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。

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。

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.

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。

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。

移动式集装箱装卸机械智能管理关键技术研究

通过分析基于北斗高精度定位、毫米波雷达多传感融合的多级定位技术,结合RFID、图像识别的方法,解决移动式集装箱装卸机械(集装箱正面吊、堆高机等)的关键信息采集问题。此方法通过采用北斗RTK高精度定位实现装卸机械的一级定位,然后通过采用MEMS倾角传感器、毫米波雷达实现装卸机械吊具的二级精确定位;基于二级定位结果,结合自动跟踪技术、图像识别技术,实现集装箱箱号的自动识别、集装箱的定位;采用多级定位,结合无源RFID技术,实现集卡汽车的定位;采用太阳能供电、系统低功耗设计,实现系统的低功耗运行。此方法不仅解决了移动式装卸机械的定位问题,也解决了集装箱和作业集卡车的定位问题,具有广阔的应用前景。

关于港口的智能闸口系统的研究

本文主要对某港口的智能闸口系统进行研究,阐述了系统目标、设计原则、系统架构、系统组成等内容。