集装箱重量字符实时视觉识别方法

针对集装箱后箱面重量和容积字符信息精确自动识别问题,提出一种集装箱重量字符实时视觉识别方法。运用改进的像素级分割文本检测方法(DBNet)以及改进的二维注意力文本识别方法(SAR),分别完成集装箱重量字符的检测和识别任务,后处理模块融合文本识别结果,得到最终需要获取的重量和容积信息。实验证实,该方法在检测子任务上相较原始DBNet方法推理速度提升27%,F-score提升5.8;识别子任务上,相较原始SAR网络,推理速度提升42%,精度仅降低0.4%。在最终的重量信息检验实验中,仰视视角拍摄下的数据集识别精度达到97.6%,FPS为20.2帧/s,基本达到研究预期,验证了方法的有效性。