用于运输制冷中的容器状况确定的系统和方法
1.相关申请的交叉引用本技术要求于2021年5月14日提交的美国临时申请no.63/201840的权益，该申请内容特此全部并入。
技术领域
2.本发明一般涉及运输制冷，并且更特别地，涉及运输制冷中的容器状况确定。
背景技术：
3.多年来，计算机模型已被用来在有限项目的基础上创建易腐货物的冷藏运送（shipment）的热行为的模拟。在常规操作基础上使用这样的模型可能是不实际的，因为难以有效地获得对于确保利用这样的模型的模拟是准确的所需的输入。
技术实现要素：
4.本公开的方面涉及用于容器状况确定的方法、设备和/或系统。
5.在一些实施例中，一种用于容器状况确定的系统包括：一个或多个光学传感器；至少一个处理器；以及存储器，其存储可由所述至少一个处理器执行的指令，所述指令在被执行时使所述系统：从所述一个或多个光学传感器获得容器的图像数据；从所述图像数据确定位于所述容器内的一个或多个物品的位置信息；从所述图像数据确定所述容器中的空气递送信息；使用所述一个或多个物品的位置信息和所述空气递送信息来确定所述容器的气流特性；以及使用所述一个或多个物品的所述位置信息和所述气流特性来确定所述一个或多个物品中的物品被损坏的概率。
6.在一些实施例中，所述系统被配置成用于基于所述容器的图像数据来确定所述容器的一个或多个组件的状况，所述一个或多个组件的状况指示对所述一个或多个组件的损坏的存在或不存在；以及基于所述一个或多个组件的状况确定所述容器的状况。
7.在一些实施例中，所述系统被配置成基于位于所述容器内的一个或多个物品的位置信息来确定所述容器的装载模式。
8.在一些实施例中，所述系统被配置成从放置在所述容器内的传感器获得所述容器内的环境信息；以及基于所获得的环境信息确定所述容器中的温度控制性能；使得确定物品被损坏的概率进一步基于环境信息或温度控制性能。
9.在一些实施例中，所述系统被配置成基于所述图像数据来确定用于所述容器的热信息；以及基于所述热、气流或装载信息中的一个或多个生成热模拟、气流模拟或装载模式模拟中的一个或多个。
10.在一些实施例中，一种用于容器状况确定的方法，所述方法在包括一个或多个光学传感器、至少一个处理器和存储指令的存储器的系统中实现。所述方法包括：从所述一个或多个光学传感器获得容器的图像数据；从所述图像数据确定位于所述容器内的一个或多个物品的位置信息；从所述图像数据确定所述容器中的空气递送信息；使用所述一个或多
个物品的所述位置信息和所述空气递送信息来确定所述容器的气流特性；以及使用所述一个或多个物品的所述位置信息和所述气流特性来确定所述一个或多个物品中的物品被损坏的概率。
11.在一些实施例中，一种存储程序指令的非暂时性计算机可读存储介质，所述程序指令是计算机可执行的以实现：从所述一个或多个光学传感器获得容器的图像数据；从所述图像数据确定位于所述容器内的一个或多个物品的位置信息；从所述图像数据确定所述容器中的空气递送信息；使用所述一个或多个物品的所述位置信息和所述空气递送信息来确定所述容器的气流特性；使用所述一个或多个物品的所述位置信息和所述气流特性来确定所述一个或多个物品中的物品被损坏的概率。
12.通过本发明的详细描述和附图，本发明的各种其它方面、特征和优点将变得明白。还要理解的是，前面的一般性描述和下面的详细描述都是示例，而不是对本发明范围的限制。
附图说明
13.图1示出根据一个或多个实施例的用于容器状况确定的系统的示例。
14.图2示出根据一个或多个实施例的通过用于容器状况确定的系统进行的示例操作。
15.图3示出根据一个或多个实施例的通过用于容器状况确定的系统进行的示例操作。
16.图4示出根据一个或多个实施例的通过用于容器状况确定的系统进行的示例操作。
17.图5示出根据一个或多个实施例的通过用于容器状况确定的系统进行的示例操作。
18.图6示出根据一个或多个实施例的通过用于容器状况确定的系统进行的示例操作。
19.图7a-d示出根据一个或多个实施例的通过用于容器状况确定的系统进行的操作的示例。
20.图8示出根据一个或多个实施例的用于容器状况确定的方法的图表。
21.图9示出可用来实现本文所述的技术的方面的计算机系统的示例。
具体实施方式
22.在下面的描述中，出于解释的目的，阐述许多特定细节以便提供对本发明实施例的透彻理解。然而，本领域的技术人员将领会，本发明的实施例可以在没有这些特定细节的情况下或以等效布置来实践。在其它情况中，以框图形式示出众所周知的结构和装置，以避免不必要地模糊本发明的实施例。
23.图1示出根据一个或多个实施例的用于容器状况确定的系统100的示例。在一些实施例中，系统100可以被配置成利用所捕获的信息来自动捕获、解释、分析和报告与运送容器相关的信息和运送的细节。在一些实施例中，系统100可以提供运送的模拟和可视化，这可以促进对个体运送的评估和过程改进活动两者。系统100可以包括分析系统110、一个或
多个传感器102和/或其它组件。为本领域普通技术人员已知的其它组件可以包括在系统100中以收集、处理、传送、接收、获取和提供结合所公开的实施例使用的信息。另外，系统100还可包括执行或协助执行与所公开的实施例一致的一个或多个过程的其它组件。
24.在一些实施例中，系统100可以包括连接系统100的一个或多个组件的网络190。在一些实施例中，网络190可以是被配置成提供系统100的组件之间的通信的任何类型的网络。例如，网络190可以是提供通信、交换信息和/或促进信息的交换的任何类型的网络（包括基础设施），例如因特网、局域网、近场通信（nfc）、光码扫描器、蜂窝网络、文本消息传送系统（例如，sms，mms）、频率（rf）链路、蓝牙
®
、wi-fi，或实现在系统100的组件之间发送和接收信息的其它合适的连接。将领会，这并非旨在进行限制，并且本公开的范围包括其中系统100的客户端一个或多个组件经由一些其它通信介质操作地链接的实现。
25.在一些实施例中，分析系统110包括图像模块120、参数模块130、气流确定模块150、热信息模块160、装载模式模块170、分析模块180、反馈模块182和/或其它组件。在一些实施例中，分析系统110可以包括计算资源，例如用于存储指令的处理器和存储器装置（例如，本文以下参考图9描述的计算系统900）。处理器可以被配置成执行软件指令以执行系统100的各种操作。计算资源可包括用来执行模块110，120，130，150，160，170，180，182和/或系统100的其它组件的操作的软件指令。
26.图像模块120可以被配置成获得容器、容器组件和/或货物内容的图像数据。“容器”可指运送容器，拖车（trailer），联运运送容器，海运容器，卡车和/或可用来通过道路、轨道、空中或海上存储和/或运输货物的其它接受器（receptacle）。容器可以是制冷的或非制冷的。“货物内容”和“货物物品”是指位于容器内的物品、待装载（放置）在容器内的物品和/或从容器卸载（移除）的物品。
27.在一些实施例中，一个或多个图像数据可以是容器内部、容器外部和/或周围区域。在一些实施例中，图像数据可从传感器102、图像数据库和/或位于系统100内或系统100外的其它数据库获得。传感器102被配置成生成输出信号，所述输出信号传达与容器、容器组件和/或货物内容相关的信息。传感器102可以包括光学传感器，图像或视频拍摄装置、热成像传感器、深度传感器、扫描仪、lidar传感器、radar传感器、3d拍摄装置、红外光传感器、超光谱成像仪、多光谱成像仪和/或其它传感器中的一个或多个。在一些实施例中，从传感器102获得的传感器数据可以被处理（例如，使用本文参考图9描述的处理器910）以提取图像信息。在一些实施例中，由传感器102获得的传感器数据可以包括图像、视频、多维深度图像、热图像、红外光测量、光反射时间测量、无线电波测量、范围、角度和/或其它传感器数据。在一些实施例中，可以组合来自传感器102的多个传感器的多个传感器数据以提取信息。例如，来自不同位置和角度的图像、多维深度图像、热图像、范围、角度和/或从传感器102获得的其它图像数据可以被组合以提供关于容器、容器组件或特定货物物品的信息。
28.在一些实施例中，传感器102可以定位在允许容器、容器组件和货物物品的传感器测量的任何位置处。例如，传感器102的一个或多个传感器可以在用于装载货物内容物的机器（例如，叉车等）上位于接收码头、装载码头、容器门、装载区域、存储区域。
29.在一些实施例中，参数模块130被配置成获得与容器和/或货物物品相关的一个或多个参数。在一些实施例中，参数模块130可以被配置成从数据图像中提取信息（例如，以检测、识别或确定对象在图像数据上的位置和取向），所述数据图像从传感器102获得。在一些
实施例中，参数模块130可以通过将图像数据与来自图像数据库的图像进行比较来提取信息。在一些实施例中，可以使用计算机视觉技术来处理图像数据以检测、识别或确定位置或取向。例如，图像数据可以被组合、过滤和处理以识别对象（例如，容器、容器组件和/或货物物品）。一旦被识别，就可以测量对象，并提取其位置和方向。
30.例如，在一些实施例中，参数模块130可被配置成使用关键帧提取技术来处理图像数据以确定哪些帧将用于评估。例如，在一些实施例中，参数模块130可被配置成基于运动检测、对象检测、图像质量等中的一个或多个来过滤图像数据。例如，在一些实施例中，参数模块130可被配置成使用不具有预定移动水平和/或不具有特定对象（例如，叉车图像，人图像或图像中的其它对象）的帧。在一些实施例中，参数模块130可以被配置成使用单目深度测量技术（例如，透视线索）来定位适当的指南（guideline）和/或计算深度。例如，视觉梯度可用来定位指南、产品边缘、拖车头部和/或其它信息。
31.在一些实施例中，参数模块130可以包括用来从容器的图像数据中提取信息的机器学习系统。机器学习系统可以使用监督学习、半监督学习、无监督学习、强化学习和/或其它机器学习技术中的一种或多种。在一些实施例中，机器学习模型可以包括决策树、支持向量机、回归分析、贝叶斯网络、随机森林学习、降维算法、提升算法、人工神经网络（例如，全连接神经网络，深度卷积神经网络或递归神经网络）、深度学习和/或其他机器学习模型。
32.参数模块130可以被配置成基于来自传感器102的输出信号（例如，图像数据）来确定一个或多个容器参数。例如，参数模块130可以检测、定位或确定容器存在于传感器102附近（例如，在接收码头中）。容器参数可以包括位置信息、识别信息、容器组件信息和/或其他容器参数。
33.在一些实施例中，容器位置信息可以包括容器相对于接收码头（例如，接近、离开、停靠（dock）），相对于该区域中的其它容器/交通工具，或相对于容器总体周围的物理位置。例如，参数模块130可以确定容器是否正确/不正确地停靠（例如，通过测量间隙），或者可以在停靠过程中提供指南。在一些实施例中，识别信息可以包括容器的尺寸、大小、形状，操作员、制造商、品牌，型号，id 号、标志、冷藏室制造商、冷藏室型号、冷藏室id和/或任何其它识别信息。在一些实施例中，如上所述，可以从传感器102（例如，通过图像和文本处理）和/或数据库信息中提取识别信息。
34.图2示出了根据一个或多个实施例的通过用于容器状况确定的系统100进行的示例操作。参数模块130被配置成确定拖车的识别信息。例如，如图2中所示，由参数模块130确定的识别信息包括拖车的位置（码头号201），拖车操作员202，拖车制造商204，拖车编号206，冷藏室制造商208，标志210，控制面板212，拖车操作者和编号214（从拖车内获得）。在一些实施例中，一个或多个特征可用来识别容器，制冷单元，制造商或型号（例如，格栅（grill）样式，装饰类型等）。这可用于其中名称，标志或识别信息不清晰或不可用的情况。
35.在一些实施例中，参数模块130被配置成确定容器的配置。在一些实施例中，确定容器的配置包括识别容器的一个或多个组件（例如，确定容器的一个或多个组件的存在，类型，位置和/或数量）。容器的组件可以包括后门或侧门，空气溜槽（chute），天花板，隔壁，轨道，架子，壁，滑板，地板，空气递送点，制冷单元，空的空间，传感器和/或容器的其它组件中的一个或多个。在一些实施例中，确定容器参数可以包括基于图像数据确定容器中的空气递送信息。例如，参数模块可以被配置成检测容器内的空气递送点。在一些实施例中，空气
递送信息可以包括位置，空气递送点的数量，空气递送的类型和/或容器内的其它信息空气递送信息中的一个或多个。
36.在一些实施例中，参数模块130可以使用来自传感器102的输出信号来确定容器或容器组件中的一个组件的状况（例如，物理，热或其他状况）。在一些实施例中，可以基于容器参数（如上所述）来确定容器状况。例如，参数模块130可以评估容器的一个或多个组件（壁，天花板，隔壁，地板，门，空气溜槽，制冷单元，空气递送点和/或容器的其他组件）的状况。在一些实施例中，参数模块130可以基于来自传感器102的图像数据（例如，来自热图像）来确定容器的密封状况或检测热泄漏。在一些实施例中，评估组件的状况可以包括确定对组件的损坏的存在/不存在，确定组件被损坏的概率，和/或预测对组件的损坏。在一些实施例中，参数模块130可以基于容器的组件的状况来确定容器的状况。
37.图3示出根据一个或多个实施例的通过用于容器状况确定的系统100进行的示例操作。例如，参数模块130可以被配置成基于由传感器102检测到的损坏来确定拖车的状况。检测到的损坏包括对拖车的天花板的损坏302，拖车地板上的碎片304，对壁的损坏306以及由对壁的损坏306引起的热泄漏308。图4示出根据一个或多个实施例的通过用于容器状况确定的系统100进行的另一示例操作。参数模块130可检测到空气溜槽402被撕裂且空气溜槽404未正确附接。该信息可用来确定拖车的状况。
38.返回到图1，在一些实施例中，参数模块130可以被配置成确定一个或多个货物物品参数。例如，参数模块130可以使用来自传感器102的输出信号来检测，定位或确定容器内存在物品。参数模块130可以被配置成基于图像数据确定货物物品参数。货物物品参数可以包括位置信息，识别信息和/或其它货物物品参数。
39.在一些实施例中，物品的位置信息可以包括容器内的物理位置，物品的旋转取向，物品的高度和/或指示位置的信息。在一些实施例中，参数模块130被配置成参照容器的组件和/或其它货物物品来确定货物物品的位置。例如，参数模块130可以基于货物物品与容器的组件之间的距离（例如，距容器的壁，顶部，后部，门，拐角，空气溜槽，冷藏室，空气递送点和/或其他组件的距离）来确定货物物品在容器内的位置。在一些情况下，可以基于货物中物品与其它物品之间的距离来确定位置。在一些实施例中，位置信息可指示物品相对于容器的组件或另一货物物品的邻近，下方，上方，抵靠，顶部或任何相关位置。在一些实施例中，位置信息可以指示货物物品的布置。例如，物品成排布置，彼此上下堆叠，朝向容器的一部分相对于另一部分定位（例如，大多数物品朝向容器的后部），以壁（或后部，侧部，顶部等）的角度布置，任意地布置在容器中，和/或布置信息。在一些实施例中，参数模块130可以确定垫料（例如，用来将货物保持在适当位置的任何材料）在容器中的使用（或存在）。参数模块130可以确定垫料的尺寸，形状和/或构造。
40.在一些实施例中，参数模块130可以基于传感器102的输出信号来识别一个或多个货物物品。在一些实施例中，参数模块130可以确定类型，品牌，大小，形状，尺寸，重量，目的地，特殊指令（易碎，沉重，保持制冷，不堆叠，有效期或其它物品特定指令）中的一个或多个。识别信息中的一些可以通过传感器102扫描打印在物品上的文本，条形码，qr 码，链接，标志或物品上的其它识别信息来提取。
41.装载模式确定模块140被配置成基于来自参数模块130的信息（例如，容器参数和/或货物物品参数）来确定容器的一个或多个装载特性（或装载模式）。例如，在一些实施例
中，可以基于容器信息（例如，大小，尺寸，形状等），容器组件（组件的存在和位置）和/或货物物品信息（例如，容器内货物物品的位置，物品/托板之间的空间）来确定装载特性。例如，装载模式可以指示装载类型（例如，中心线/壁装载，门/壁的接近度），装载高度（例如，托板高度或堆叠高度），垫料的使用，空的空间的量和位置，货物物品计数和/或其它装载特性。例如，在一些实施例中，装载模式确定模块140可以被配置成确定托板是否正在接触门/壁；托板之间在中心是否存在空间；托板顶部是否超出预定的高度；托板顶部是否接触到（压紧）空气溜槽；是否存在装载锁；是否存在高度标记；环境传感器是否存在于容器内；和/或其他装载模式。
42.在一些实施例中，装载模式模块确定140可以被配置成使用来自传感器的输出信号来确定装载特性（例如，使用计算机视觉（vison）来确定装载模式而不经过确定货物物品的参数的步骤）。在一些实施例中，可以将装载特性与历史装载信息，来自类似容器的装载信息，最佳实践装载信息和/或其它参考装载信息进行比较，以确定容器的装载模式。
43.图5示出根据一个或多个实施例的通过用于容器状况确定的系统100进行的示例操作。装载模式模块确定140可以被配置成确定装载高度502，垫料504的使用，拖车中货物物品的装载类型508（壁式装载）和装载类型506（中心线装载）。在这种情况下，例如，装载模式模块确定140可以确定装载高度502太高。
44.在一些实施例中，气流确定模块150可被配置成基于图像数据确定容器内的环境信息。环境信息可以包括气流信息，温度信息，气压，湿度和/或其它环境信息。在一些实施例中，气流确定模块150可被配置成确定容器内的气流特性。可以使用从参数模块130获得的信息（例如，容器参数，货物内容参数，容器状况等）来确定容器内的气流特性。容器内的气流特性可基于容器的类型，型号或大小来确定。在一些实施例中，可以基于空气递送点及其位置，货物物品及其位置，容器组件和/或容器的状况来确定容器内的气流。例如，容器的状况（例如，存在损坏，碎片或热泄漏）可影响容器内的气流。货物物品的放置（例如，距壁，顶部或彼此的距离）可影响容器内的气流。容器的尺寸，容器中的空的空间量，制冷单元和空气递送点的位置和/或障碍物可影响容器内的气流。来自参数模块130的信息的任何组合可用来确定容器内的气流。在一些实施例中，容器内的气流可以以测量的形式（例如，l/s，ft3/min，kg/s，空气变化/h或等效测量）给出。在一些实施例中，气流确定模块可以确定气流指数，气流质量指数，气流损失和/或其它气流特性。
45.热信息模块160可以被配置成确定容器内的热信息。例如，在一些实施例中，容器内的货物物品的一个或多个物品的温度，温度和/或湿度可以从传感器102的输出信号中提取。在一些实施例中，热信息模块160可检测热泄漏或容器中的其中温度异常高或异常低的区域。例如，可以从热成像拍摄装置图像数据中提取热参数并将其与参考热参数进行比较以确定拖车内的热状况。在一些实施例中，可基于气流特性和/或从气流确定模块150和热信息模块160获得的热信息来确定环境信息。
46.分析模块180被配置成分析从图像模块120，参数模块130，装载模式确定模块140，气流确定模块150和/或热信息模块160获得的数据，以确定容器的状态，容器的组件，货物物品，气流，热信息，装载模式和/或其它获得的参数。在一些实施例中，确定状态包括基于所获得的信息确定状态的概率或预测。例如，分析模块180可以基于对所获得的数据的分析来确定对容器（或其组件）或对货物物品的损坏的概率。在一些实施例中，可以通过将参考
参数（例如，针对参考数据库获得的）与当前参数进行比较来确定状态。参考参数可以基于与物品和/或容器相关的历史数据，或来自类似物品/容器的数据。在一些实施例中，分析模块180可以被配置成基于该比较向容器，货物物品，气流，热信息，装载模式和/或其它所获得的参数分配得分（例如，当前参数与参考参数最接近，得分越高，并且反之亦然）。在一些实施例中，分析模块180可以响应于得分达到，满足或超过物品得分阈值来确定状态（例如，好，坏，合理，损坏等）。
47.例如，分析模块180可以被配置成确定货物物品完整性。例如，托板或箱或其他货物物品的完整性可以基于该物品相对于容器的地板或天花板的位置/取向的确定来确定。例如，分析模块180可被配置成如果托板处于小于垂直于地板的程度，则确定托板（或箱）被损坏。
48.在一些实施例中，分析模块180可以确定货物物品中的一个或多个物品的状态（例如，好，坏，损坏，包装完整性等）。物品的状态可以基于货物物品参数，容器参数，气流，热信息，装载模式和/或其它参数中的一个或多个来确定。例如，在一些实施例中，分析模块180可以基于一个或多个物品的气流特性和位置信息来确定一个或多个货物物品中的物品被损坏的概率。在一些实施例中，分析模块180可以被配置成从放置在容器内的传感器获得容器内的环境信息。分析模块180可以基于所获得的环境信息来确定容器中的温度控制性能。在一些实施例中，分析模块180可以被配置成基于来自容器内的传感器的环境信息或温度控制性能来确定物品被损坏的概率。在一些实施例中，分析模块180可以被配置成基于来自容器内的传感器的信息（例如，湿度测量），热信息，气流信息或容器中的温度控制性能来估计来自一个或多个货物物品（例如，新鲜产品）的水损失。
49.物品的状态可以通过比较参考参数和与物品相关的当前参数来确定。参考参数可以基于与物品和/或容器相关的历史数据，或来自类似物品/容器的数据。在一些实施例中，分析模块180可以被配置成基于比较向物品分配物品得分（例如，状况参数与参考状况参数最接近，得分越高，并且反之亦然）。在一些实施例中，分析模块180可以响应于得分达到，满足或超过物品得分阈值来确定物品的状态（例如，好，坏，合理，损坏等）的概率。图6示出根据一个或多个实施例的由用于容器状况确定的系统100进行的示例操作。分析模块180可以基于从图像模块120接收的图像数据来检测货物物品倒塌（托板倒塌602或箱倒塌604）。在一些实施例中，分析模块180可以被配置成确定对倒塌箱604的损坏和/或对倒塌托板602中的箱的损坏的概率。
50.在一些实施例中，分析模块180可以被配置成将参数得分分配给所确定的参数中的一个或多个。例如，在一些实施例中，分析模块180可以分配气流，负载模式，热和/或其它参数得分。在一些实施例中，参数得分可以基于参考参数与当前参数的比较。例如，可以基于参考装载模式与所确定的装载模式的比较（例如，来自装载模式确定模块140）来确定装载模式得分。在一些实施例中，装载模式最接近装载模式参考，得分越高，并且反之亦然。在一些实施例中，分析180可以响应于装载模式得分达到，满足或超过装载模式得分阈值来表征装载模式（例如，好，坏，合理等）。
51.类似地，分析模块180可以分配气流得分。在一些实施例中，气流得分可基于气流参考与所确定的气流（例如，来自气流确定模块150）的比较。在一些实施例中，气流最接近气流参考，得分越高，并且反之亦然。在一些实施例中，分析模块180可响应于气流得分达
到，满足或超过气流得分阈值来确定气流的状态（例如，好，坏，合理等）。此外，分析模块180可以分配热得分。在一些实施例中，热得分可以基于热参考与所确定的热信息（例如，来自热信息模块160）的比较。在一些实施例中，热参数最接近热参考，得分越高，并且反之亦然。在一些实施例中，分析模块180可以响应于热得分达到，满足或超过热得分阈值来表征热参数（例如，好，坏，合理等）。应当领会，本文描述的状态确定的示例将仅作为用于说明目的的实施例的示例。分析和状态确定的其它技术在本公开内也被预期。例如，在一些实施例中，一个或多个参数状态（包括得分）可以基于其他参数的状态。换句话说，一个参数的状态可以影响其它参数的状态。例如，如果容器内的货物物品得分低，则装载模式，热参数或气流可得分低。
52.在一些实施例中，分析模块180可以使用机器学习技术来确定状态和/或分配得分。例如，可以在机器学习系统中输入一个或多个参数以训练多个模型来确定状态或分配得分。机器学习系统可以使用参数的任何组合来训练模型。例如，在一些情况中，它可以只使用图像数据。在一些实施例中，图像数据，识别信息，位置信息，容器信息，容器组件信息，气流，热信息，装载模式和/或其它参数中的一个或多个可用于训练模型。机器学习系统可以使用监督学习，半监督学习，无监督学习，强化学习和/或其它机器学习技术中的一种或多种。在一些实施例中，机器学习模型可以包括决策树，支持向量机，回归分析，贝叶斯网络，随机森林学习，降维算法，提升算法，人工神经网络（例如，全连接神经网络，深度卷积神经网络或递归神经网络），深度学习和/或其他机器学习模型。
53.在一些实施例中，分析模块180可以被配置成确定容器状态和/或得分。例如，容器状态和/或得分可以指示容器的整体状况。在一些实施例中，容器状态和/或得分可以基于一个或多个参数（热参数，气流参数，装载模式，物品参数等）来确定。在一些实施例中，容器状态和/或得分可以基于参数得分来确定。例如，容器得分可以是参数得分的合计得分。在一些实施例中，可以在用于计算容器得分之前对得分进行加权。在一些实施例中，分析模块180可以被配置成创建容器的一个或多个模拟。例如，分析模块180可以使用热参数来创建容器的热模拟。类似地，气流参数可用于创建气流模拟，和/或装载模式可用于创建容器的装载模拟。在一些实施例中，可以显示一个或多个模拟以供用户可视化。在一些实施例中，一个或多个模拟可以组合在可以为用户显示的一个容器模拟中。
54.在一些实施例中，反馈模块182可以被配置成基于一个或多个确定的参数，状态和/或得分来提供反馈和/或推荐。例如，反馈模块182可以通过比较来自容器的信息和与容器或类似容器相关的历史信息，或行业中的最佳实践来提供反馈和/或推荐。在一些实施例中，反馈可以包括所获得的参数和得分（例如，图7-a中所示的702），来自图像数据的选择的图像（例如，图7中所示的选择图像704），装载模式图（例如，图7-a中所示的706）和/或总容器得分（所获得的参数和得分（例如，图7-a中所示的708））中的一个或多个。
55.在一些实施例中，反馈可以指示可能需要用户注意的货物物品或货物组件。例如，用户可以在容器打开之后和卸载之前接收警报/反馈，该反馈指示物品可能损坏。反馈可提供物品的类型，其在容器内的位置，损坏的类型，损坏的概率，损坏的原因和/或推荐的动作等。在一些实施例中，反馈可包括基于一个或多个确定的参数，状态和/或得分来修理容器（或整个容器）的一个或多个组件的推荐。
56.例如，反馈可以指示位于4号托板中的一箱香蕉可能被损坏（例如，压碎）。反馈可
以包括示出物品的确切位置的容器模拟的显示。在其它示例中，该反馈可以包括下列通知：空气溜槽中的一个变得断开并且该容器的那个侧上的物品可能需要额外的检查。在又一示例中，反馈可指示容器中的不良气流。在这种情况下，反馈可以包括不良气流的原因（例如，装载模式，空气递送点的阻塞等），以及推荐的动作过程（例如，修理容器的组件，检查托板2-3中的物品，检查空气递送点，改变未来的装载模式等）。
57.在一些实施例中，反馈模块182可以被配置成将从传感器102获得的信息与从容器内的传感器（例如，物品传感器，位置传感器，环境传感器，或放置在容器内的其它传感器）获得的传感器测量进行比较。在一些实施例中，反馈模块182可以指示来自容器内的传感器的测量与来自传感器102的测量之间的差异。由反馈模块182提供的反馈可以指示测量之间的差异（不同），差异的原因和/或最小化差异的可能的动作过程。例如，反馈可以指示传感器有缺陷并推荐更换，或者传感器被阻塞并推荐改变传感器的位置或改变装载模式等。
58.在一些实施例中，反馈模块182可以被配置成调整该容器的未来装载模式。可以基于来自分析模块180的数据（例如，基于装载模式得分，容器得分或其它得分）来调整（或更新）未来装载模式。在一些实施例中，反馈模块182可以被配置成基于当前装载模式与类似容器的最佳实践的比较来优化装载模式。在一些情况中，反馈模块182可以为将来的装载计划推荐货物物品类型。例如，反馈模块182可以确定容器不适合于运送额外的冷货物物品，并且推荐在当前状况下仍然可以在容器中运送的其它类型的货物物品。在一些实施例中，推荐可以采取一组选项的形式，并且当用户导航选项时，反馈模块在给定用户做出的选项的情况下（例如，如果用户选择不维修壁损坏，则推荐之一将是运送非易腐物品）引导用户进行最佳推荐。
59.在一些实施例中，反馈模块182可以被配置成生成视觉反馈。例如，在一些实施例中，可以将气流特性，热参数和/或装载模式输入到建模系统中以生成这些参数中的一个或多个的视觉模拟。在一些实施例中，视觉反馈可以包括热模拟（示出容器或货物物品的热性质），气流模拟（示出容器内的气流），装载模式模拟（示出容器的当前装载模式）和/或其它模型。在一些实施例中，这些模拟可以组合到容器模拟中，并且作为用户的视觉反馈来提供。
60.图7a-d示出根据本公开的一个或多个实施例的视觉反馈的示例。例如，图7-b示出包括视觉反馈的用户界面710的示例。如可以看出，反馈可以包括一个或多个得分（712）。例如，在一些实施例中，反馈可以包括总得分（84.5％），拖车特性得分（87.5％），拖车状况得分（75％），拖车装载得分（100％）等。
61.在一些实施例中，视觉反馈可以包括一个或多个图像数据714。图7-c示出包括在视觉反馈（用户界面）中的图像数据的示例。图像数据可以包括一个或多个图像数据分析。例如，指南和深度指示器726和730（基于透视定位技术）730，高度指示器722，高度测量724和距离测量734（例如，托板之间的距离和/或与壁的距离）。在一些实施例中，视觉反馈可以包括拖车的可视化。图7-d示出根据一个或多个实施例的拖车760的示例。可视化760可以包括拖车内的物品（例如托板）的位置762和/或物品的取向766。要理解，图7a-d中所示的视觉反馈（或用户界面）的示例仅用于说明目的。可以包括其它信息。例如，图1-图6中所示的一个或多个信息可以包括在视觉反馈中。在一些实施例中，视觉反馈可以示出实际测量（例如，高度，距离，取向，大小等）。测量可以采取字母数字格式，并且可以采取任何测量单位。
62.应当领会，所图示的组件描绘为离散功能块，但实施例不限于其中本文所描述的功能性如所图示的那样来组织的系统。由组件中的每个提供的功能性可以由与当前描绘的不同地组织的软件或硬件模块来提供，例如，这样的软件或硬件可以被混合，结合，复制，分解，分布（例如，在数据中心内或地理上），或以其他方式不同地组织。本文描述的功能性可以由执行存储在有形的，非暂时性的，机器可读介质上的代码的一个或多个计算机的一个或多个处理器来提供。
63.图8图示根据本公开的一个或多个实施例的用于容器状况确定的方法800。下面提出的方法800的操作旨在是说明性的。在一些实现中，方法800可以利用未描述的一个或多个附加操作和/或不利用所讨论的一个或多个操作来实现。另外，其中方法800的操作在图8中图示并在下面描述的顺序不旨在是限制性的。
64.在一些实施例中，所述方法可在一个或多个处理装置（例如，数字处理器，模拟处理器，经设计以处理信息的数字电路，经设计以处理信息的模拟电路，状态机和/或用于电子地处理信息的其它机构）中实施。处理装置可以包括响应于以电子方式存储在电子存储介质上的指令而执行所述方法的操作中的一些或全部操作的一个或多个装置。处理装置可以包括一个或多个装置，其通过硬件，固件和/或软件配置成专门设计用于执行所述方法的操作中的一个或多个操作。
65.在方法800的操作802处，可以获得来自一个或多个光学传感器的容器的图像数据。在一些实施例中，操作802可以由与（在图1中示出并且本文描述的）图像模块120相同或类似的图像模块来执行。
66.在方法800的操作804处，可以基于图像数据来确定位于容器内的一个或多个物品的位置信息。在一些实施例中，操作804可以由与（在图1中示出并且本文描述的）参数模块130相同或类似的参数模块来执行。
67.在方法800的操作806处，可以从图像数据确定容器中的空气递送信息。在一些实施例中，操作806可以由与（在图1中示出并且本文描述的）参数模块130相同或类似的参数模块来执行。
68.在方法800的操作808处，可以确定容器的气流特性。容器的气流特性可以基于一个或多个物品的位置信息和空气递送信息来确定。在一些实施例中，操作808可以由与（在图1中示出并且本文描述的）气流确定模块150相同或类似的气流确定模块来执行。
69.在方法800的操作810处，确定一个或多个物品中的物品被损坏的概率。在一些实施例中，物品被损坏的概率可以基于位置信息和气流特性来确定。在一些实施例中，操作810可以由与（在图1中示出并且本文描述的）分析模块180相同或类似的分析模块执行。
70.如本文所述的容器表征的一种或多种技术的实施例可在可与各种其它装置交互的一个或多个计算机系统上执行。由图9图示一个这样的计算机系统900。图9示出可用于实现本文所述的技术的方面的计算机系统的示例。在不同实施例中，计算机系统900可包括可执行所指示功能的硬件或软件的任何组合，包括但不限于计算机，个人计算机系统，台式计算机，膝上型计算机，笔记本或上网本计算机，大型计算机系统，手持式计算机，工作站，网络计算机，拍摄装置，机顶盒，移动装置，网络装置，因特网器具，pda，无线电话，寻呼机，消费者装置，视频游戏控制台，手持式视频游戏装置，应用服务器，存储装置，诸如交换机，调制解调器，路由器之类的外围装置。或其它类型的计算或电子装置。
71.在所图示的实施例中，计算机系统900包括经由输入/输出（i/o）接口930耦合到系统存储器920的一个或多个处理器910。计算机系统900还包括耦合到i/o接口930的网络接口940，以及一个或多个输入/输出装置950，例如光标控制装置960，键盘970和（一个或多个）显示器980。在一些实施例中，预期可使用计算机系统900的单个实例来实施实施例，而在其它实施例中，多个这样的系统或组成计算机系统900的多个节点可配置成托管实施例的不同部分或实例。例如，在一个实施例中，一些元件可以经由计算机系统900的一个或多个节点来实现，所述节点不同于实现其它元件的那些节点。
72.在各种实施例中，计算机系统900可以是包括一个处理器910的单处理器系统，或包括若干处理器910（例如，两个，四个，八个或另一合适的数量）的多处理器系统。处理器910可以是能够执行指令的任何合适的处理器。可以包括（一个或多个）半导体和/或晶体管（例如，电子集成电路（ic））。在这样的上下文中，处理器可执行指令可以是电子可执行指令。例如，在各种实施例中，处理器910可以是实现诸如x86，powerpc，sparc或mips isa或任何其它适当isa之类的各种指令集体架构（isa）中的任何的通用或嵌入式处理器。在多处理器系统中，处理器910中的每个可以共同地，但不是必要地，实现相同的isa。
73.在一些实施例中，至少一个处理器910可以是图形处理单元。图形处理单元或gpu可视为用于个人计算机，工作站，游戏控制台或其它计算或电子装置的专用图形渲染装置。现代gpu在操纵和显示计算机图形方面可能是非常有效的，并且它们的高度并行的结构可以使它们比用于一系列复杂图形算法的典型cpu更有效。例如，图形处理器可以以使得执行图形基元操作比利用主机中央处理单元（cpu）直接绘制到屏幕快得多的方式来实现多个图形基元操作。在各种实施例中，本文所公开的图像处理方法可以至少部分地由被配置用于在这样的gpu中的一个上执行或者在这样的gpu中的两个或更多个上并行执行的程序指令来实现。（一个或多个）gpu可以实现允许程序员调用（一个或多个）gpu的功能性的一个或多个应用程序接口（api）。合适的gpu可从诸如nvidia corporation，ati technologies（amd）等的供应商处购得。在一些实施例中，一个或多个计算机可以包括并行操作的多个处理器。处理器可以是中央处理单元（cpu）或专用计算装置，例如图形处理单元（gpu），集成电路或片上系统，专用集成电路（asic），现场可编程门阵列（fpga），复杂可编程逻辑设备（cpld）或专用集成电路。
74.系统存储器920可被配置成存储可由处理器910访问的程序指令和/或数据。在各种实施例中，系统存储器920可使用任何合适的存储器技术来实施，例如静态随机存取存储器（sram），同步动态ram（sdram），非易失性/快闪型存储器或任何其它类型的存储器。在所图示的实施例中，实现预期功能（例如本公开中所描述的功能）的程序指令和数据被示为分别作为程序指令925和数据存储935存储在系统存储器920内。在其它实施例中，程序指令和/或数据可以在不同类型的计算机可访问介质上或在与系统存储器920或计算机系统900分开的类似介质上接收，发送或存储。一般而言，计算机可访问介质可以包括存储介质或存储器介质，例如磁或光介质，例如经由i/o接口930耦合到计算机系统900的盘或cd/dvd-rom。经由计算机可访问介质存储的程序指令和数据可以通过传输介质或信号（例如电，电磁或数字信号）来传输，所述传输介质或信号可以经由通信介质（例如网络和/或无线链路）来传送，例如可以经由网络接口940来实现。
75.在一个实施例中，i/o接口930可以被配置成协调处理器910，系统存储器920和装
置中的任何外围装置之间的i/o流量，所述外围装置包括网络接口940或诸如输入/输出装置950之类的其它外围装置接口。在一些实施例中，i/o接口930可以执行任何必要的协议，定时或其它数据转换，以将来自一个组件（例如，系统存储器920）的数据信号转换成供由另一组件（例如，处理器910）使用的格式。在一些实施例中，i/o接口930可包括对通过各种类型的外围总线（例如外围组件互连（pci）总线标准或通用串行总线（usb）标准的变体）附接的装置的支持。在一些实施例中，i/o接口930的功能可以被分成两个或更多个单独的组件，例如比如北桥和南桥。另外，在一些实施例中，i/o接口930（例如到系统存储器920的接口）的功能性中的一些或全部功能性可直接并入处理器910中。
76.网络接口940可以被配置成允许在计算机系统900和附于网络的其他装置（例如其它计算机系统）之间或在计算机系统900的节点之间交换数据。在各种实施例中，网络接口940可以支持经由有线或无线通用数据网络（例如任何合适类型的以太网网络）的通信，例如经由电信/电话网络（例如模拟语音网络或数字光纤通信网络）的通信；经由诸如光纤通道san之类的存储区域网络的通信，或者经由任何其它合适类型的网络和/或协议的通信。
77.在一些实施例中，输入/输出装置950可以包括一个或多个显示终端，光标控制装置（例如，鼠标），键盘，小键盘，触摸板，触摸屏，扫描装置，语音或光学识别装置，或适于通过一个或多个计算机系统900输入或检索数据的任何其它装置。多个输入/输出装置950可以存在于计算机系统900中，或者可以分布在计算机系统900的各个节点上。在一些实施例中，类似的输入/输出装置可以与计算机系统900分离，并且可以通过有线或无线连接（例如通过网络接口940）与计算机系统900的一个或多个节点交互。
78.本领域技术人员将领会，计算机系统900仅是说明性的，并不旨在限制本公开的范围。特别地，计算机系统900还可以连接到未图示的其它装置，或者相反可以作为独立系统来操作。另外，在一些实施例中，由所图示的组件提供的功能性可组合在较少组件中或分布在额外组件中。类似地，在一些实施例中，可以不提供一些所图示的组件的功能性和/或其它附加功能性可能是可得到的。
79.应当理解，说明书和附图不旨在将本发明限于所公开的特定形式，而是相反，本发明将覆盖落入如由所附权利要求所限定的本发明的精神和范围内的所有修改、等效物、和备选方案。鉴于本说明书，本发明的各个方面的进一步修改和备选实施例对于本领域技术人员将是明白的。因此，本说明书和附图将被解释为仅是说明性的，并且用于教导本领域技术人员实行本发明的一般方式的目的。将理解，本文示出并描述的本发明的形式将被视为实施例的示例。可以用元件和材料代替本文示出并描述的那些元件和材料，可以颠倒或省略部分和过程，并且可以独立地利用本发明的某些特征，所有这些对于在受益于本发明的本说明书后的本领域技术人员将是明白的。在不脱离如所附权利要求中所描述的本发明的精神和范围的情况下，可以对本文所描述的元素进行改变。本文所使用的标题仅出于组织目的，并不意味着被用于限制本说明书的范围。
80.如贯穿本技术所使用的，词语“可以”以许可意义（即，意味着有可能）而不是强制意义（即，意味着必须）来使用。词语“包括（include、including、和includes）”等意味着包括但不限于。如贯穿本技术所使用的，单数形式“一（a、an）”和“该”包括复数的所指对象，除非内容另有明确指示。因此，例如，对“一个元件（an element或a element）”的引用包括两个或更多个元件的组合，尽管对于一个或多个元件使用其它术语和短语，诸如“一个或多
个”。术语“或”是非排它性的，即涵盖“和”和“或”两者，除非另有指示。描述条件关系的术语（例如“响应于x，进行y”、“当x时，就进行y”、“如果x，则进行y”、“在x时，进行y”等）涵盖因果关系，其中前项是必要性因果条件、前项是充分性因果条件、或者前项是结果的贡献性因果条件，例如“当条件y获得时，就出现状态x”对于“仅当y时，就出现x”和“当y和z时，就出现x”是通用的。此类条件关系不限于立即在前项获得之后的结果，因为一些结果可能延迟，并且在条件陈述中，前项被连接到其结果，例如，先例与结果发生的可能性相关。此外，除非另有指示，否则一个值或动作“基于”另一条件或值的陈述涵盖以下两种情形：条件或值是唯一因素的情形，和条件或值是多个因素中的一个因素的情形。除非另有指示，否则某一集合中的“每个”实例具有某一特性的陈述不应被读为排除较大集合中的某些其它相同或相似的成员不具有该特性的情况，即，每个不一定意味着所有。除非另外特定规定，否则如从讨论中明白，领会的是，贯穿说明书，利用诸如“处理”，“计算”，“运算”，“确定”等术语的讨论是指诸如专用计算机或类似专用电子处理/计算装置的特定设备的动作或过程。