10.3969/j.issn.1001-0785.2021.13.018
基于深度学习的实时集装箱箱号识别算法
集装箱站场装卸作业时,主要依靠起重机司机手工录入集装箱箱号,自动化程度低.站场的多样化环境容易造成识别模型的复杂度较高,导致计算耗时较长;同时由于集装箱表面纹理复杂、磨损腐蚀严重、箱号字体及排列方式多样等问题使得其字符特征难以提取且识别精度不高,现有的算法往往无法同时满足准确性和实时性两个要求,难以在实际场景中应用.因此,设计了一种前处理方法,能够有效降低图像的计算量,并利用改进的YOLOv3网络提出了一种可应用于实际集装箱站场的实时集装箱箱号识别算法,该算法箱号定位部分准确率达到了99.6%,定位耗时16 ms,同时算法箱号识别的总体正确率达到了98.4%,总识别耗时103 ms,实现了对集装箱箱号高效精确的识别.
集装箱、图像识别、YOLOv3、目标检测、深度学习
TP391.4(计算技术、计算机技术)
四川省重点研发项目;四川省重点研发项目;轨道交通运维技术与装备四川省重点实验室开放研究课题;轨道交通运维技术与装备四川省重点实验室开放研究课题
2021-07-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
58-63