铁路集装箱中心站多轨道吊柔性协同调度优化

针对铁路集装箱中心站轨道吊协同装卸调度(RMGCS)问题,考虑多轨道吊间的作业干涉和安全距离约束,建立目标函数为最小化集装箱完工时间的混合整数规划数学模型。结合RMGCS问题特性,提出一种考虑多轨道吊柔性协同作业的改进麻雀搜索算法(ISSA),首先,提出能够解决多轨道吊间作业冲突的任务分配策略和干涉判断方法;其次,设计自适应非线性动态安全值,平衡全局和局部搜索;再次,改进加入者更新移动方式,使其在全维度上靠近最优解;最后,引入LOV(largest-order-value)规则,将个体从实数向量映射到集装箱整数序列。为了验证问题和算法的有效性,分别利用ISSA与其他算法求解不同样本规模的算例,结果表明:ISSA在不同样本规模的RMGCS问题求解上,均具有更好的寻优效果。此外,所提出的柔性协同调度模式相比现有的固定范围顺序装卸调度模式,使样本量为45的装卸作业总完工时间缩短了15.5%。

自动化集装箱码头的图像增强算法研究

为提高自动化码头应用场景拍摄图像的视觉质量,提升目标检测算法的准确率,提出一种结合改进的人工多曝光融合策略与白平衡处理的基于引导滤波分层处理(Guided Filtering Based Layering Processing, GFLP)的图像增强算法。利用改进的人工多曝光融合策略提升图像的对比度并重建图像细节;采用引导滤波公式对处理后的图像分别划分为基础层图像和细节层图像;对基础层图像进行“灰色世界”(Gray-Wond, GW)白平衡处理,将处理后的基础层和细节层进行简单相加得到增强后的图像。试验结果表明:与先进的图像增强算法相比,GFLP算法能更有效地提升自动化码头场景拍摄图像的视觉质量。该算法将有助于解决视觉技术实际应用的不足,对集装箱自动化码头的技术更新具有重要的意义。

基于人工欠曝光融合和白平衡技术的水下图像增强算法

获得清晰准确的水下图像是人类探索水下世界的重要前置条件。然而与平常图像相比,水下图像往往具有对比度低、细节保留不足及颜色失真等问题,这导致其视觉效果不佳。针对上述问题,提出了基于人工欠曝光融合和白平衡技术(AUF+WB)的水下图像增强算法。首先,利用调节伽马值的方式对原始水下图像进行操作,从而生成5幅相应的欠曝光图像;然后,以对比度、饱和度及良好曝光度作为融合权重,并结合多尺度融合来生成融合图像;最后,将各类颜色通道补偿后的图像分别结合灰色世界假设白平衡生成相应的白平衡图像,再利用水下彩色图像质量评价指标(UCIQE)及水下图像质量评价标准(UIQM)对得到的白平衡图像进行评价。通过选取不同类型的水下图像作为实验样本,将AUF+WB算法与现存先进的水下图像去雾算法进行比较,结果表明AUF+WB算法在图像质量定性、定量两方面分析中和对比算法相比均有更好的表现。所提出的AUF+WB算法可矫正水下图像的颜色失真,并增强其对比度、恢复其细节,有效提升了水下图像的视觉质量。

图像增强技术在码头水下结构外观巡检中的应用

定期开展码头水下结构的外观巡检是码头平稳运行的重要保障。通过分析现有的检测方法,发现获取图像质量不佳是采用视觉技术实施外观巡检的主要限制条件。结合相关检测作业的要求,创新提出将人造多幅欠曝光算法与颜色通道补偿方式进行融合,并通过试验验证使用图像增强算法的水下拍摄图像的视觉质量。结果表明,多曝光与颜色补偿可有效提升水下图像的对比度、恢复细节信息并进行颜色矫正,且运算效率高;图像增强算法可有效提升水下拍摄图像的视觉质量,帮助技术人员及时识别水下结构缺陷;试验中SIFT特征点匹配数量说明提出的算法有利于后续开展缺陷的自动识别及测量研究。

基于区块链和云计算的航运物流数字化生态链

为提升航运物流操作便捷性和客户体验满意度,提高航运物流生态链信息交互效率,进一步优化口岸营商环境,促进环渤海、黄海地区的航运发展,推进“一带一路”倡议以及东北振兴和大连东北亚国际航运中心建设进程。通过不断摸索、归纳集装箱航运物流核心需求和特点,从最初满足内部生产需要逐步过渡到满足对外服务需要,并最终贯通两者,将集装箱航运物流生态链各环节相互融合,提炼出航运物流生态链中在节点上降本增效、在环节中互通互信、在服务上即时便捷的核心需求,通过物联网、大数据、人工智能、云计算、区块链等技术手段,深入推进企业数字化转型,构建数字化生态链,不仅在技术上实现创新,而且在思维、理念和模式上实现创新,取得巨大的经济效益和社会效益。