Wichtige Details

Die Kosten wurden optimiert, die Kundenzufriedenheit verbessert und die Einhaltung zahlreicher Vorschriften unterstützt.

Kunde

Der Kunde ist ein großer Bahnbetreiber, der mit den Tendenzen und Implementierung von KI-Lösungen für die Automatisierung von Prozessen. Das Unternehmen ist daran interessiert, Papiertickets durch Smartcards zu ersetzen, um die Prozesse zu automatisieren und zu verbessern. Einer der Leistungsindikatoren, die der Kunde erfüllen muss, ist die effektive Verwaltung von Ansprüchen bei Zugausfällen oder Verspätungen. Die Mitarbeiter müssen viele Anträge auf Rückerstattung von Verspätungen bearbeiten und große Mengen an Papierfahrkarten verarbeiten, was zusätzliche Kosten verursacht.

Viele Fluggäste sind träge, wenn es darum geht, technologiegestützte Veränderungen anzunehmen. Das Personal muss immer noch viele Anträge auf Rückerstattung von Verspätungen manuell bearbeiten, obwohl die Möglichkeit besteht, Smartcards einzuführen, um Routineprozesse zu verbessern. Da die Fahrgäste aber weiterhin Papiertickets verwenden, wird es für das Personal immer schwieriger, den Abgleich von Barzahlungen durchzuführen.

Herausforderung: KI-Ticketverarbeitungssystem zur Automatisierung der Ticketerkennung und Schadensbearbeitung

Das Team von ESSID Solutions wurde herausgefordert, eine Lösung für das bestehende Problem zu finden. Der Ausweg war die Entwicklung eines voll funktionsfähigen, KI-gesteuerten Ticketbearbeitungssystems. Diese Anwendung sollte den Verwaltungsaufwand durch die Automatisierung der Bearbeitung von Entschädigungsansprüchen verringern. Unser Team lieferte fachkundige Leitlinien für die Phasen der Entwicklung einer Anwendung für mobile Plattformen, die in der Lage sein würde, eine Vielzahl von Zugfahrkarten automatisch zu erkennen, zu klassifizieren und zu validieren.

Lösung: OCR-basiertes Modell zur Erkennung, Klassifizierung und Analyse verschiedener Arten von Tickets

Die mobile Anwendung sollte die folgenden Module umfassen:

1. Bildaufnahme Modul. Ermöglicht die Erfassung von Bildern von einer Smartphone-Kamera

2. Bildverarbeitungsmodul. Ermöglicht die Bildverbesserung und -normalisierung, um das Bild für die OCR akzeptabel zu machen, indem es die OpenCV-Bibliothek verwendet:

• Verbesserung der Beleuchtung durch Anwendung von Algorithmen zur Hintergrundkorrektur
• Bildausrichtung aktivieren
• Finden Sie interessante Regionen (ROI) und extrahieren Sie Regionen mit Text.

3. OCR-Modul. Durch die Nutzung der Google Vision API wird es möglich Text innerhalb eines Bildes erkennen und erkennt automatisch die Sprache (unterstützt nur die englische Sprache)

4. Ticket-Klassifizierung

5. Analyse der OCR-Ausgabe und Auffinden relevanter Informationen

6. Neuronales Netzwerk-API-Modul zum Abrufen von Klassifizierungen und Konfidenzwerten

7. Anzeige der Ergebnisse

Das nachstehende Diagramm zeigt ein Beispiel für eine High-Level-Architektur, die vom Team von ESSID Solutions entwickelt wurde:

Eine Software zur Bearbeitung von Tickets könnte in einem Docker-Container geliefert werden, der das Modell und die API enthält. Eine weitere Option wäre die Implementierung einer Warteschlange, die mit dem Modell über die API interagiert.

Ergebnis: KI-Beratung und Entwicklung einer Projekt-Roadmap

ESSID Solutions lieferte dem Kunden Computer Vision Beratung Dienstleistungen und arbeitete den Projektplan aus, um eine erstklassige Lösung zu entwickeln und zu liefern, die den spezifischen Geschäftsanforderungen des Kunden entspricht.

Es wurde erwartet, dass eine solche Lösung dem Kunden helfen würde, auf verschiedene Kundenbeschwerden effektiver zu reagieren. Die Lösung könnte auch ein wertvolles Instrument zur Kostenoptimierung, zur Ergänzung sich wiederholender Aufgaben durch KI, zur Verbesserung der Kundenzufriedenheit und zur Unterstützung der Einhaltung verschiedener Vorschriften werden.