Analyse d'images pour améliorer le logiciel de traitement des billets

Client

Le client est un grand opérateur ferroviaire cherchant à suivre les tendances et implémenter des solutions d'IA pour l’automatisation des processus. L’entreprise souhaite remplacer les billets papier par des cartes à puce pour automatiser et améliorer les processus. L’un des indicateurs clés de performance (KPI) que le client doit atteindre est une gestion efficace des réclamations en cas d’annulation ou de retard de train. Le personnel doit traiter de nombreuses demandes de remboursement de retards et gérer d’énormes quantités de billets papier, ce qui entraîne des coûts supplémentaires.

De nombreux passagers sont réticents à adopter les changements technologiques. Le personnel doit encore traiter manuellement de nombreuses demandes de remboursement pour les retards, malgré la possibilité d'introduire des cartes intelligentes pour améliorer les processus de routine. Mais à mesure que les passagers continuent à utiliser des billets papier, il devient plus complexe pour le personnel de compléter la réconciliation des paiements en espèces.

Défi : Système de traitement de billets IA pour automatiser la reconnaissance des billets et le traitement des réclamations

DataSqueeze a dû proposer une solution au problème existant. La solution consistait à développer un système de traitement des billets entièrement fonctionnel et piloté par l'IA. Cette application visait à réduire la charge administrative en automatisant le traitement des demandes de compensation. Notre équipe a fourni des recommandations d'experts sur les phases de développement d'une application pour plateformes mobiles capable de reconnaître, classifier et valider automatiquement une large variété de billets de train.

Solution : Modèle basé sur OCR pour permettre la reconnaissance, la classification et l'analyse de différents types de billets

L'application mobile devait inclure les modules suivants :

1. Capture d'images. Permet d’acquérir des images depuis la caméra d’un smartphone

2. Module de traitement d'images. Permet l'amélioration et la normalisation de l'image pour la rendre acceptable pour l'OCR en utilisant la bibliothèque OpenCV :

• Améliorer l'éclairage en appliquant des algorithmes de correction de fond
• Permettre l'alignement d'images
• Identifier les régions d'intérêt (ROI) et extraire les zones de texte.

3. Module OCR. En utilisant Google Vision API, il devient possible de détecter du texte dans une image et identifier automatiquement la langue (ne prend en charge que l'anglais)

4. Classification des billets

5. Analyse des résultats OCR et extraction des informations pertinentes

6. Module d'API de réseau de neurones pour obtenir des classifications et des scores de confiance

7. Affichage des résultats

Le diagramme ci-dessous illustre un exemple d'architecture haut niveau conçu par l'équipe de DataSqueeze :

Un logiciel de traitement des billets potentiel pourrait être livré dans un conteneur Docker incluant le modèle et l'API. Une autre option consistait à implémenter une file d'attente pour interagir avec le modèle via l'API.

Résultat : Services de conseil en IA et développement d'une feuille de route pour le projet

DataSqueeze a fourni au client conseil en vision par ordinateur services et a élaboré la feuille de route du projet pour développer et livrer une solution de premier ordre conforme aux besoins commerciaux spécifiques du client.

Une solution potentielle devait aider le client à répondre plus efficacement aux différentes réclamations des clients. La solution pourrait également devenir un outil précieux pour optimiser les coûts, automatiser les tâches répétitives avec l'IA, améliorer la satisfaction client et garantir la conformité à plusieurs réglementations.