基于双目标检测的集装箱箱号自动识别方法技术

本发明专利技术公开了一种基于双目标检测的集装箱箱号自动识别方法，包括：S1.得到训练好的箱号区域检测模型；S2.得到训练好的箱号字符检测模型；S3.将待测集装箱信息输入到训练好的箱号区域检测模型并输出待测集装箱的箱号区域信息；S4.将箱号区域信息输入到训练好的箱号字符检测模型并输出箱号字符序列；S5.按照箱号字符序列顺序，依次对序列中的字符进行拼接，得到待测集装箱的拼接箱号；S6.对待测集装箱的拼接箱号进行校验，若所述拼接箱号通过校验，则将所述拼接箱号作为待测集装箱的箱号；否则，返回执行步骤S3。本发明专利技术能够对集装箱箱面进行全面检测，操作过程简单快捷，识别效果好、准确率高。准确率高。准确率高。

【技术实现步骤摘要】
基于双目标检测的集装箱箱号自动识别方法


[0001]本专利技术涉及集装箱识别领域，具体涉及一种基于双目标检测的集装箱箱号自动识别方法。

技术介绍

[0002]近年来，人工智能技术发展迅速，极大地提升了各行业的运营效率，降低了运营成本，由此越来越多的智能算法被运用到了集装箱箱号的识别上。
[0003]针对集装箱箱号的识别，目前流行的深度学习方法为先进行字符检测，再进行字符识别，检测时目前的深度学习字符检测技术通常针对整个箱面进行字符区域检测，而由于箱面上的其他字符长度和宽度与箱号非常相似，所以就强烈干扰了箱号的检测准确率；同时，目前的深度学习字符识别技术，通常针对横排箱号进行识别，而竖排箱号无法处理，则在箱号字符排列方式多样的情形下，也会导致识别算法的准确率不高。

技术实现思路

[0004]有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供基于双目标检测的集装箱箱号自动识别方法，能够对集装箱箱面进行全面检测，操作过程简单快捷，识别效果好、准确率高。
[0005]本专利技术的基于双目标检测的集装箱箱号自动识别方法，包括如下步骤：
[0006]S1.制作集装箱数据集并将集装箱数据集输入到箱号区域检测模型进行网络训练，得到训练好的箱号区域检测模型；
[0007]S2.制作箱号区域数据集并将箱号区域数据集输入到箱号字符检测模型进行网络训练，得到训练好的箱号字符检测模型；
[0008]S3.将待测集装箱信息输入到训练好的箱号区域检测模型并输出待测集装箱的箱号区域信息；<br/>[0009]S4.将箱号区域信息输入到训练好的箱号字符检测模型并输出箱号字符序列；
[0010]S5.按照箱号字符序列顺序，依次对序列中的字符进行拼接，得到待测集装箱的拼接箱号；
[0011]S6.对待测集装箱的拼接箱号进行校验，若所述拼接箱号通过校验，则将所述拼接箱号作为待测集装箱的箱号；否则，返回执行步骤S3。
[0012]进一步，制作集装箱数据集，具体包括：
[0013]S11.采集集装箱图像信息，并对图像中的箱号进行标记，得到集装箱图像集；其中，所述集装箱图像信息包括若干型号的集装箱分别在若干天气状态下的白天图像信息以及黑夜图像信息；所述若干型号的集装箱包括横排箱号的集装箱以及竖排箱号的集装箱；
[0014]S12.对集装箱图像集中的图像进行图像增强处理，得到增强后的集装箱图像集。
[0015]进一步，制作箱号区域数据集，具体包括：
[0016]S21.采集标记有箱号区域的集装箱图像信息，并对箱号区域内的箱号字符逐个进
行标记，得到箱号区域图像集；其中，所述标记有箱号区域的集装箱图像信息包括若干型号的集装箱分别在若干天气状态下的白天图像信息以及黑夜图像信息；所述若干型号的集装箱包括横排箱号的集装箱以及竖排箱号的集装箱；
[0017]S22.对箱号区域图像集中的图像进行图像增强处理，得到增强后的箱号区域图像集。
[0018]进一步，所述待测集装箱信息包括前箱面信息、后箱面信息、左箱面信息以及右箱面信息中至少一个箱面信息。
[0019]进一步，所述拼接箱号包括前箱面拼接箱号、后箱面拼接箱号、左箱面拼接箱号以及右箱面拼接箱号中至少一个箱面拼接箱号。
[0020]进一步，所述步骤S6，具体包括：
[0021]S61.判断若干箱面拼接箱号的字符总数中是否至少有一个字符总数为标准值，若是，则进入步骤S62,若否，则返回执行步骤S3；
[0022]S62.对字符总数为标准值的若干拼接箱号分别进行校验位验证，若若干拼接箱号均没有通过校验位验证，则返回执行步骤S3；否则，将通过校验位验证的拼接箱号作为备选箱号，并进入步骤S63；
[0023]S63.对备选箱号中不同箱号的重复次数进行统计，得到不同箱号的统计值，并将统计值中的最大值对应的箱号作为待测集装箱的箱号。
[0024]进一步，所述校验位验证的验证方法如下：
[0025]a.确定所述箱号的代码值C；
[0026]b.将所述代码值C对箱号的位数N进行取模，得到取模结果；
[0027]c.判断所述取模结果是否等于所述箱号的校验位对应的值，若是，则校验位验证通过，若否，则校验位验证不通过。
[0028]进一步，根据如下公式确定所述箱号的代码值C：
[0029][0030]其中，A
i
为所述箱号中第i个字符的代码对应值；所述K＝N
‑
1。
[0031]本专利技术的有益效果是：本专利技术公开的一种基于双目标检测的集装箱箱号自动识别方法，通过构建箱号区域检测模型与箱号字符检测模型，依次对集装箱箱号进行箱号区域检测与箱号字符检测，将检测出来的箱号字符进行拼接形成完整的箱号，最后通过对拼接的箱号进行位数核对以及校验位验证，筛选出备选箱号，并将重复次数最多的备选箱号作为识别出来的箱号。本专利技术能够对集装箱箱面进行全面检测，操作过程简单快捷，识别效果好、准确率高。
附图说明
[0032]下面结合附图和实施例对本专利技术作进一步描述：
[0033]图1为本专利技术的方法流程示意图；
[0034]图2为本专利技术的单个箱面箱号的检测与识别流程示意图；
[0035]图3为本专利技术的采集到的集装箱前、后、左、右箱面的原图；
[0036]图4为本专利技术的对图3进行箱号区域检测后的效果图；
[0037]图5为本专利技术的对图4进行箱号字符检测后的效果图；
[0038]图6为本专利技术的箱号字符代码对应值的对照图。
具体实施方式
[0039]以下结合说明书附图对本专利技术做出进一步的说明，如图所示：
[0040]本专利技术的基于双目标检测的集装箱箱号自动识别方法，包括如下步骤：
[0041]S1.制作集装箱数据集并将集装箱数据集输入到箱号区域检测模型进行网络训练，得到训练好的箱号区域检测模型；其中，所述箱号区域检测模型采用基于Yolov5s的目标检测网络模型；
[0042]S2.制作箱号区域数据集并将箱号区域数据集输入到箱号字符检测模型进行网络训练，得到训练好的箱号字符检测模型；其中，所述箱号字符检测模型采用基于Yolov5m的目标检测网络模型；
[0043]S3.将待测集装箱信息输入到训练好的箱号区域检测模型并输出待测集装箱的箱号区域信息；其中，将采集到的待测集装箱箱面图像作为待测集装箱信息；
[0044]S4.将箱号区域信息输入到训练好的箱号字符检测模型并输出箱号字符序列；
[0045]S5.按照箱号字符序列顺序，依次对序列中的字符进行拼接，得到待测集装箱的拼接箱号；
[0046]S6.对待测集装箱的拼接箱号进行校验，若所述拼接箱号通过校验，则将所述拼接箱号作为待测集装箱的箱号；否则，返回执行步骤S3。
[0047]本实施例中，制作集装箱数据集，具体包括：
[0048]S11.采集集装箱图像信息，并对图像中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目标检测的集装箱箱号自动识别方法，其特征在于：包括如下步骤：S1.制作集装箱数据集并将集装箱数据集输入到箱号区域检测模型进行网络训练，得到训练好的箱号区域检测模型；S2.制作箱号区域数据集并将箱号区域数据集输入到箱号字符检测模型进行网络训练，得到训练好的箱号字符检测模型；S3.将待测集装箱信息输入到训练好的箱号区域检测模型并输出待测集装箱的箱号区域信息；S4.将箱号区域信息输入到训练好的箱号字符检测模型并输出箱号字符序列；S5.按照箱号字符序列顺序，依次对序列中的字符进行拼接，得到待测集装箱的拼接箱号；S6.对待测集装箱的拼接箱号进行校验，若所述拼接箱号通过校验，则将所述拼接箱号作为待测集装箱的箱号；否则，返回执行步骤S3。2.根据权利要求1所述的基于双目标检测的集装箱箱号自动识别方法，其特征在于：制作集装箱数据集，具体包括：S11.采集集装箱图像信息，并对图像中的箱号进行标记，得到集装箱图像集；其中，所述集装箱图像信息包括若干型号的集装箱分别在若干天气状态下的白天图像信息以及黑夜图像信息；所述若干型号的集装箱包括横排箱号的集装箱以及竖排箱号的集装箱；S12.对集装箱图像集中的图像进行图像增强处理，得到增强后的集装箱图像集。3.根据权利要求1所述的基于双目标检测的集装箱箱号自动识别方法，其特征在于：制作箱号区域数据集，具体包括：S21.采集标记有箱号区域的集装箱图像信息，并对箱号区域内的箱号字符逐个进行标记，得到箱号区域图像集；其中，所述标记有箱号区域的集装箱图像信息包括若干型号的集装箱分别在若干天气状态下的白天图像信息以及黑夜图像信息；所述若干型号的集装箱包括横排箱号的集装箱以及竖排箱号的集装箱；S22.对箱号区域图像集中的图像...

【专利技术属性】
技术研发人员：李川，徐俊楠，姚奕帆，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：