1. หน้าแรก
2. Solutions
3. Container Recognition

ระบบอ่านรหัสตู้คอนเทนเนอร์อัตโนมัติด้วย AI

ทุกครั้งที่รถบรรทุกตู้คอนเทนเนอร์ผ่านเข้าประตูท่าเรือหรือคลังสินค้า ต้องมีคนอ่านรหัส 11 ตัวอักษรบนตัวตู้แล้วจดบันทึกลงระบบ — ขั้นตอนที่ดูเล็กแต่ทำให้รถต่อคิว และพลาดง่ายเมื่อรีบหรือแสงไม่พอ ระบบอ่านรหัสตู้คอนเทนเนอร์ด้วย AI หรือที่เรียกกันทั่วไปว่า กล้องอ่านคอนเทนเนอร์ ใช้กล้องร่วมกับโมเดล AI ที่ Dolly Solutions พัฒนาขึ้นเอง อ่านรหัสมาตรฐาน ISO 6346 จากภาพโดยอัตโนมัติ ไม่ต้องเปลี่ยนกล้องทั้งระบบเสมอไป — เราเริ่มทุกโครงการจาก Pilot กับกล้องและ Lane จริงของคุณ เพื่อดูก่อนว่ามุมกล้อง แสง และความเร็วรถที่หน้างานจริงพร้อมแค่ไหน แล้วค่อยปรับจนอ่านได้แม่นยำก่อนติดตั้งถาวร

📦 รหัสตู้คอนเทนเนอร์คืออะไร

ตู้คอนเทนเนอร์ทุกใบมีรหัสระบุตัวตนตามมาตรฐานสากล ISO 6346 ประกอบด้วย 3 ส่วน:

• รหัสเจ้าของ (Owner Code) — ตัวอักษร 3 ตัว + ตัวอักษรหมวดหมู่ 1 ตัว (ปกติคือ "U" สำหรับตู้ขนส่งสินค้า) รวม 4 ตัวอักษร
• หมายเลขลำดับ (Serial Number) — ตัวเลข 6 หลัก
• เลขตรวจสอบ (Check Digit) — ตัวเลข 1 หลักสำหรับยืนยันความถูกต้องของรหัสทั้งชุด

ปกติแล้วรหัสนี้ต้องมีพนักงานเดินไปอ่านและจดด้วยมือ ซึ่งกลายเป็นคอขวดของจุดตรวจที่มีตู้ผ่านเข้าออกวันละมากๆ AI OCR เข้ามาแทนที่ขั้นตอนนี้ด้วยการอ่านจากภาพกล้องโดยตรง อ่านเร็วกว่า และมีภาพเก็บไว้ตรวจสอบย้อนหลังได้ (อ้างอิงจากมาตรฐาน ISO 6346:2022 และคู่มือรหัสตู้คอนเทนเนอร์จาก BIC (Bureau International des Containers))

ข้อควรเข้าใจ: Check Digit ช่วยบอกว่าชุดอักขระที่อ่านได้สอดคล้องกับสูตรหรือไม่ แต่รหัสที่ผ่าน Check Digit ยังต้องผูกกับภาพหลักฐาน เวลา Lane และสถานะการตรวจทาน เพื่อให้ย้อนกลับไปตรวจเหตุการณ์จริงได้

⏱️ ปัญหาของการตรวจสอบตู้คอนเทนเนอร์แบบ Manual

งานจดรหัสตู้ด้วยมือฟังดูง่าย แต่ปัญหาที่ตามมามีมากกว่าที่คิด:

• คอขวดที่ประตูเข้า-ออก — ช่วงเวลาเร่งด่วนที่มีรถบรรทุกตู้เข้าคิวจำนวนมาก การจดรหัสด้วยมือทำให้การตรวจสอบล่าช้า
• อ่านผิด/จดผิด — รหัส 11 ตัวอักษรที่คล้ายกันอ่านสลับกันได้ง่าย โดยเฉพาะในสภาพแสงน้อยหรือฝนตก
• ไม่มีบันทึกอัตโนมัติ — ต้องพึ่งพนักงานกรอกข้อมูลเข้าระบบภายหลัง ซึ่งอาจตกหล่นหรือกรอกผิด
• ตรวจสอบย้อนหลังยาก — หากไม่มีภาพและเวลาบันทึกคู่กับรหัสตู้ การตรวจสอบข้อพิพาทเรื่องตู้ทำได้ยาก

🤖 ระบบทำงานอย่างไร

กล้องจับภาพตัวตู้ที่ประตูเข้า-ออก แล้ว AI model อ่านรหัส ISO 6346 พร้อมบันทึกภาพและเวลาไว้เป็นหลักฐาน

• กล้องจับภาพตัวตู้ ตามตำแหน่ง Lane และ Trigger ที่ออกแบบไว้ การอ่านขณะรถเคลื่อนผ่านควรยืนยันด้วย Pilot ภายใต้ช่วงความเร็วและสภาพแสงจริง
• AI model อ่านรหัสจากภาพ แยกส่วนรหัสเจ้าของ หมายเลขลำดับ และเลขตรวจสอบ ตรวจทานความถูกต้องของรหัสตามสูตร ISO 6346 ก่อนบันทึก
• บันทึกภาพ + เวลา + รหัสตู้ เป็นหลักฐานอ้างอิงเมื่อเกิดข้อพิพาท
• วางแผนส่งข้อมูลต่อ หลังยืนยัน Protocol, Data Mapping, สิทธิ์เข้าถึง และกฎอนุมัติของระบบ Gate, WMS หรือ YMS ที่ต้องเชื่อม

ขอบเขตระบบ: อะไรคือ Core และอะไรเป็น Optional

คำว่า Container OCR มักถูกใช้รวมหลายความสามารถ แต่โครงการหนึ่งไม่จำเป็นต้องติดตั้งทุกโมดูลพร้อมกัน การแยกขอบเขตตั้งแต่ต้นช่วยให้เลือกกล้อง วางเกณฑ์ทดสอบ และเชื่อมระบบได้ตรงกับงานจริงมากกว่า

🔧 องค์ประกอบที่ต้องออกแบบให้เหมาะกับหน้างาน

ความแม่นยำของ Container OCR ไม่ได้ขึ้นอยู่กับโมเดล AI เพียงอย่างเดียว แต่ขึ้นอยู่กับกล้อง เลนส์ แสง และตำแหน่งติดตั้งที่เข้ากันพอดี แนวทางของเราคือทดสอบทุกองค์ประกอบนี้ในช่วง Pilot ก่อน แล้วค่อยสรุปแบบที่เหมาะกับแต่ละ Lane:

• ประเมินกล้องเดิมก่อนนำกลับมาใช้ โดยตรวจ Pixel Density, Shutter, มุมภาพ แสง และความคมชัดกับตู้จริง
• ปรับโมเดลตามหน้างานได้ เช่น มุมกล้อง สภาพแสง หรือรูปแบบรหัสเฉพาะที่พบในสถานที่นั้น
• กำหนด Data Contract ก่อนเชื่อมระบบ ระบุ Event ID, เวลา, Lane, รหัสที่ Normalize, ภาพหลักฐาน และสถานะ Review โดยรูปแบบรับส่งจริงต้องยืนยันกับเจ้าของระบบปลายทาง

Event Record ที่ตรวจย้อนหลังได้ควรมีอะไร

ผล OCR ที่มีเพียงข้อความหนึ่งบรรทัดยังไม่พอสำหรับงาน Gate เมื่อเกิดรหัสซ้ำ อ่านไม่ครบ หรือมีข้อโต้แย้ง เจ้าหน้าที่ต้องย้อนจากรหัสไปยังภาพต้นฉบับ รถ เวลา และช่องทางได้ จึงควรกำหนดข้อมูลขั้นต่ำของหนึ่งเหตุการณ์ก่อนเริ่มเชื่อม API

• Event ID และเวลา — ใช้ระบุเหตุการณ์เดียวกันตลอดการส่งต่อ แก้ไข และ Retry
• Container Code แบบ Normalize — แยก Owner Code, Equipment Category, Serial Number และ Check Digit
• Lane และทิศทาง — ระบุจุดเกิดเหตุการณ์และทิศทางเข้า-ออก
• ภาพหลักฐาน — เก็บเฟรมที่ใช้ตัดสินผล และภาพมุมอื่นตามขอบเขตโครงการ
• Confidence และ Validation — แยกความเชื่อมั่นของโมเดลออกจากผลตรวจ Check Digit
• Review Status — ระบุว่า Auto-accepted, รอตรวจ, แก้ไขโดยเจ้าหน้าที่ หรือถูกปฏิเสธ
• ข้อมูลเชื่อมโยง — ทะเบียนรถ Booking, Visit หรือ Work Order เมื่อระบบเดิมมีข้อมูลเหล่านี้

🏭 เหมาะกับหน้างานแบบไหน

1. ประตูท่าเรือและลานตู้คอนเทนเนอร์ (Container Yard)

เป้าหมายคือบันทึกรหัสตู้ ภาพ และเวลาให้เป็น Event เดียวสำหรับตรวจย้อนหลัง ส่วนผลต่อเวลารอและอัตราความผิดพลาดควรวัดจาก Baseline และ Pilot ของ Gate จริงก่อนสรุปผลโครงการ

2. คลังสินค้าและศูนย์กระจายสินค้าโลจิสติกส์

เป้าหมายคือสร้างข้อมูลรหัสตู้ เวลา Lane และภาพหลักฐานเพื่อช่วยจับคู่กับใบสั่งงานหรือ Visit ที่ระบบเดิมมีอยู่ ผลด้านเวลาและภาระงานต้องประเมินจาก Workflow จริง รวมถึงกรณีที่ต้องส่งให้พนักงานตรวจทาน

3. ประตูโรงงานที่รับ-ส่งตู้คอนเทนเนอร์

เป้าหมายคือใช้รหัสตู้และภาพประกอบการตรวจสอบก่อนผ่าน Gate การสั่งไม้กั้นหรืออนุมัติรถต้องอาศัยกฎธุรกิจ สิทธิ์ และข้อมูลจากระบบเดิมร่วมด้วย ไม่ควรใช้ผล OCR เพียงค่าเดียวเป็นคำสั่งอนุมัติ

ก่อนกำหนดความแม่นยำ: Pilot ต้องพิสูจน์อะไรบ้าง

ตัวเลขจาก Datasheet หรือการสาธิตในสภาพควบคุมไม่ควรถูกนำมาใช้แทนผลที่ Gate จริง Pilot ที่ดีต้องใช้ภาพและ Workflow ของหน้างานเดียวกับที่จะติดตั้ง เพื่อหาจุดที่อ่านไม่ได้และตกลงวิธีจัดการก่อนกำหนด SLA

1. เก็บตัวอย่างที่ครอบคลุม: ภาพกลางวัน กลางคืน แสงย้อน ฝน ความเร็วรถที่ใช้งานจริง ตู้สีต่างกัน และรหัสที่ซีดหรือมีคราบ
2. กำหนดเกณฑ์วัดก่อนทดสอบ: แยกอัตราอ่านรหัสครบ, No-read, เหตุการณ์ที่ต้องตรวจทาน และเวลาตอบสนอง ไม่รวมทุกตัวเลขเป็นคำว่า “Accuracy” ค่าเดียว
3. ประเมินกล้องเดิม: ตรวจจำนวนพิกเซลบนตัวอักษร Shutter, Motion Blur, มุมเอียง สิ่งบัง และแสงเสริม ก่อนตัดสินใจซื้ออุปกรณ์ใหม่
4. ทดสอบ Trigger และ Manual Review: ตรวจว่าระบบเลือกเฟรมได้ถูกคัน จับคู่รถ-ตู้ไม่สลับ และส่งเหตุการณ์ Confidence ต่ำให้เจ้าหน้าที่ตรวจได้
5. สรุปแบบ Production: ระบุจำนวนกล้อง จุดติดตั้ง Data Mapping, Retry, สิทธิ์อนุมัติ นโยบายเก็บภาพ และแผน Fallback เมื่อระบบหรือเครือข่ายขัดข้อง

อ่าน Checklist การออกแบบกล้องและ Pilot ที่ Gate

📋 สิ่งที่ควรพิจารณาก่อนเลือกระบบ

ปัจจัย	คำถามที่ควรถามผู้ให้บริการ
ความเข้ากันได้ของกล้อง	ต้องใช้กล้องยี่ห้อเฉพาะหรือใช้กล้อง IP ที่มีอยู่แล้วได้
สภาพหน้างาน	รองรับความเร็วรถ มุมกล้อง และสภาพแสง/ฝนของจุดติดตั้งจริงหรือไม่ ควรทดสอบหน้างานก่อนติดตั้งถาวร
การเชื่อมต่อระบบเดิม	ส่งข้อมูลออกผ่าน API/webhook เชื่อมกับระบบบริหารจัดการที่มีอยู่แล้วได้หรือไม่
การเก็บหลักฐาน	บันทึกภาพคู่กับรหัสและเวลาไว้ตรวจสอบย้อนหลังได้หรือไม่

❓ คำถามที่พบบ่อย (FAQ)

Q: ระบบนี้ติดตั้งใช้งานจริงแล้วหรือยัง?

โมเดล AI สำหรับอ่านรหัสตู้คอนเทนเนอร์เป็นการต่อยอดจากงาน AI camera recognition ที่ทีมพัฒนาอยู่แล้ว (กล้องอ่านป้ายทะเบียนรถ, กล้อง AI OCR อ่านค่าจอมิเตอร์) — สำหรับหน้างานตู้คอนเทนเนอร์โดยเฉพาะ ทีมงานรับพัฒนาและทดสอบเป็นโครงการนำร่องตามสภาพหน้างานจริงของแต่ละสถานที่

Q: อ่านรหัสได้แม่นยำแค่ไหน?

ความแม่นยำขึ้นอยู่กับความเร็วรถ มุมกล้อง สภาพแสง และสภาพผิวตู้ (สนิม รอยเปื้อน) ในแต่ละหน้างาน แนะนำให้ทดสอบกับตู้และจุดติดตั้งจริงก่อนตัดสินใจติดตั้งถาวร

Q: ต้องเปลี่ยนกล้องเดิมไหม?

อาจใช้กล้องเดิมได้เมื่อภาพจากหน้างานผ่านเกณฑ์ Pilot ทั้งความคมชัด มุม แสง Shutter และจำนวนพิกเซลบนตัวอักษร หากไม่ผ่านอาจต้องปรับเลนส์ ตำแหน่ง แสง หรือ Trigger และบางกรณีอาจต้องเปลี่ยนกล้อง

Q: เชื่อมต่อกับระบบท่าเรือ/คลังสินค้าที่มีอยู่แล้วได้ไหม?

วางแผนเชื่อมต่อได้หลังตรวจสอบ Protocol, Data Mapping, Authentication และกฎธุรกิจของระบบเดิม รูปแบบ API, Webhook หรือ Middleware ต้องยืนยันเป็นรายโครงการ และหน้านี้ไม่ได้รับรองว่ามี Connector สำเร็จรูปสำหรับทุกระบบ

📞 ปรึกษาโครงการนำร่อง

สนใจทดสอบระบบอ่านรหัสตู้คอนเทนเนอร์กับหน้างานจริง ติดต่อทีมงานเพื่อคุยรายละเอียดหน้างานและขอบเขตโครงการนำร่อง:

ข้อมูลที่ช่วยให้ทีมประเมิน Pilot ได้เร็วขึ้น

• จำนวน Lane, ทิศทางรถ และช่วงความเร็วที่ใช้งานจริง
• ภาพหรือคลิปจากกล้องเดิมทั้งกลางวันและกลางคืน พร้อมตำแหน่งติดตั้งโดยประมาณ
• ตัวอย่างรหัสตู้ที่อ่านง่ายและอ่านยาก โดยปิดข้อมูลลูกค้าหรือข้อมูลอ่อนไหวก่อนส่ง
• ระบบปลายทางที่ต้องรับข้อมูล เช่น Gate, WMS, YMS, ERP หรือฐานข้อมูลกลาง
• ข้อมูลที่ต้องเก็บต่อ Event และระยะเวลาที่ต้องค้นภาพย้อนหลัง

• โทร: 02-105-4034 (สำนักงานใหญ่) — Mon-Fri 8:30-17:30 / Sat 8:30-12:00
• LINE: @dollysolutions
• ติดต่อทีม Project Consultation: contactus

คู่มือวางระบบ Container Recognition

อ่านต่อจากหัวข้อที่ตรงกับงานของคุณ ตั้งแต่โครงสร้างรหัส จุดติดตั้งกล้อง ความต่างจาก LPR ไปจนถึงการส่ง Event เข้า WMS/YMS

รหัสตู้ ISO 6346 และ Check Digitเข้าใจ Owner Code, Serial Number, Check Digit และขอบเขตที่การตรวจรหัสยืนยันได้ ออกแบบกล้องและ Pilot ที่ Gateประเมินมุม เลนส์ Shutter แสง Trigger และชุดข้อมูลก่อนกำหนดแบบติดตั้ง Container OCR ต่างจาก LPR อย่างไรแยกรหัสตู้กับทะเบียนรถ และออกแบบการจับคู่รถ–ตู้ให้เป็น Event เดียว เชื่อม Container OCR กับ WMS/YMSวาง Event Contract, Retry, Deduplication และ Manual Review โดยไม่ผูกกับ API รายใด

ดูโซลูชันที่เกี่ยวข้อง: กล้อง AI OCR สำหรับงานอุตสาหกรรม · กล้องอ่านป้ายทะเบียนรถ LPR · ระบบ Gate และลานจอดรถ · ระบบควบคุมการเข้าออก · ระบบ AGV และคลังสินค้าอัตโนมัติ