[发明专利]一种集装箱识别系统及集装箱识别方法在审

专利信息
申请号: 201910029417.3 申请日: 2019-01-13
公开(公告)号: CN109784272A 公开(公告)日: 2019-05-21
发明(设计)人: 王永利;范嘉捷;王振鹏 申请(专利权)人: 南京邮电大学盐城大数据研究院有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/20;G06K9/32;G06K9/34;G06K9/42;G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 224005 江苏省盐城市*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 集装箱识别 数据采集端 控制端 集装箱图片 计算机图像识别 采集 集装箱信息 工作效率 劳动成本 数据传输 算法 物流 集装箱 港口 节约 记录 劳动
【权利要求书】:

1.一种集装箱识别系统,其特征在于:该系统包括数据采集端与控制端;所述的数据采集端布置在车辆经过的匝道上;数据采集端用于采集从匝道上经过的集装箱车辆上的集装箱图片信息;数据采集端与控制端进行数据传输;控制端对数据采集端所采集的集装箱图片信息进行处理,获得集装箱信息。

2.根据权利要求1所述的集装箱识别系统,其特征在于:所述获得集装箱信息包括集装箱箱号,集装箱箱型,颜色信息,损坏情况信息。

3.根据权利要求1所述的集装箱识别系统,其特征在于:所述的数据采集端由高清摄像头,LED增强光源,红外对射仪,红外对射仪采集子板组成;所述的高清摄像头分别布置在匝道的图像采样段处;根据车辆行驶前进方向的上方设有前顶高清摄像头,车辆行驶前进方向的后方设有后顶高清摄像头;匝道图像采样段处的两侧靠近前顶高清摄像头位置分别设有前侧高清摄像头,匝道图像采样段处的两侧靠近后顶高清摄像头位置分别设有后侧高清摄像头;前侧高清摄像头与后侧高清摄像头上分别设有红外对射仪;红外对射仪与红外对射仪采集子板相连;匝道的图像采样段处还设有LED增强光源。

4.根据权利要求3所述的集装箱识别系统,其特征在于:所述的高清摄像头将采集的图像数据及红外对射仪采集子板的数据反馈控制端。

5.根据权利要求1所述的集装箱识别系统,其特征在于:所述的控制端基于边缘计算算法从数据采集端获取的图像信息进行图像倾斜矫正处理,图像字符定位分隔,图像字符识别。

6.根据权利要求5所述的集装箱识别系统,其特征在于:所述的控制端基于SVM算法对集装箱破损类别进行识别。

7.一种集装箱识别系统的集装箱识别方法,其特征在于:识别方法如下:

步骤1:当集装箱车辆行驶至匝道采样段处后各位置的高清摄像头对集装箱进行图像获取;获取的图像数据传输至控制端;

步骤2:控制端先对获得的图像数据进行倾斜检测,根据检测结果按照倾斜角度进行倾斜纠正;

步骤3:步骤2完成图像倾斜纠正后,采用FCN网络(全卷积神经网络)

进行集装箱箱号的标注位置进行检测,把采集的图片放入网络自动检测图像的文本区域;

步骤4:对步骤3获得的文本区域进行定位排列,对得到的文本区域进行水平和竖直方向的投影检测,得到集装箱箱号的排列方向;并将排列后的箱号字符区域切割保存,得到字符图片;

步骤5:保存下来的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别,卷积神经网络的最后一层,通过引入softmax函数,可以给出字符图片属于每个类别的得分,对该分数做归一化处理,得到集装箱的箱号序列以及箱型信息并给出对应的置信度;

步骤6:对步骤1获取的图像数据进行整图分类,得到集装箱的破损类别信息并给出对应的置信度;

步骤7:通过上述步骤控制端通过识别及分类得到集装箱信息及破损类别。

8.根据权利要求7所述的集装箱识别系统的集装箱识别方法,其特征在于:

所述的控制端判断步骤3、步骤4、步骤5给出置信度未超过80%的结果,则会通过检索该集装箱的另外一侧集装箱号自动补齐信息。

9.根据权利要求7所述的集装箱识别系统的集装箱识别方法,其特征在于:所述的步骤5中对保存后的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别;得到集装箱的箱号序列以及箱型信息并给出对应的置信度。

10.根据权利要求7所述的集装箱识别系统的集装箱识别方法,其特征在于:控制端采用支持向量机分类算法对集装箱图片整图分类,得到集装箱的破损类别信息并给出对应的置信度信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学盐城大数据研究院有限公司,未经南京邮电大学盐城大数据研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910029417.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top