Hoy, después de siete años de incansables esfuerzos, el Sistema de Análisis de Imágenes basado en IA se ha convertido en una herramienta indispensable en las operaciones de control e inspección de GACC.

El sistema de análisis de imágenes basado en inteligencia artificial ya se ha instalado en cientos de dispositivos NII, incluidos equipos de inspección de rayos X a gran escala para contenedores y camiones, vehículos de pasajeros y trenes, así como escáneres de TC para equipaje y artículos de pasajeros entrantes y salientes, y correo y paquetes.

Identificación automática de artículos prohibidos: el sistema puede detectar eficazmente cerca de 100 tipos de artículos prohibidos, como armas de fuego y municiones, ciertos tipos de drogas ilícitas o productos animales como el marfil. También puede identificar más de 2000 tipos de productos, como frutas, carne y leche en polvo; hacer coincidir los resultados de las imágenes con la información relevante de la declaración de aduanas; Detección automática de compartimentos ocultos en vehículos y trenes: en los puertos terrestres, el sistema envía alarmas cuando se detectan objetos ocultos en zonas clave de los vehículos, como motores y chasis.

Desde 2022, se han detectado más de 20.000 intentos de contrabando a través de alarmas generadas gracias al Sistema de Análisis de Imágenes basado en IA, lo que permite a GACC mejorar la eficiencia de las operaciones de control sin aumentar los recursos humanos.

Estos impresionantes resultados son el fruto de intensos esfuerzos y de una eficiente colaboración entre el GACC y las oficinas regionales.

En las primeras etapas, GACC llevó a cabo capacitación en algoritmos e investigación y desarrollo de algoritmos basados ??en los primeros ocho dígitos de la nomenclatura de mercancías, e implementó algoritmos maduros (con una tasa de precisión de reconocimiento superior al 95%) en todos los equipos NII en todos los sitios de Aduanas en todo el país.

Algoritmos de prohibición, que se dirigen a elementos prohibidos, como cuchillos y armas de fuego, y se aplican a todas las imágenes escaneadas.

Algoritmos de reconocimiento que el sistema selecciona en función de la información de la declaración. No se activan los algoritmos relacionados con productos no relacionados con la declaración.

A medida que la aplicación se fue profundizando, el GACC se encontró con algunas dificultades. La principal dificultad residía en el hecho de que 

las mercancías con el mismo código HS podían ser muy diferentes y no todas podían ser reconocidas por un algoritmo con la misma precisión.

Por otra parte, el uso de varios algoritmos para analizar la misma imagen aumentaba la tasa de falsas alarmas.

Para resolver esas dificultades y mejorar continuamente la precisión del sistema de análisis de imágenes basado en IA, GACC adoptó varias medidas. La más importante fue permitir que las oficinas aduaneras regionales (conocidas como distritos aduaneros) eligieran los algoritmos que se implementarían en sus equipos NII en función de sus propias necesidades reales y, por lo tanto, evitaran el uso de algoritmos que no fueran relevantes para ellas.

Este modelo operativo se denominó “Selección autónoma de algoritmos”.

Los distritos aduaneros podían ajustar dinámicamente la lista de algoritmos utilizados para analizar las imágenes, en función de sus riesgos locales. Si un puerto no necesitaba un algoritmo, lo eliminaban.

Si un puerto necesitaba un algoritmo pero la precisión del análisis automatizado no era lo suficientemente alta, el algoritmo se eliminaba temporalmente y se reinstalaba solo después de ser modificado y probado.

GACC estableció un enfoque de base de datos de dos niveles para gestionar la implementación de los algoritmos:

la base de datos de la Administración General, que reúne algoritmos maduros relacionados con los productos comercializados en todos los puertos de entrada y que, por lo tanto, deberían implementarse y aplicarse de manera uniforme en todo el país; las bases de datos de los distritos aduaneros, que incluyen algoritmos personalizados desarrollados para los distritos de acuerdo a sus respectivos escenarios de operación, atendiendo a los requerimientos de la Administración General.

Además, la Aduana de China ha construido una base de datos de productos basada en un código de nomenclatura de 10 dígitos, así como características regionales (nombres, especificaciones e información proporcionada por las empresas).

Se necesitó dedicación y esfuerzo para desarrollar el sistema. El GACC seleccionó primero varios distritos aduaneros para poner a prueba el modelo de selección autónoma de algoritmos y estableció grupos de expertos de apoyo para ayudar a cada uno de ellos en la implementación, ajuste, seguimiento y evaluación de los algoritmos. Los expertos se aseguraron de que los problemas se resolvieran rápidamente y de que los proyectos piloto avanzaran sin problemas.

GACC también desarrolló una plataforma para permitir que los distritos aduaneros se comunicaran rápidamente con las oficinas centrales y recibieran ayuda en la selección y la implementación de algoritmos, el etiquetado y la carga de imágenes típicas y la evaluación de algoritmos.

Una comunicación eficaz fue clave para optimizar y actualizar los algoritmos. Si se encontraba que un algoritmo generaba una alta tasa de falsas alarmas, GACC lo retiraba del sistema, analizaba las razones de las falsas alarmas y las enviaba a los equipos técnicos a cargo de la optimización de algoritmos y las actualizaciones iterativas. Una vez actualizado, el algoritmo se volvía a colocar en el sistema para probarlo nuevamente.

Uno de los primeros impactos de la implementación del modelo de Selección Autónoma de Algoritmos fue liberar espacio en los servidores informáticos locales, permitiendo acortar el tiempo de cálculo de los algoritmos.

Además, las estadísticas muestran que, después de la implementación del modelo, la precisión del análisis automatizado de imágenes en dispositivos NII a gran escala aumentó aproximadamente un 5% y la tasa de falsas alarmas disminuyó aproximadamente un 8%. En el caso de los escáneres CT, la precisión aumentó casi un 6% y la tasa de falsas alarmas disminuyó casi un 5%.

Seleccionar sólo aquellos algoritmos que se necesitan localmente mejora el rendimiento del análisis de imágenes, tanto en términos de precisión como de costes.

El GACC seguirá supervisando el modelo y optimizando el análisis de imágenes basado en IA. Las aduanas chinas también profundizarán la cooperación regional y bilateral en el área de NII y crearán una comunidad de práctica con otras administraciones aduaneras, a fin de mejorar las capacidades de supervisión.