箱子停住
一个箱号识别失败、状态未同步或查验 hold 没处理，会变成延误、滞箱费和客户投诉。
Pitch 58 · Container Yard Exception Closure
每个滞留集装箱，都是一张没闭环的异常单。
YardLoop 是面向港口、内陆港、集装箱堆场、铁路联运场和大型货主堆场的边缘视觉异常闭环平台：把箱号、封签、损坏、底盘车、箱位和放行状态从现场事实变成可处理、可举证、可回写的操作闭环。
01 · Problem
TOS 知道计划，现场却每天制造没有闭环的例外。
港场和堆场已经有 TOS/YMS、闸口系统、预约、吊机、拖车和摄像头，但错箱、错位、封签异常、箱损、底盘车问题、查验 hold、放行争议和滞箱费仍会散落在邮件、照片、对讲机、Excel 和人工备注里。
证据分散
箱损、封签、底盘车、放行和进出闸照片常在不同系统里，事后争议很难还原。
现场不可信
TOS/YMS 记录“应该在哪里”，但客户、调度和保险要的是“现在真实发生了什么”。
机器人没入口
AMR、车载相机、无人车和固定 OCR 能看见现场，却没有统一异常语言和回写动作。
02 · Why Now
港口波动、滞箱费争议、自动化投资和边缘 AI 同时把现场事实推到前台。
买方不是第一次数字化港场。变化在于：供应链波动让异常更贵，监管让费用证据更重要，自动化让机器视觉进入闸口和堆场，端侧 AI 让异常可以在现场实时闭环。
$15.4B
FMC 披露 9 家海运承运人在 2020-04 至 2025-03 收取的 detention / demurrage 费用量级。
$75-300
行业资料中常见的 detention / demurrage 每箱每日费用区间，争议往往来自证据不完整。
80%+
UNCTAD 长期指出全球贸易量大部分通过海运，港场异常会沿供应链放大。
42 ports
GAO 调研美国最大集装箱港口时，把闸口、堆场、岸桥和水平运输自动化列为关键议题。
03 · Insight
港场自动化的第一桶金不是无人码头，而是异常闭环。
一个港场可以先不重建吊机和水平运输。只要把“现场看见的例外”变成可指派、可验证、可回写的任务，就能更快减少争议、压缩滞留、提高放行可信度。
Truth
箱号、箱位、封签、箱损、底盘车、闸口照片、查验状态和放行证明统一成事件。
Action
异常不是截图，而是有责任人、SLA、任务类型、复核动作和系统回写的 case。
Learning
OCR 失败、遮挡、雨夜、坏角度、人工纠正和误报进入 LeRobot HIL 数据集。
04 · Solution
YardLoop 是港场现场事实到 TOS/YMS 的异常操作层。
它接入闸口 OCR、堆场摄像头、车载相机、AMR、小型巡检车、RTK/UWB、人工复核和 TOS/YMS，把每个箱子的现场状态推进到处理完成，而不是停在“有人拍到过”。
- Container Event Graph：箱号、封签、损坏、箱位、底盘车、预约、查验和放行状态统一到一张事件图。
- Exception Dispatch：OCR 低置信度、箱损、错位、封签异常、hold 超时和底盘车异常自动生成任务。
- Proof Pack：进出闸照片、damage card、seal card、chassis card、时间戳和复核记录组成争议证据包。
- TOS/YMS Writeback：异常关闭后，把位置、状态、release proof 和备注回写现有系统。
05 · Product Workflow
一个错位箱，从闸口低置信度到放行 proof。
比赛 demo 可以用桌面集装箱模型、摄像头、二维码/OCR mock、车载小车和 mock TOS，把港场闭环讲清楚。
Scan
闸口、堆场相机或小车拍到箱号、封签、底盘车和箱损，端侧模型生成事件。
Compare
YardLoop 对比 TOS/YMS 计划、预约、箱位、hold、release 和历史照片。
Dispatch
异常进入队列：低置信度 OCR、错箱位、封签异常、damage claim、chassis roadability。
Verify
人工复核、巡检小车或固定相机补证据，形成 before/after 和 release proof。
Writeback
状态回写 TOS/YMS；失败视角和人工修正进入 LeRobot HIL 和下一轮 edge 模型。
06 · Market Wedge
先从一个闸口和一个堆场 block 开始，不从全自动码头开始。
首单应该选择异常频率高、费用争议多、现有 TOS/YMS 已经存在但现场证据分散的场地。
集装箱码头
闸口 OCR、箱损、封签、查验 hold、放行争议和堆场错位是高频场景。
内陆港 / 铁水联运
铁路、卡车、仓库和港口系统交接多，异常责任更容易断裂。
Chassis Pool
底盘车 roadability、照片证据、维修任务和责任归属可独立成付费模块。
大型货主堆场
汽车、零售、制造和跨境货主有自有堆场、滞留费用和承运商争议。
冷链港场
reefer plug、setpoint、门封和温控证明可复用 ColdChainLoop 数据模型。
中国智慧港口
上海、宁波舟山、深圳、青岛、天津等港口已推进自动化，仍需要跨系统异常闭环。
07 · Business Model
按 lane、yard block、scan volume、closed exception 和证据报告收费。
YardLoop 的定价锚定减少 D&D 争议、加快闸口处理、提高 damage/chassis 证据、减少人工巡场和提升放行可信度。
付费试点
海外 30k-90k 美元；中国 30-100 万元，6-8 周跑通一个 gate lane + 一个 yard block。
站点订阅
8k-25k 美元 / yard / month，按 lane、block、摄像头、小车、TOS connector 和报告分层。
按量收费
规模化后按 scan、closed exception、damage proof、chassis inspection 或 dispute packet 加价。
ROI KPI
gate cycle time、OCR exception rate、D&D exception resolution、damage claim cycle、yard rehandle、release latency。
08 · Go-To-Market
先卖给最怕“说不清责任”的港场运营团队。
YardLoop 的入口不是替换 TOS，也不是卖无人车，而是把一个高频异常流程变成客户能当天处理的队列和证据包。
First Buyer
中小码头、内陆港、铁路联运场、chassis pool、跨境货主堆场和 3PL yard。
First Workflow
gate OCR low confidence + damage/seal proof + release hold queue。
Channels
TOS/YMS 集成商、闸口 OCR 设备商、港口自动化 SI、保险/理赔服务和车队管理商。
Expansion
从闸口扩到 yard block、reefer lane、chassis shop、rail interchange 和多站点 exception graph。
09 · Competition
现有系统管理计划和设备，YardLoop 管异常生命周期。
港场不是没有软件和自动化，而是现场事实、异常责任、证据包和训练数据没有形成一个独立的闭环层。
Kaleris / Navis
TOS 主系统强；YardLoop 不替代它，只把现场异常和 proof 回写进去。
Tideworks / TBA
码头运营软件成熟；YardLoop 补低置信度视觉、人工复核和 exception evidence。
Camco / OCR
闸口和吊机 OCR 强；YardLoop 把 OCR 失败、箱损和封签异常变成任务。
Kalmar / ZPMC
设备和自动化能力强；YardLoop 做跨设备现场事实层和 HIL 数据层。
Terminal Industries
计算机视觉切入 drayage 和堆场；YardLoop 聚焦港场 exception closure 和 TOS/YMS connector。
中国智慧港
大型港口有自研/集成系统；YardLoop 可做私有部署、边缘模型和跨系统异常图。
10 · Moat
壁垒是 container-event graph + TOS/YMS connector + 异常证据数据集。
每关闭一个异常，系统都会学习哪类现场证据能减少争议、哪个摄像头角度容易失败、哪个客户/承运商/场站的处理路径最短。
Event Graph
箱号、箱位、封签、damage、chassis、gate、hold、release、照片和任务状态的时间线。
Connectors
TOS/YMS、gate OCR、预约、查验、chassis maintenance、WMS/TMS 和客户 portal。
Evidence Pack
费用争议、damage claim、release proof、roadability 和交接责任模板。
Vision Dataset
雨夜、反光、污损箱号、遮挡、低角度、中文/英文标识和人工纠正片段。
Ops Playbook
gate、yard block、reefer、rail interchange、chassis pool 和客户堆场流程模板。
Edge Profiles
Qualcomm AI Hub / QNN / QAIRT profile、离线缓存、弱网回写和模型回滚。
11 · Product Architecture
多摄像头边缘视觉在现场，异常状态进系统，训练在区域云。
架构目标是把高吞吐现场拍到的“模糊事实”变成可追踪事件，同时不把港场视频、客户货物、车牌和运营数据默认全量上云。
Sensors
gate OCR、yard pole camera、车载相机、AMR、小车、RTK/UWB、RFID、二维码和人工手机补证。
Edge AI
箱号 OCR、seal check、damage detection、chassis condition、slot verification、低置信度判断。
Robot Runtime
ROS 2 小车/AMR、Nav2 waypoint patrol、yard geofence、human review 和安全接管。
Enterprise Bridge
container_event -> TOS/YMS case；同步 hold、release、task owner、proof_uri 和 close reason。
Training Loop
HIL correction -> 中国/海外云训练 -> AI Hub/QNN/QAIRT artifact -> edge OTA。
12 · Competition Demo
3 分钟展示一个箱子如何从异常到可放行。
演示不需要真实码头，只需要一个桌面堆场、一台相机/小车、几个箱模、mock TOS 和 dashboard。
Gate
摄像头识别箱号与封签，低置信度触发 YardLoop exception。
Yard
小车巡检发现箱子在错误 block，damage card 自动生成。
Review
人工确认箱损或封签，系统要求补拍一个角度并分派处理任务。
Release
处理完成后回写 mock TOS/YMS，dashboard 显示 release proof。
Learn
OCR 失败和坏角度导出 LeRobot episode，展示区域云训练与 QNN profile。
13 · Why Qualcomm
港场异常闭环需要多摄像头、弱网、本地推理和长期可靠 edge。
YardLoop 把 Qualcomm 的价值放在现场：高吞吐 OCR、箱损视觉、低延迟判断、私有网络、低功耗小车和可部署模型 artifact。
Multi-Camera
闸口、车载、吊具、堆场杆位和小车摄像头都需要本地融合。
Edge OCR
箱号、封签、箱损和底盘状态在现场出结果，低置信度才进入复核。
Connectivity
私有 5G / Wi-Fi 6E、弱网缓存、离线队列、站点内小车和摄像头协同。
Hardware Path
RB3 Gen 2 做桌面 demo；RB6 / QCS8550 / Dragonwing IQ 路线做多摄像头生产版本。
Model Chain
AI Hub、QNN、QAIRT、ONNX Runtime QNN EP 让模型可 profile、可回滚、可区域部署。
14 · Ask
把 YardLoop 做成 Qualcomm 港场 edge AI 的可复制样板。
比赛阶段要证明的是：港场现场事实能在边缘识别、被人工复核、被系统回写，并且变成下一轮训练数据。
Dev Kit
RB3 Gen 2 / RB6 / Vision Kit 或 Dragonwing dev kit，用于多摄像头 OCR 和小车巡检。
Partner
一个内陆港、堆场、chassis pool、TOS/YMS 集成商或港口自动化 SI。
Data + API
20-50 个箱模/真实匿名样本、闸口照片样例、mock TOS API、异常状态机和复核规则。
YardLoop 的一句话 pitch：港场运营团队用它把箱号、封签、损坏、底盘车、箱位和放行状态变成一条可处理、可举证、可回写、可训练的异常闭环。