และ Adaptive Recognition นำเสนอกล้อง Edge ที่ออกแบบสำหรับรหัสตู้โดยเฉพาะ ตัวเลือกเหล่านี้สะท้อนว่า “Container OCR” ไม่ได้หมายถึงฮาร์ดแวร์รูปแบบเดียว

เปรียบเทียบตัวระบุ: ป้ายทะเบียนกับรหัส ISO 6346

ก่อนเชื่อมข้อมูล ต้องกำหนดความหมายของ Identifier ให้ตรงกัน ป้ายทะเบียนอาจเปลี่ยนตามรถหรือหัวลาก และรูปแบบแตกต่างตามประเทศ ส่วนรหัสตู้มีโครงสร้างสากลที่มุ่งระบุตู้ แต่พื้นผิวจริงอาจซีด เป็นสนิม เปื้อน มีแนวตั้ง/แนวนอน หรือถูกอุปกรณ์บัง จึงต้องแยก “รูปแบบข้อมูลที่ถูกต้อง” ออกจาก “ภาพที่อ่านง่าย”

Check Digit ช่วยอะไร และช่วยไม่ได้อะไร

ระบบ Container OCR สามารถคำนวณ Check Digit จากอักขระก่อนหน้าแล้วเปรียบเทียบกับหลักสุดท้ายได้ หากไม่ตรง ระบบควรลดสถานะความน่าเชื่อถือหรือส่งให้เจ้าหน้าที่ตรวจภาพ แทนการแก้เลขเองโดยไม่มีหลักฐาน อย่างไรก็ตาม การที่ Check Digit ตรงไม่ได้แปลว่ารหัสนั้นอยู่ในรายการนัดหมาย อยู่กับรถที่ถูกต้อง หรือได้รับอนุญาตให้ผ่าน Gate เรื่องเหล่านี้ต้องตรวจต่อกับข้อมูลธุรกิจของหน้างาน

Normalized value ต้องไม่ทำลาย Raw value

ตัวอักษรที่สับสน เช่น O กับ 0, I กับ 1 หรือ B กับ 8 อาจถูกปรับรูปแบบเพื่อให้ระบบปลายทางค้นหาได้ แต่ควรเก็บค่าที่ OCR อ่านครั้งแรก ภาพต้นฉบับ ค่า Confidence และผลการแก้ไขของเจ้าหน้าที่ไว้ด้วย การเก็บเฉพาะค่าที่ Normalize แล้วทำให้ตรวจสาเหตุย้อนหลังยาก และอาจซ่อนปัญหามุมกล้องหรือแสงที่ควรแก้ที่ต้นทาง

Workflow ใช้งานจริง: จากรถเข้า Lane ถึงผลตัดสินใจ

1. กำหนด Trigger: ใช้ Loop, Radar, Photoelectric Sensor หรือ Video Analytics ตามสภาพ Lane เพื่อระบุช่วงที่ควรจับภาพ ไม่ควรให้ระบบอ่านทุกเฟรมตลอดเวลาโดยไม่มี Event Boundary
2. จับภาพรถและป้าย: กล้อง LPR จับป้ายในระยะและมุมที่ออกแบบ พร้อมภาพรวมที่ช่วยยืนยันรถคันเดียวกัน
3. จับภาพรหัสตู้: กล้อง Container OCR จับด้านหรือท้ายตู้ตามทิศทางวิ่ง หากต้องอ่านตู้สองใบหรือหลายตำแหน่งต้องกำหนด topology แยก
4. Validate รายระบบ: ตรวจรูปแบบป้ายและรหัสตู้ แยก Confidence และเหตุผลที่ไม่ผ่าน หลีกเลี่ยงการใช้คะแนนเดียวแทนคุณภาพทุกช่องข้อมูล
5. จับคู่เหตุการณ์: ใช้ Lane, ทิศทาง, Trigger ID และ Time Window เพื่อผูกผล LPR กับ Container OCR โดยมีวิธีจัดการกรณีรถจอด ถอย หรือมีรถสองคันอยู่ใกล้กัน
6. ตรวจข้อมูลธุรกิจ: เปรียบเทียบกับรายการนัดหมาย ใบงาน สิทธิ์รถ หรืองานรับ-ส่งตู้ใน WMS/YMS/TOS ตามระบบจริงขององค์กร
7. ตัดสินใจและเก็บหลักฐาน: เปิดไม้กั้น ส่งเข้าคิวเจ้าหน้าที่ หรือปฏิเสธตามกฎที่อนุมัติ พร้อมบันทึกภาพ เวลา ผู้ตรวจ และเหตุผล

หลักสำคัญคือให้ “การอ่านอักขระ” แยกจาก “การตัดสินใจทางธุรกิจ” OCR ทำหน้าที่เสนอ Identifier และหลักฐาน ส่วนสิทธิ์ผ่าน Gate ควรมาจากกฎและข้อมูลของเจ้าของระบบ เช่น Appointment, Booking, Work Order หรือ Whitelist ที่มีการกำกับดูแล

วิธีจับคู่รถกับตู้ให้เป็น Event เดียว

การมีเลขทะเบียนและรหัสตู้ในฐานข้อมูลเดียวกันยังไม่เพียงพอ ต้องพิสูจน์ว่าทั้งสองค่ามาจากการผ่าน Lane ครั้งเดียวกัน วิธีที่น่าเชื่อถือกว่าการจับคู่ด้วยเวลาอย่างเดียวคือสร้าง Event ID ตั้งแต่ Trigger แรก แล้วให้ภาพจากทุกกล้องอ้างถึง Event นั้น หากอุปกรณ์สร้างเหตุการณ์แยกกัน Integration Layer ต้องมีกฎรวมเหตุการณ์ที่ตรวจสอบและทดสอบได้

ข้อมูลขั้นต่ำที่ควรใช้จับคู่

• Lane และทิศทาง: ป้องกันการจับคู่ข้ามช่องทางหรือขาเข้า-ขาออก
• เวลาแบบ Synchronize: กล้องและ Server ควรอ้างอิงเวลาที่สอดคล้องกัน พร้อมบันทึก Timezone
• Trigger/Correlation ID: ช่วยเชื่อมภาพหลายแหล่งโดยไม่ต้องเดาจากเวลาเพียงอย่างเดียว
• ลำดับและสถานะวัตถุ: รองรับรถหยุด รถถอย รถพ่วงยาว ตู้คู่ หรือการอ่านซ้ำใน Event เดียว
• หลักฐานภาพ: เจ้าหน้าที่ต้องเปิดภาพรถ ป้าย และรหัสตู้จาก Event เดียวกันได้เมื่อระบบแจ้งค่าคลุมเครือ

เมื่อ Confidence ของสองระบบไม่เท่ากัน

ไม่ควรเฉลี่ยคะแนน LPR กับ Container OCR เป็นค่ากลางเดียว ตัวอย่างเช่นทะเบียนชัดแต่รหัสตู้ไม่ผ่าน Check Digit ควรถือว่า Vehicle Identifier พร้อมใช้ แต่ Container Identifier ต้องตรวจทาน Event ยังอยู่ในสถานะรอ ไม่ใช่ผ่านหรือไม่ผ่านทั้งชุดโดยอัตโนมัติ การออกแบบสถานะแยกรายช่องช่วยลดทั้ง False Accept และการหยุดรถโดยไม่จำเป็น

หากต้องส่ง Event ต่อไปยังระบบคลังหรือลานตู้ อ่านคู่มือ แนวทางเชื่อม Container OCR กับ WMS/YMS ซึ่งอธิบาย Canonical Event, Idempotency, Retry และ Manual Review โดยไม่ผูกกับผู้ผลิตรายใด

Selection Matrix: เลือก LPR, Container OCR หรือทั้งสองระบบ

เกณฑ์ Pilot ที่ควรเขียนก่อนทดสอบ

อย่าเริ่ม Pilot ด้วยคำว่า “ขอความแม่นยำสูง” เพราะวัดซ้ำไม่ได้ ควรกำหนดชุดทดสอบที่ครอบคลุมกลางวัน กลางคืน ฝน เงาสะท้อน ตู้สีอ่อน/เข้ม รหัสซีด รถหลายความเร็ว และกรณีผิดปกติ จากนั้นแยกผลเป็นอ่านถูกอัตโนมัติ ส่งตรวจทาน อ่านไม่ได้ และจับคู่ผิด พร้อมกำหนดว่ากรณีใดมีผลต่อการเปิด Gate การคิดเวลา หรือเอกสารรับส่ง

สำหรับงานที่ความผิดพลาดมีผลสูง ควรประเมินทั้งความแม่นยำของแต่ละช่องข้อมูล ความครบถ้วนของ Event และเวลาที่เจ้าหน้าที่ใช้ตรวจ ไม่ใช่ดูเฉพาะเปอร์เซ็นต์ OCR จากภาพที่คัดมาแล้ว

7 ข้อผิดพลาดที่พบบ่อยในการเลือกและออกแบบระบบ

1. คิดว่า LPR อ่านรหัสตู้ได้โดยอัตโนมัติ: โมเดลป้ายทะเบียนกับโมเดลรหัสอุตสาหกรรมอาจมี Training data และ Validation ต่างกัน ต้องยืนยันความสามารถจากเอกสารและการทดสอบจริง
2. ใช้กล้องมุมเดียวกับทุกวัตถุ: ตำแหน่งป้ายและรหัสตู้ต่างระดับ ต่างระยะ และต่างมุม ทำให้ภาพอย่างใดอย่างหนึ่งเล็กหรือบิดเกินไป
3. เชื่อ Check Digit มากเกินไป: Check Digit ไม่ได้ยืนยัน Appointment, Owner, Cargo หรือสิทธิ์ผ่าน Gate
4. จับคู่ด้วย Timestamp อย่างเดียว: รถติดกัน รถจอด หรือเวลาอุปกรณ์คลาดเคลื่อนอาจทำให้ผูกรถผิดตู้ ควรมี Lane และ Correlation signal เพิ่ม
5. ไม่เก็บภาพและ Raw result: เมื่อมีข้อโต้แย้งจะไม่ทราบว่า OCR อ่านผิด ภาพไม่ชัด หรือเจ้าหน้าที่แก้ข้อมูลภายหลัง
6. ตั้ง Threshold เดียวทุกสภาพ: Confidence ของแต่ละ Engine ไม่ได้มีความหมายเท่ากัน และความเสี่ยงของแต่ละช่องข้อมูลต่างกัน ต้องปรับจาก Validation set ของโครงการ
7. วัดเฉพาะ Demo ที่ดีที่สุด: ควรทดสอบ Representative sample รวมกรณีตู้เสียหาย ฝน กลางคืน รถถอย และตู้คู่ เพื่อเห็นภาระ Manual Review จริง

คำถามที่พบบ่อย