论文部分内容阅读
随着全球贸易的蓬勃发展,国内各大港口每天承运的集装箱数量也逐年攀升,而集装箱的管理对于港口稳定的作业有着重要意义。现港口大多采用人工登记的方式,记录从港口运输的集装箱箱号,这样的记录方式在集装箱数量不断攀升的情况下带来了巨大陈本。为了合理而高效的管理所有承运的集装箱,港口对自动集装箱箱号的识别有着迫切的需求。集装箱箱号的识别有多种技术,其中又基于无线电的技术,也有基于图片视频的识别技术。基于无线电的识别继续需要额外增加设备,成本较高。而基于视觉信息的集装箱识别系统成本较低,但是却又技术难度大的问题。本文旨在提出一种基于视觉信息的集装箱箱号识别系统,以低成本的方式,解决港口对自动化集装箱箱号识别系统的需求。而本文利用计算机视觉的算法和神经网络的方法,实现了基于图像视频的集装箱箱号识别系统,不仅节省了集装箱箱号识别系统的成本,还提供了稳定而高效的集装箱箱号识别系统。在本文中的集装箱箱号识别系统中,分为了集装箱箱号检测模块和集装箱箱号识别模块。其中,检测模块采用了传统的计算机视觉的算法,同时也采用了基于神经网络的检测方法。传统计算机是觉得方法为集装箱箱号检测带来了精准性,且可以根据其检测结果确定集装箱箱号在图片中的位置。基于神经网络的检测方法为集装箱箱号的检测带来了鲁棒性。神经网络的检测方法可以应对实际情况中的各种复杂干扰,包括光照不均匀,光照强度太弱,箱号破损,图片模糊等干扰。本文提出的集装箱箱号的检测模块通过合理而有效的综合模块,可以利用神经网络优越的鲁棒性和传统计算机视觉算法的精准性,位系统系统准确而鲁棒的集装箱箱号检测模块。在进行集装箱箱号识别时,一般有两种识别方案,一种是基于字符分割的识别,而另一种是基于端到端的字符序列识别。在本文中,系统同时采用了基于字符分割的识别,和基于端到端的字符序列的识别方案。本文提出的系统将利用集装箱箱号的校验规则,合理的综合两种方案得到的识别结果,以得到能够应对各种情况,且识别率高的集装箱箱号识别模块。最终通过实验,集装箱箱号识别系统通过综合两种识别方案的结果,最终达到了92.2%的识别准确率,相比于基于字符分割的识别提高了约6个百分点,而相比于基于端到端的识别提高了约13个百分点。