Teknologiske muligheter for Tolletaten – sensorteknologi og maskinlæring for automatisering av postmottak

Tolletaten har gitt Forsvarets forskningsinstitutt (FFI) oppdrag om å gjennomføre en teknologisk mulighetsstudie som kan bidra til etatens strategi for utvikling av organisasjonen på kort, mellomlang og lang sikt. Våren 2017 gjennomførte FFI en breddestudie som omhandlet teknologiske muligheter for Tolletaten. Denne rapporten er resultatet av en videre studie som dreier seg om automatisering av postmottak. Vi presenterer kort noen sensorteknologier som anses som relevante for dette formålet. Videre beskriver vi et mulig oppsett for automatisk skanning av post. Her beskrives et samlebånd med forskjellige sensorteknologier, hvor pakkene skannes en og en, mens det gjøres sanntidsprosessering på sensordataene som kommer inn. Ved enden av samlebåndet tas det en avgjørelse om hvorvidt pakken kan klareres og sendes ut, eller om den skal sendes videre til neste nivå av skanning eller manuell kontroll. Vi viser også et eksempel på et dyp læring-basert system for deteksjon av våpen i forsendelser, for å illustrere mulighetene som slike løsninger kan tilby. Vi konkluderer med at deler av skanningen i postmottaket kan automatiseres. I prinsippet kan alle pakker skannes automatisk. Det vil være mulig å foreta automatisk utvelgelse av pakker hvor datasystemet finner mønstre som er assosiert med beslag. Personellressurser kan dermed i større grad benyttes til kontroller og ikke-rutinemessig utvelgelse.

The Norwegian Customs Agency has tasked The Norwegian Defense Research Establishment (FFI) to carry out a technology feasibility study that can contribute to the agency’s strategy for developing the organization in the short, medium and long term. We have conducted a study on emerging technological opportunities for the Norwegian Customs Agency. This report is the result of an additional study concerning technologies relevant for automation in mail processing centres. We give a short presentation of certain sensor technologies which are considered relevant for this purpose. Further, we suggest a layout of such a mail processing centre. An assembly line is proposed, featuring several sensor technologies. At the assembly line, incoming packages are scanned individually. Real time processing is then perfomed on the sensor data, so that a decision may be made at the end of the line. Based on this decision, the package is either cleared and sent out of the customs system, or sent to the next level of scanning or manual inspection. We present an example of a deep learning based system, designed to detect weapons in luggage. This illustrates some of the possibilites offered by such a system. In conclusion, some of the processes performed by the mail processing centre may be suited for automation. In principle, all packages can be scanned this way. Automatic selection can be made from patterns that are associated with previous customs seizures. Thus, personnel resources may be used for manual inspections and non-routine selection.