[发明专利]一种基于提单扫描件大数据的单号识别方法及装置

权利要求书

1.一种基于提单扫描件大数据的单号识别装置，其特征在于，包括卷积神经网络(CNN)模型、投票机制、图像分割技术，所述卷积神经网络(CNN)模型的数量为多个，且多个卷积神经网络(CNN)模型基于提单扫描件大数据建立分类识别模型，所述投票机制进行提单扫描件分类识别，所述图像分割技术选择对应的提单扫描件模板进行图像分割，得到单号区域图像，所述卷积神经网络(CNN)模型包括CNN字符识别模型，所述CNN字符识别模型对单号区域图像进行识别。

2.根据权利要求1所述的一种基于提单扫描件大数据的单号识别方法，其特征在于，该方法包括如下步骤：

步骤S1：按提单所属的船公司制定分类标签以及提单区域模板图像；

步骤S2：获取海运提单扫描件大数据，垂直方向裁剪前1/3的区域图像，制作训练集H；

步骤S3：对海运提单扫描件训练集H进行标注，包括船公司类别以及提单字符内容；

步骤S4：利用图像分割技术进行提单字符的分割、得到A～Z、0～9的字符数据集M；

步骤S5：利用ResNet50对H数据集进行分类训练，得到分类识别模型R1；

步骤S6：利用InceptionV3对H数据集进行分类训练，得到分类识别模型R2；

步骤S7：利用Densenet201对H数据集进行分类训练，得到分类识别模型R3；

步骤S8：利用AlexNet对M数据集进行分类训练，得到字符识别模型T；

步骤S9：对船公司识别模型R1、R2、R3，字符识别模型T进行优化迭代；

步骤S10：获取新的海运提单扫描件图片，调用模型R1、R2、R3识别船公司分类，按多数投票规则获取提单扫描件的船公司类别；

步骤S11：通过提单扫描件模板获取单号区域图像，调用模型T进行字符识别，得到单号；

步骤S12：根据船公司和提单号对提单扫描件进行重命名，按业务规则进行存储。

3.根据权利要求2所述的一种基于提单扫描件大数据的单号识别方法，其特征在于，所述步骤S1中分类标签依据提单所属船公司来设定，且所述提单区域模板图像依据单号的候选区域来设定。

4.根据权利要求2所述的一种基于提单扫描件大数据的单号识别方法，其特征在于，所述步骤S2中对提单扫描件进行区域裁剪，且所述区域裁剪依据是不同船公司提单扫描件的差别主要集中在图像头部区域的布局、Logo等，且同一家船公司的提单布局相对固定。

5.根据权利要求2所述的一种基于提单扫描件大数据的单号识别方法，其特征在于，所述步骤S3中对提单数据集进行标注包括类别标注、提单字符内容标注，且所述类别标注对应于S1设置的船公司类别标签，单号内容是A～Z、0～9的字符组合。

6.根据权利要求2所述的一种基于提单扫描件大数据的单号识别方法，其特征在于，所述步骤S4中利用提单区域模板图像进行预处理得到候选区域，并通过图像二值化、连通域分析、形态学滤波方法对单号进行分割，得到A～Z、0～9的字符集合。

7.根据权利要求2所述的一种基于提单扫描件大数据的单号识别方法，其特征在于，所述步骤S9中对船公司识别模型R1、R2、R3，字符识别模型T进行优化迭代过程如下：

步骤S91：选取新增的提单扫描件并垂直方向裁剪前1/3的区域图像，调用识别模型R1、R2、R3，得到船公司分类结果，基于对应的提单区域模板图像并进行字符分割，调用识别模型T，得到提单识别结果；

步骤S92：对船公司分类结果、提单识别结果进行人工筛选核查，将不正确的图片按步骤S3进行船公司类别标注、提单字符内容标注，得到图片集Z；

步骤S93：将图片集Z按照步骤S5～S8进行模型再训练并更新得到船公司识别模型R1、R2、R3，字符识别模型T；

步骤S94：重复步骤S91-步骤S93，重复本优化过程。