一种集装箱残损识别方法、装置、设备和可读存取介质制造方法及图纸

本申请涉及一种集装箱残损识别方法、装置、设备和可读存取介质。所述集装箱残损识别方法，包括：获取目标图像，所述目标图像为在所述集装箱的转运过程中，采集到的包含不同视角的集装箱图像；将所述目标图像输入训练完备的集装箱残损识别模型进行识别；基于识别结果，输出所述目标图像中集装箱上的残损类型、残损程度、以及位置信息，所述位置信息为所述残损类型、残损程度在所述集装箱上的位置信息。该方法利用了可以进行目标检测的集装箱残损识别模型，采集的集装箱目标图像经过训练完备的集装箱残损识别模型的识别，可以准确输出集装箱残损类型、程度和对应位置信息，在无人化操作模式下快速、准确地对残损集装箱进行处理。准确地对残损集装箱进行处理。准确地对残损集装箱进行处理。

【技术实现步骤摘要】
一种集装箱残损识别方法、装置、设备和可读存取介质


[0001]本申请涉及集装箱识别
，特别是涉及一种集装箱残损识别方法、装置、设备和可读存取介质。

技术介绍

[0002]近年来，港口集装箱运输业发展迅猛，集装箱的质量管控是保证港口集装箱运输业良性运行中必不可少的重要一环，尤其是集装箱箱体残损检测。集装箱箱体残损检测是集装箱进入港区码头内不可避免的一项检验工作，主要是为了防止运输企业和码头因箱体破损引起的纠纷，目前这项工作是由进港闸口工作人员进入道口进行人工记录来完成。
[0003]另外，随着信息技术的发展，出现越来越多的全自动化港口，在全自动化港口中，信息感知系统、作业控制系统、调度指挥系统等日臻完善。然而，集装箱箱体残损检测目前并没有完全智能化，仍然需要码头工作人员进行人工记录，尤其是需要码头工作人员攀爬较高的廊桥来检查箱体顶面，存在安全隐患、残损检测不准确等问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够智能替代人工检测，可在无人化操作模式下快速、准确地检查集装箱箱体残损的一种集装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集装箱残损识别方法，其特征在于，包括：获取目标图像，所述目标图像为在所述集装箱的转运过程中，采集到的包含不同视角的集装箱图像；将所述目标图像输入训练完备的集装箱残损识别模型进行识别；基于识别结果，输出所述目标图像中集装箱上的残损类型、残损程度、以及位置信息，所述位置信息为所述残损类型、残损程度在所述集装箱上的位置信息。2.根据权利要求1所述的集装箱残损识别方法，其特征在于，所述集装箱残损识别模型是基于Res2Net101网络训练得到的。3.根据权利要求2所述的集装箱残损识别方法，其特征在于，基于所述Res2Net101网络训练得到所述集装箱残损识别模型包括：使用COCO数据集对所述Res2Net101网络进行预训练；将预训练好的Res2Net101网络加载至MASK
‑
Rcnn模型，进行二次训练，得到所述集装箱残损识别模型。4.根据权利要求3所述的集装箱残损识别方法，其特征在于，所述使用COCO数据集对所述Res2Net101网络进行预训练，包括：获取所述Res2Net101网络；向所述Res2Net101网络引入1个平均池化层和1个全连接层，并保存所述Res2Net101网络的卷积层权重，使用COCO数据集对所述Res2Net101网络进行训练。5.根据权利要求3所述的集装箱残损识别方法，其特征在于，所述将预训练好的Res2Net101网络加载至MASK
‑
Rcnn模型，进行二次训练，得到所述集装箱残损识别模型，包括：在所述MASK
‑
Rcnn模型中加载预训练好的所述Res2Net101网络的参数，并初始化其余输出层参数；加载完成后，使用集装箱残损图像样本数据集，对所述MASK
‑
Rcnn模型进行训练，得到所述集装箱残损识别模型。6.根据权利要求5所述的集装箱残损识别方法，其特征在于，在使用集装箱残损图像样本数据集，对所述MASK
‑
Rcnn模型预训练好的Res2Net101网络进行训练之前还包括：获取原始集装箱残损图像样本，对所述原始集装箱残损图像样本进行数据增强，并加入噪声数据，得到所述集装箱残损图像样本数据集。7.根据权利要求6所述的集装箱残损识别方法，其特征在于，对所述集装箱残损图像样本进行数据增强包括：水平翻转图像、竖直翻转图像、引入随机的高斯模糊、对图像进行缩放、改变图像的对比度、对输入图像进行锐化并将锐化后的图像与输入图像采用35％和60％之间的随机混合因子进行混合、反转输入像素值、对图像进行随机的形变、对图像进行左右平移、对图像进行上下平移、对图像进行顺时针旋转、对图像进行逆时针的旋转中...

【专利技术属性】
技术研发人员：黄深广，刘清，黄昂涛，朱振刚，李雪琪，史俞，梅浪奇，吴高德，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：