铁路场站集装箱箱号识别系统存在的问题及其对策

以中国铁路呼和浩特局集团有限公司沙良物流园为例,在分析铁路场站集装箱箱号识别系统存在的硬件问题、软件算法缺陷、数据传输错误和丢失图片无法存储,以及外部环境恶劣和集装箱表面污损等的基础上,提出优化升级硬件设备、改进识别算法、优化数据传输协议与存储机制,以及增强算法对环境变化的鲁棒性等应对外部干扰的对策。实践证明,采用这些对策后,集装箱箱号识别系统的识别准确率和运行稳定性得到显著提升,为铁路场站集装箱高效、精准管理提供了坚实技术支撑。

基于边界模板匹配算法的集装箱箱号识别

为了解决集装箱箱号识别精度差、速度慢的缺点,提出了一种新的识别方法。该方法从字符的边界信息中抽取出其特征向量并利用模板匹配法完成字符的初步识别。然后通过大量的实验确定易混淆的字符集,再利用这些字符的独有特征加以区分识别。实验结果表明此算法不但减少了运算量,而且提高了识别速度和精确度。

基于BP神经网络的集装箱箱号识别

提出一种用BP神经网络实现集装箱箱号识别的方法。提出的图像预处理方法对管柱,底面凹凸,脏污物、光线的强弱、倾斜、缺损或模糊有较强的适应性。在BP网络分类器实现时,考虑集装箱箱号的组成特点,采用并行处理方法。在BP算法中,引入动态因子,动态调整学习步长。实践证明利用这种方法来识别装箱箱号,速度快,识别率高,具有较高的实用价值。

集装箱检测信息自动采集系统的箱号识别策略

在模板匹配的基础上,提出字符的闭合结构性质,并运用此性质进行辅助识别;还根据校验码规则,设计后调整算法,形成了完整的识别策略,具有较高的识别率和坚韧性。

基于计算机视觉的集装箱箱号识别

集装箱箱号识别是集装箱码头装卸作业实现自动化的一个关键技术。基于计算机视觉技术对集装箱箱号自动识别问题进行研究,分别针对闸口和岸边集装箱箱号智能识别对象和环境进行分析,提出自适用的滤波技术对图像进行预处理,采用深度学习算法完成箱号识别。经过大量的现场测试和应用,闸口和岸边集装箱箱号识别系统的识别正确率分别达到了97%和95%,且均能够满足实际应用对实时性的要求。

大角度透视变形集装箱图像箱号识别方法

针对存在大角度透视变形的集装箱图像,提出一种新的集装箱箱号识别方法.首先对图像进行透视变换校正,然后利用深度卷积神经网络模型定位并识别出集装箱图像中的26个大写英文字母和10个阿拉伯数字,最后利用集装箱箱号的先验知识,通过级联决策规则从候选字符集中识别出集装箱箱号.此方法应用于重庆港集装箱1 035张实景图像,箱号识别精度达97%,基于NVIDIA GeForce GTX1080图形处理器加速的箱号识别速度为每秒2～5帧.

基于组合特征的集装箱箱号识别法

为准确、高效地识别集装箱箱号,提出一种基于组合特征实现箱号识别的方法。对分割好的字符二值图像预处理后提取孔洞特征、凹凸特征、跳变特征、笔画特征等,利用树形分类器进行分类识别,并结合箱号自身的校验规则进行验证、识别。该方法不需要对字符图像做复杂的细化处理,提高了运算速度,避免了细化造成的字符畸变。实验结果表明,该方法平均箱号正确识别率可以达到93%,每箱号(11个字符)平均识别时间为0.065s。

基于移动终端的箱号识别方法及应用

基于深度学习、图像预处理、Flask服务端框架、微信小程序等技术,开发了一种基于移动端的集装箱箱号的算法,解决集装箱码头堆场人工记录箱号的问题。算法经过现场测试,单张识别率为97%,识别时间500 ms,满足港口作业要求。系统的应用提升了港口装卸的智能化水平和作业效率。

基于多特征组合的集装箱箱号识别算法

提出一种基于多特征组合的集装箱箱号识别算法。该算法首先通过对箱号图片进行预处理,利用行列扫描法实现箱号的定位分割,得到单一的字符二值图像;使用特征匹配和模板匹配相结合的方法完成箱号的识别。实验表明,平均箱号正确识别率可以达到95%,每张图片箱号平均定位、分割以及识别时间在140ms左右。

基于MATLAB软件的集装箱箱号识别系统

为提高集装箱自动化装卸效率,基于MATLAB软件建立集装箱箱号识别系统,通过图像预处理、图像摆正、字符识别匹配等3个环节对已获得的图像进行识别,以得到图像中集装箱的具体号码。该系统可以避免传统集装箱管理过程中人工辨别易出现的错误和疏忽问题。

集装箱箱号字符识别算法研究

针对集装箱箱号图像中存在的光照不均、箱号的偏转和倾斜等因素,着重研究箱号字符识别中的关键技术问题。对于箱号图像光照不均问题,采用一种改进型的差分边缘检测粗定位算法;利用改进的最小二乘法有效地解决箱号偏转难以精确定位问题;运用基于梯度下降投影字符矫正及分割算法,实现对倾斜箱号的校正与分割;采用BP神经网络进行字符识别。对1 050幅不同条件的拍摄图像进行实验,结果表明上述算法相对于传统算法与深度学习算法,综合识别率明显提高,且符合实时性要求。

集装箱装载状态检测及箱号自动识别技术

简要介绍在集装箱转运作业中,如何实现集装箱装载状态检测及箱号自动识别,从而提供一种具备机动性的集装箱检测手段,提高集装箱转运作业的工作效率及准确率。

铁路货场集装箱箱号智能识别及辅助管理系统研究

随着时代的发展,铁路货场对于集装箱运输调度工作也发生了一定的改变。为了进一步提升铁路站场管理运作效率,本文针对货场集装箱的管理需求进行研究,定制开发了一套辅助生产管理系统,主要解决目前车站对集装箱管理无序和操作复杂的问题。通过功能性的阐述,为相关人员提供技术参考。

集装箱箱号智能识别系统

集装箱箱号识别系统是港口自动化设备的重要组成部分。应用人工智能、图形识别及深度自学习等技术,构建由前端摄像机图像采集、智能系统进行图片分析处理的集装箱箱号快速识别系统,可大幅提高集装箱识别速度,减轻人工作业负荷,减少安全隐患,降低成本,提升设备作业效率,实现集装箱装卸、理货的自动化和智能化,促进港口转型升级发展。

码头闸口集装箱箱号自动识别系统设计与开发

码头集装箱的进出车辆登记,传统采用人工记录方式,效率低。为了提高码头的运转效率,重要的是减少车辆的登记时间。笔者设计的集装箱箱号自动识别系统,基于轴线扫描和垂直投影的箱号定位,有效地去除了干扰信息,获取准确的箱号位置;同时采用将灰度投影字符分割法和欧式距离字符识别相结合的方法,提高识别效果;采用摄像头拍摄车辆图像,利用监控计算机对图像进行处理,识别出集装箱箱号,录入数据库,并做决策,控制闸口设备的操作。仿真结果表明:该系统可以实现自动录入进出闸口的集装箱箱号,车辆进出闸口无需停车,提高了码头运转效率,减少了塞车机会,并解决了采用射频(RFID)识别系统成本高、难统一标准的难题。

基于数学形态学的集装箱箱号快速定位算法

为快速正确地定位出集装箱箱号,提出一种基于数学形态学的集装箱箱号快速定位方法。对采集的集装箱图像进行预处理得到二值化图像,对二值化后的图像运用数学形态学的方法进行一系列运算,将集装箱图像分割为多个独立的连通区域;根据集装箱箱号区域面积的变化范围,去除较小的区域与较大的区域,标记剩下的区域;根据箱号区域的形状特性对箱号快速定位。实验结果表明,该方法具有效果好、速度快的特点,且只需少量的箱号先验知识。

基于投影分析的集装箱箱号倾斜校正方法

为了准确地校正倾斜的集装箱箱号,提出了一种基于投影分析的箱号倾斜校正方法。将箱号字符的变形分解为水平倾斜变形和垂直倾斜变形,并分别检测出两种变形的角度,然后依次进行校正恢复。对于水平倾斜角度的检测,通过RANSAC算法拟合直线得到精确的倾斜角。对于垂直倾斜角度的检测,提出一种结合投影图像统计垂直投影数值的算法。实验结果表明,检测出的水平倾斜角和垂直倾斜角的相对误差分别在15%以及10%以内。实验结果与其它算法比较证明在准确性和鲁棒性上具有优势。

面向集装箱字符识别的预处理算法

由于光照,油污,采集图像受天气影响等原因,使集装箱箱号图像背景复杂,给分割识别带来困难。为解决这些问题,主要研究集装箱箱号图像预处理算法。根据原始图像特点,先利用形态学腐蚀运算、膨胀运算滤除噪声,在此基础上运用简单统计法结合Prewitt边缘检测算子的方法对具有复杂背景的集装箱箱号图像二值化,使用基于特征值公式的集装箱箱号字符分割方法准确分割字符。试验结果表明,此方法较好完成对集装箱箱号原始图像的预处理。

基于行列扫描的集装箱号分割

提出一种DM642平台下基于行列扫描的集装箱号分割的方法。在箱号区域粗定位阶段,运用自适应阈值二值化获取单色图像、结合边缘检测和直方图统计粗定位箱号区域。在字符分割阶段,运用基于像素投影的区域分割方法,在读取行列像素数据的同时对该像素点及其附近区域进行字符条件验证,将符合条件的区域标记并分割,完成字符边扫描边分割。实验结果表明该方法准确有效,分割正确率达到95.2%,处理每帧视频平均用时26.848 ms,满足实时性要求。

蚁群优化算法在集装箱箱号定位中应用

将蚁群优化算法应用到集装箱箱号识别系统中,提出一种基于蚁群优化算法的集装箱箱号定位方法。首先对在箱号字符定位中,引入蚁群优化算法进行图像边缘检测,使从图像中提取的箱号区域具有更高的精度,根据高精度的图片边缘信息进行箱号定位、字符分割,最后进行字符识别。实验表明,引入蚁群优化算法能够提高箱号的识别率和缩短识别时间。