一种OCR吨袋理货系统技术方案

本发明专利技术公开了一种OCR吨袋理货系统，所述吨袋理货系统由前端图像采集系统、网络设备、服务器、客户端组成，所述吨袋理货需实现数据自动对接，包括以下步骤：S1：数据对接，通过与视频流对接，配合集控中心达到理货员可在集控中心兼线理货，实现理货所需视频呈现；现场车辆到达信号对接，实现车辆到达自动触发自动理货。通过吨袋智能理货系统通过全程监控，实现理货过程可追溯，不仅仅能够为贸易纠纷提供证据，规避了理货质量风险。规避了理货质量风险。

【技术实现步骤摘要】
一种OCR吨袋理货系统


[0001]本专利技术涉及吨袋理货
，具体为一种OCR吨袋理货系统。

技术介绍

[0002]目前，大港1
‑
5号泊位，常规状态下1
‑
3条吨袋件杂货船同时作业，每天最多需3(人)*3(班)，最少需要配置9人。通过吨袋智能理货系统1人可同时兼顾2
‑
3条生产作业线，1(人)*3(班)，即3人。每天最多可节省理货员6人，每年节约人工成本90万元。
[0003]在吨袋智能理货系统上线后，现场人员可以后撤到中控室，减少前沿人员数量，理货员后撤后保证人机分离，减少对安全监管上的额外成本投入，对于理货员现场安全监管投入可节省100％。
[0004]传统理货需人工绕车一周，需1分钟，吨袋智能理货只需3
‑
5秒，作业通过效率大幅度提升。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种OCR吨袋理货系统。
[0007](二)技术方案
[0008]为实现上述目的，本专利技术提供如下技术方案：一种OCR吨袋理货系统，所述吨袋理货系统由前端图像采集系统、网络设备、服务器、客户端组成，所述吨袋理货需实现数据自动对接，包括以下步骤：
[0009]S1：数据对接，通过与视频流对接，配合集控中心达到理货员可在集控中心兼线理货，实现理货所需视频呈现；现场车辆到达信号对接，实现车辆到达自动触发自动理货；
[0010]S2：理货数据对接，实现理货数据自动上传并生成相应历史记录、基础作业数据管，通过在在引桥附近通过设定检验点，进行智能识别，解决理货计数、车辆识别问题；与软件对应完善的硬件及网络设施，搭建稳定可靠的网络通讯链路，为智能识别，数据传输提共网络支撑；智能计数，智能识别，通过计算机视觉技术，智能识别车号，统计车辆上吨袋数量，如果技术错误，操作员通过纠正照片计数错误位置，使系统识别再学习，提升精度，可实现一人多路的自动化作业要求，减少人员干预，满足理货质量要求，计数准确率超过95％；简单统计及人性化操作，实现按工班结算的功能，生成计数单，日报可查看功能，每接收到一车结束信息之后，生成计数单并弹出，以便理货员核对；非功能需求分析，系统的可靠性和实用性，满足7
×
24小时作业要求(夜晚、极端天气需满足相机成像条件)，达到港口不停产，系统满运转的业务要求，实现理货各个业务场景实时的视频监控及数据采集，同时满足至少一个月的关键视频图像数据的存储，为业务追溯提供数据支撑；
[0011]S3：系统功能建设方案
[0012]S301：智能吨袋计数
[0013]吨袋识别算法的目标是识别出视频画面中装载车上的吨袋数量，算法输出所有吨
袋的坐标与大小，用矩形框表示；
[0014]吨袋识别算法能够识别各种光照、角度的吨袋，吨袋识别准算法的识别率≥95％，误报率<0.1％，算法对单帧图像的处理时间不超过40毫秒，整体识别处理不超过2s；
[0015]吨袋智能计数算法对相机采集的视频进行实时分析，识别经过相机场景的龙门吊及吊车装载的吨袋，推理出每次装载的吨袋数量；
[0016]整个系统采用先进的深度学习与机器视觉算法，在各种光照、气象条件下均可准确地识别所有的吨袋，推理出吨袋的数量，智能识别算法的准确率≥95％，算法的准确率指标按照下面的公式计算：
[0017]准确率＝准确识别转载车吨袋数量作业次数/转载车实际作业次数*100％；
[0018]S302：车牌识别
[0019]车牌识别子系统接收前端视频图像，利用包括图像处理、字符畸变校正技术、各类OCR识别技术(包括残破损字符识别技术、针孔变型抑制技术、瓦楞字符处理技术)、深度学习技术、模型迁移、样本自适应优化技术、模型精准与泛化平衡技术各类机器视觉AI技术，对自然光照环境下各种角度的装载车车牌进行自动识别，系统存储对应的视频与图片，并将识别的结果及用于识别的图片发送至散杂货系统理货作业系统，系统根据反馈的结果对集卡进行调度管理，同时确认集卡装载的集装箱和车牌是否与管理调度时安排的对应关系匹配成功；
[0020]S303:可视化任务流程配置
[0021]通过触发联动，任务调度机制，通过软件界面，鼠标拖拽形式，实现触发信号和算法功能的组合配置，快速响应新业务需求，不必进行软件定制开发，大大提升响应效率，提升系统可维护性。
[0022]优选的，所述系统可保留每次吨袋理货数据，数据包括理货图片(俯视图、船舱图、右视图、标志图)、舱单号、吨袋件数、重量、车牌号。
[0023]优选的，所述夜晚照明条件为达到相机成像条件，避免夜晚相机彩转黑造成的成像模糊。
[0024]优选的，所述相机需增加防护罩。
[0025]优选的，所述S301中智能吨袋计数算法流程具体还包括以下步骤：
[0026]K1、装载车、吨袋定位、图像分割、检测与分类，系统通过计算机视觉、检测与分类技术确定图像中卡车的位置与范围，并通过检测器精准检测出视频画面中所有出现的物体，并利用分类器对检测出来的物体进行分类，从而定位装载车与吨袋；
[0027]K2、根据吨装袋的位置，吨装袋的大小，吨装袋的外观特征，通过模式识别准确对吨袋进行识别计数；
[0028]K3、多帧识别与结果融合，在系统正常运行中，每次作业采取多帧识别机制，系统自动根据置信值选取效果最好的图片进行识别保存，对于在作业过程中出现的多次识别结果，系统通过结果融合机制，进行多结果融合比对，有效避免光照、视角、遮挡情况产生的影响，提高识别准确率。
[0029]优选的，所述吨袋理货系统工作流程包括：
[0030]Q1、作业车辆到位，此时车辆到达触发雷达信号，车牌抓拍相机进行车牌抓拍；
[0031]Q2、智能识别平台获取车辆到达信号，记录车辆车牌号或RFID推送车号，同时触发
现场红绿灯信号等，并进行语音播报；
[0032]Q3、智能识别平台根据理货开始信号，对前端相机视频进行实时分析与图像抓拍；
[0033]Q4、智能识别平台对图像中的装载车、吨袋进行定位与图像分割；
[0034]Q5、智能识别平台对吨袋数量、装载车车牌进行识别；
[0035]Q6、智能识别平台将抓拍图片、吨袋数量与装载车车牌进行封装，并上传至散杂货系统理货作业系统；
[0036]Q7、散杂货系统理货作业系统生成识别记录，并呈现；
[0037]Q8、智能识别平台触发现场红绿灯信号，并进行语音播报，通知司机立场。
[0038]优选的，所述S303中，系统采用模块化设计，更新系统仅需对系统某一模块(如对接模块、识别模块)进行更新，不影响整体系统正常运行。
[0039]优选的，所述客户端由吨袋智能理货系统组成。
[0040]优选的，所述各类OCR识别技术包括残破损字符识别技术、针孔变型抑制技术、瓦本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种OCR吨袋理货系统，其特征在于：所述吨袋理货系统包括：前端图像采集系统、网络设备、服务器、客户端，所述吨袋理货系统实现数据自动对接时，包括以下步骤：S1：数据对接，通过与与视频流对接，将需要呈现的现场视频通过在集控中心进行视频呈现，现场车辆到达信号对接，将触发雷达安装在车辆进站入口，然后再通过将触发雷达与服务器进行信号连接；S2：理货数据对接，包括基础作业数据管理、与软件对应完善的硬件及网络设施、智能计数，智能识别、简单统计及人性化操作、非功能需求分析，来实现对现场的理货数据进行对接；S3：系统功能建设方案S301：智能吨袋计数，识别出视频画面中装载车上的吨袋数量，根据吨袋识别算法输出所有吨袋的坐标与大小，用矩形框表示，吨袋识别算法能够识别各种光照、角度的吨袋；吨袋智能计数算法对相机采集的视频进行实时分析，识别经过相机场景的龙门吊及吊车装载的吨袋，推理出每次装载的吨袋数量；算法的准确率指标按照下面的公式计算：准确率＝准确识别转载车吨袋数量作业次数/转载车实际作业次数*100％；S302：车牌识别车牌识别子系统接收前端视频图像，利用包括图像处理、字符畸变校正技术、OCR识别技术、深度学习技术、模型迁移、样本自适应优化技术、模型精准与泛化平衡技术各类机器视觉AI技术，对自然光照环境下各种角度的装载车车牌进行自动识别；S303：将车牌进行识别后，然后对后续任务进行可视化任务流程配置，并开始实施吨袋理货。2.根据权利要求1所述的一种OCR吨袋理货系统，其特征在于：系统可保留每次吨袋理货数据，数据包括理货图片、舱单号、吨袋件数、重量、车牌号。3.根据权利要求1所述的一种OCR吨袋理货系统，其特征在于：夜晚照明条件为达到相机成像条件，避免夜晚相机彩转黑造成的成像模糊。4.根据权利要求3所述的一种OCR吨袋理货系统，其特征在于：所述相机需增加防护罩。5.根据权利要求1所述的一种OCR吨袋理货系统，其特征在于：...

【专利技术属性】
技术研发人员：高力，葛伟新，肖湘，吴继中，
申请(专利权)人：镇江港务集团有限公司，
类型：发明
国别省市：