Słabe zdjęcie CMR wraca od razu do kierowcy. Czytelny dokument trafia do rozliczenia z podanym źródłem każdego pola.
Kierowca wysyła zdjęcie CMR lub potwierdzenia dostawy. System najpierw sprawdza jasność, kontrast, ostrość i kadr. Jeśli zdjęcie jest zbyt słabe, prosi o nowe ujęcie. Czytelny dokument przechodzi jedną ekstrakcję, a operator sprawdza wynik przed dalszym użyciem.
Sprawdzony zakres demonstracji
Demonstracja obejmuje przygotowane warianty obrazu CMR. Nieczytelne zdjęcia zostają zatrzymane przed odczytem, a wynik czytelnego dokumentu czeka na kontrolę operatora.
- Zapisany test
- Sprawdzony zakres demonstracji
- Co sprawdziliśmy
- Dokumenty przewozowe
- Dane pomiaru
- dane testowe
Problem, rozwiązanie i wynik
Dlaczego błędne zdjęcie blokuje rozliczenie
Operator otwiera każde zdjęcie, próbuje odczytać pola i dopiero wtedy odkrywa, że dokument jest prześwietlony, ciemny lub ucięty. Prośba o nowe ujęcie wraca do kierowcy z opóźnieniem.
Co robi system
System najpierw ocenia pięć cech obrazu. Zdjęcie poniżej ustalonego progu zostaje zatrzymane i wraca z prośbą o poprawę. Czytelny dokument przechodzi odczyt, a operator sprawdza wynik.
Co sprawdziliśmy
Demonstracja obejmuje przygotowane warianty obrazu CMR. Nieczytelne zdjęcia zostają zatrzymane przed odczytem, a wynik czytelnego dokumentu czeka na kontrolę operatora.
Dla kogo
Ten system pasuje do przewoźnika lub spedytora, który otrzymuje zdjęcia dokumentów z trasy i traci czas na ręczne wykrywanie nieczytelnych ujęć.
Zdjęcie → kontrola jakości → odczyt → decyzja
- 01Jakość obrazu jest sprawdzana przed wywołaniem modelu
- 02Zdjęcie poniżej progu 0,72 wraca do poprawy
- 03Operator zatwierdza dane przed rozliczeniem
- Dla kogo
- Przewoźnicy, spedytorzy i operatorzy logistyczni
- Dane wejściowe
- Zdjęcia CMR i POD z trasy, nierównej jakości
- Decyzja człowieka
- Operator sprawdza odczyt i decyduje o dalszym rozliczeniu dokumentu
- Koszt
- 0,007617 USD za zapisany odczyt jednego dokumentu.
- Bezpieczeństwo
- Nieczytelne zdjęcie zostaje zatrzymane przed odczytem i wraca do kierowcy z prośbą o nowe ujęcie.
- Zakres testu
- Demonstracja korzysta z przygotowanych obrazów. Jakość i czas odczytu trzeba potwierdzić na dokumentach klienta.
- Możliwość kontroli
- Historia pokazuje ocenę jakości zdjęcia, decyzję o odczycie i zatwierdzenie operatora.
- Budowa podobnego systemu
- od 15 000 zł netto · 2–6 tygodni
Kurs referencyjny do przeliczeń: 1 USD = 3,72 zł; 1 EUR = 4,30 zł. Kwoty w PLN są zaokrąglone, a waluta pomiaru pozostaje podana w nawiasie.
Decyzja operatora
Co pozostaje po stronie operatora
System ocenia jakość obrazu i przygotowuje odczyt pól. Operator sprawdza wynik oraz decyduje, czy dokument można wykorzystać w rozliczeniu. System nie wystawia faktury i nie potwierdza dostawy.
- Koszt
- 0,007617 USD za zapisany odczyt jednego dokumentu.
- Bezpieczeństwo
- Nieczytelne zdjęcie zostaje zatrzymane przed odczytem i wraca do kierowcy z prośbą o nowe ujęcie.
Granice obecnego testu
Wszystkie 7 obrazów pochodzi z jednego pustego wzoru CMR z nałożonymi danymi syntetycznymi. Przed wdrożeniem trzeba sprawdzić próg jakości i skuteczność odczytu na zdjęciach z telefonów, tras i typowych warunków pracy klienta.
Szacowany efekt
Policz efekt na swoim wolumenie
To szacunek oparty na podanym wolumenie. Wpisz własne liczby do formuły, aby ocenić możliwy efekt w swojej firmie. Wynik potwierdzamy dopiero podczas pilotażu.
Dziś
108 późnych ponowień
Po uruchomieniu
36 późnych ponowień
Oszczędność czasu lub kosztu
55-90 ponowień mniej/mies., baza 72
- Wolumen
- 900 dokumentów/mies.
- Formuła
- 900 x 8 pp
- Status wyliczenia
- średnia
Dane na zrzutach. Nazwy, kwoty i dokumenty widoczne na zrzutach są syntetyczne. Dane klientów pozostają prywatne. Pomiary dotyczą opisanej wersji demonstracyjnej i są wyraźnie oddzielone od wyników produkcyjnych.
Ekrany robocze
Operator sprawdza dane z czytelnych dokumentów. System od razu odsyła zdjęcia, których nie da się wiarygodnie odczytać.
Operator zajmuje się czytelnymi dokumentami oraz wyjątkami wymagającymi decyzji. Kierowca dostaje szybką informację o złym zdjęciu, zanim dokument zdąży zablokować fakturę.
Kolejka dokumentów, kontrola zdjęcia i odczyt pól.
Kolejka dokumentów
Zdjęcia z trasy ze statusem jakości i dalszym krokiem.
Kontrola zdjęcia
Wynik pięciu cech obrazu oraz konkretny powód zatrzymania.
Odczyt dokumentu
Pola obok obrazu, gotowe do sprawdzenia przez operatora.
Ekrany systemu
Zobacz, jak system działa w praktyce
To zrzuty z działającej aplikacji w wersji komputerowej i mobilnej. Pokazują opisany proces oraz miejsca, w których decyzję podejmuje człowiek.
- Ekrany
- 8
- px
- 1440 · 390
- 021440×1100
Nieczytelne zdjęcie z powodem odmowy. - 031440×1100
Czytelny dokument z odczytanymi polami.
Otwórz archiwum pozostałych ekranów (5)
- 041440×1100
Jeden odczyt - 051440×1100
Dopasowanie do zleceń - 061440×1100
Gotowość do faktury - 071440×1100
Historia decyzji - 081440×1100
Zasady stanowiska
Technologia
Kontrola obrazu, jedna ekstrakcja i czytelny ekran operatora.
MinIO przechowuje obrazy. FastAPI liczy cechy jakości i pilnuje progu. Anthropic Vision jest wywoływany wyłącznie po przejściu kontroli. Next.js pokazuje operatorowi dokument, wynik i powód odmowy.
- Python + FastAPI
- prowadzi proces bez frameworka orkiestracyjnego
- Pillow
- mierzy jasność, kontrast, energię krawędzi, prześwietlenie i pokrycie kadru
- Anthropic Vision
- wykonuje jedną strukturalną ekstrakcję po przejściu bramki
- PostgreSQL
- przechowuje wynik, decyzję bramki i ślad przebiegu
- MinIO
- trzyma pliki zdjęć i materializowane obrazy
- Next.js
- pokazuje inspekcję skanu i pola przy miejscach na obrazie
Klient otrzymuje kod, próg jakości, zestaw testowy i dokumentację. Przed wdrożeniem próg kalibrujemy na jego typowych zdjęciach i dokumentach.
Szczegóły techniczne i pomiar
Jak system pracuje
Najpierw sprawdza, czy dokument da się odczytać.
System ocenia obraz lokalnie. Słabe zdjęcie kończy proces komunikatem dla kierowcy. Czytelne zdjęcie przechodzi jedną ekstrakcję, a operator widzi wynik obok dokumentu.
Zdjęcie CMR lub potwierdzenia dostawy
Pomiar jakości obrazu przed uruchomieniem modelu
Słabe zdjęcie wraca do kierowcy
Czytelne zdjęcie przechodzi jedną ekstrakcję
Operator sprawdza pola i podejmuje decyzję
Szczegóły techniczne
Lokalna kontrola obrazu ogranicza koszt i błędne odczyty.
API pobiera obraz z MinIO i mierzy jego jakość. Dopiero po przejściu progu wysyła czytelny dokument do jednej ekstrakcji Anthropic Vision.
- 01
Obraz
Dokument trafia do bezpiecznego magazynu.
API pobiera wskazany obraz z MinIO. Publiczna demonstracja korzysta wyłącznie z syntetycznych plików.
- 02
Jakość
Pięć cech obrazu daje wynik czytelności.
System mierzy jasność, kontrast, energię krawędzi, udział prześwietlenia i pokrycie kadru. Wynik poniżej 0,72 zatrzymuje proces.
- 03
Odczyt
Model uruchamia się tylko dla czytelnego zdjęcia.
Po przejściu kontroli obraz może trafić do jednej ekstrakcji Anthropic Vision. Odpowiedź ma ustalony format pól.
- 04
Kontrola
Operator porównuje pola z dokumentem.
Interfejs pokazuje odczyt obok obrazu i zaznacza miejsca pochodzenia pól. Dalsze rozliczenie wymaga decyzji operatora.
Dlaczego kontrola obrazu działa przed AI
Model nie powinien zgadywać z obrazu, który nie spełnia podstawowych warunków czytelności. Prosta kontrola pikseli szybciej wykrywa problem. Działa bez kosztu dostawcy i pozwala od razu poprosić o nowe zdjęcie.
- Pięć jawnych cech jakości
- Próg 0,72 sprawdzany lokalnie
- Odmowa kończy się przed ekstrakcją
- Decyzja o rozliczeniu u operatora
Chcesz sprawdzić podobny proces w swojej firmie?
- 30 minut z inżynierem, który może prowadzić Twoje wdrożenie.
- Przegląd procesów, które kosztują Cię najwięcej czasu i pieniędzy.
- Pisemne podsumowanie: co zautomatyzować, w jakiej kolejności, z widełkami kosztów.
Terminy zobaczysz w swojej strefie czasowej.
Bez prezentacji sprzedażowej i bez zobowiązań. Jeśli automatyzacja nie ma sensu, też to napiszemy.