摘 要

随着经济全球化的到来，贸易区间已经突破了国界的限制。作为物流运输产业的重要载体，如果要提高港口自动化程度，首先就应该在集装箱的运输效率上着手。集装箱号的识别和相关信息的录入是集装箱运输过程中的重要一环，如今数字图像和人工智能技术发展迅速，若被应用于港口自动化的进程中，将大大提高运输效率。

本文基于数字图像处理以及深度学习中的卷积神经网络相关知识，对集装箱号的识别进行了算法设计和研究，主要工作如下：

(1)根据现场采集的集装箱图像分析了集装箱号的特点，确定了识别方案。针对箱号图像所处环境，使用多种预处理算法对图像进行实验，选取一种合适的预处理方法。

(2)对于箱号字符定位问题，其主要原理在于目标信息的提取。将边缘检测与图像预处理中的二值化算法和形态学算法结合，再根据箱号自身的排列特点和长宽比进行区域筛选，实现对箱号区域的定位。采用投影法实现对箱号字符的分割。

(3)在箱号字符识别部分，采用卷积神经网络这一技术工具。建立LeNet-5深度神经网络模型并在此模型下进行实验。

通过某海港实际作业采集的图像样本进行测试，测试结果表明本文设计方法对箱号字符的识别率较高，整个识别结果达到了预期目标。当然实际应用中，现场图像还会有更多的情况需要处理，算法需要不断完善。

关键词：集装箱，图像预处理，箱号定位，卷积神经网络

Abstract

With the advent of economic globalization, the trade interval has broken through the limits of national boundaries. As an important carrier of the logistics and transportation industry, if we want to improve the degree of port automation, we should first start with the efficiency of container transportation. The identification of container numbers and the entry of related information are an important part of the container transportation process. Today, digital image and artificial intelligence technology are developing rapidly. If applied to the process of port automation, transportation efficiency will be greatly improved.

Based on the knowledge of convolutional neural networks in digital image processing and deep learning, this paper designs and studies the identification of container numbers. The main work is as follows:

(1) According to the container image collected on site, the characteristics of the container number are analyzed, and the identification scheme is determined. For the environment in which the box number image is located, various preprocessing algorithms are used to experiment on the image, and a suitable preprocessing method is selected.

(2) For the problem of box number character positioning, the main principle lies in the extraction of target information. Combine the edge detection with the binarization algorithm and the morphological algorithm in image preprocessing, and then perform regional screening according to the arrangement characteristics and aspect ratio of the box number to realize the positioning of the box number area. The projection method is used to realize the segmentation of the box number characters.

(3) In the box character recognition part, a technical tool of convolutional neural network is used. The LeNet-5 deep neural network model was established and experiments were performed under this model.

The image samples collected by the actual operation of a certain port are tested. The test results show that the design method has a higher recognition rate for the box number characters, and the whole recognition result has reached the expected target. Of course, in actual applications, there are more situations in the live image that need to be processed, and the algorithm needs to be continuously improved.

Keywords：Container, image preprocessing, box number location, convolutional neural network

目录

摘 要 I

Abstract II

目录 III

第1章 绪论 1

1.1背景及意义 1

1.2国内外研究现状 1

1.3主要研究内容 2

第2章 集装箱概述以及箱号识别方案 4

2.1集装箱概述 4

2.2集装箱号识别方案 6

第3章 集装箱号图像的预处理 8

3.1图像预处理概述 8

3.2灰度化 9

3.3图像去噪 10

3.4图像增强 14

第4章 集装箱号定位与分割 17

4.1箱号定位 17

4.2箱号字符分割 19

第5章 集装箱号字符识别 21

5.1人工神经网络 21

5.2卷积神经网络 23

5.3 LeNet-5 25

第6章 实验测试与结果分析 27

6.1实验测试 27

6.2结果分析 28

第7章 总结与展望 29

7.1全文总结 29

7.2展望 29

参考文献 31

致谢 32

第1章 绪论

1.1背景及意义

自“海陆联运”设想在集装箱运输中提出后，几十年来，集装箱运输业务在经济全球化的大环境下得到了蓬勃的发展。我国成立以来对于海洋的重视度较低，因此直到近年来才逐渐发掘海岸线绵长的优势。而我国海岸沿线的港口众多，国际集装箱的运输业务依靠着这些优良港口以及国家的支持，便如同雨后春笋般发展起来。随着电商平台的出现和信息产业的发展，国内和国际的物流行业达到了空前的繁荣，而国际物流的主力军便是集装箱运输。在国际货运中，集装箱运输占据了集中绝大部分的份额，并且世界各大港口的集装箱进出口量仍处于一个上升期，这就对港口装卸集装箱的效率提出了更高的要求。

随着现代信息技术的高速发展，智能化、自动化以及去人工化成为了港口更新换代的主题。在港口中，码头是集装箱装卸的地点，也是码头作业开始的地点。因此，为了提高码头作业效率，在码头闸口辅以信息化系统控制是港口自动化的重要组成部分。我国一直将外贸置于国家发展战略的重点，因此投入了大量人力物力来实现集装箱码头现代化的管理，而港口产业发展至今，在大部分集装箱码头中，装卸船管理以及堆场管理已经满足自动化的要求，但是在登记集装箱号并对其进行录入时，采用的仍然是人工方法。这种方法成本较高且效率低下。码头均是24小时不间歇工作，因此长时间的工作会使得人工识别很容易产生错误，出现漏掉部分集装箱的情况。集装箱号作为集装箱唯一的标识符，若采用人工录入，在进行信息校对以及对集装箱搜捡时，会浪费集装箱运输的时间和成本。

在这种情况下，使用自动化技术对集装箱号进行识别和录入便显得十分重要了。近年来，人工神经网络和深度学习相关技术已在此领域解决了很多问题。因此将此技术应用于码头上集装箱号的识别显然是对集装箱运输业务的一种改进，并且对整个港口的自动化程度是一个提高。在以后的工业现场，自动化技术同样也有着很广阔的发展前景。

1.2国内外研究现状

上世纪九十年代初期，自动化技术开始出现在码头作业中。随着现代信息技术的不断发展，发达国家开始在集装箱号识别的方向展开研究，并取得了阶段性的成果。此项技术的发展大致可以分为两个方向：射频识别技术(RFID)和光学识别技术(OCR)。

射频识别技术(Radio Frequency Identification, RFID)是一种20世纪末期兴起的、不用直接接触就可完成识别的自动识别技术^{[1, 2]}。这个名词可能听起来比较陌生，但实际上RFID技术早已悄无声息地进入了我们的生活。它类似于一种电子标签，记录着目标的相关信息，通过电波传递信息来识别目标并获取目标的相关数据。由于该技术能发射电波的特点，能够在较为恶劣的环境中识别目标，并且具有很快的识别速度，在公共交通领域得到了广泛的使用。但是，射频识别技术的发展一直受到兼容问题的制约。每个厂商都有自己的一套专属系统，系统中射频技术的采用的参数自然有着很大不同，同时集装箱的生产厂家也是五花八门。因此，RFID技术很难被投入到集装箱号的识别中。

光学字符识别(Optical Character Recognition, OCR)^[3-5]。光学字符识别技术是通过光学手段将需要识别的目标转化成图像，再将图像转化为数字信号，把其中的字符提取给计算机来处理。通俗来讲，就是用机器手段实现人眼与大脑的功能。OCR技术可以追溯到1929年，德国学者Tausheck首次提出并使用^[6]。跟随着图像和模式识别相关技术的脚步，OCR技术在20世纪中后期发展迅速，在交通、运输等领域得到了广泛应用。最具有代表性的是车牌识别领域，由于广阔的汽车市场，国内外学者在该领域提出了许多有效的方法。1997年，Barroso J，Dagless E L和Rafael A 设计了一个基于计算机视觉的车牌识别系统^[8]。2004年，黄山针对中国车牌的特点提出了一种车牌识别算法^[9]。2006年，Lihong Zheng和Xiangjian He使用基于支持向量机的方法来识别车牌^[10]。

在物流产业蓬勃发展的背景下，港口需要提高工作效率，也就需要引进自动化技术。OCR技术则可以对箱号自动识别，减少人工消耗。OCR技术成本较RFID低，且无需考虑设备型号和集装箱的兼容问题，因此OCR技术更适合用于箱号识别。整个OCR识别流程可以分解为几个模块，模块与模块之间相互配合。由于港口所处的特殊环境，图像预处理操作显得无比重要，许多学者提出了一些具有针对性的算法^[11-13]。而图像预处理中的某些操作，同样可以用于对于箱号的定位中^{[14, 15]}，如边缘检测^{[16, 17]}和MSER^[18]。箱号字符分割模块也有比较成熟的算法^{[19, 20]}。随着人工神经网络^{[21, 22]}和深度学习^[23]技术的发展，不断出现新的算法用于集装箱号的识别^[24-27]。

1.3主要研究内容

针对集装箱号识别的方法有很多，本文参阅了集装箱号识别、图像处理以及卷积神经网络相关文献，根据实际情况和具体要求，结合自身的理论知识以及前人得出的先验知识及方法，对主要问题和难点进行分析，得到以下的研究内容：

(1)本文根据集装箱号图像拍摄的环境，分析集装箱号的特点。码头岸边理货场景下采集到的集装箱样本中比较常出现受污染样本，选取视频中的一帧图片作为样本，根据其所处环境对其进行去除噪声、形态学处理、二值化和图像增强等预处理。拿一个具体图像来说，不会存在万能的预处理方法，需要在不同的环境下对图像进行分析与处理，将结果进行比较后，再确定一个最优的预处理办法。

(2)实现箱号字符的定位与分割。在得到经过预处理的图像后，本文运用边缘检测算法对图像中集装箱号进行定位，并使用不同的梯度算子，如Sobel、Canny、Laplacian算子等，通过大量的实验进行分析与比较，以定位准确度为衡量标准，选择适用于集装箱号图像的定位算法。定位集装箱号之后，便需要对图像二值化处理，这里使用OTSU算法找到二值化的阈值，再用包络矩形法对图像分割，将集装箱号字符有效地分割出来。

(3)箱号字符识别方法研究。本文使用今年来发展势头迅猛的人工神经网络进行箱号字符的识别。利用卷积神经网络不受图像中目标的位移和旋转扭曲的影响的优点，可将Minist手写数据集作为输入，建立卷积神经网络模型并训练学习，对分割好的集装箱号字符进行识别。

本文第2章由两部分组成，第一部分介绍集装箱的相关信息以及箱号确定规则，对集装箱作一个概述；第二部分介绍本次对集装箱号识别设计的整体方案和架构。

第3章介绍图像预处理的相关知识，如灰度化、图像二值化、增强和锐化算法等。选择并实现一种最合适的图像预处理算法。

第4章为集装箱号定位以及分割的部分。研究边缘检测等箱号定位的技术，根据箱号的特点，选择定位准确度最高的定位算法；再使用投影法对集装箱号字符进行分割处理。

第5章介绍了人工神经网络、卷积神经网络的发展历史和基本原理，并使用较为经典的卷积神经网络LeNet-5对字符进行识别。

第6章是实验测试与结果分析，使用本文的方法对集装箱号识别，并对实验结果进行分析总结。

第7章为总结与展望，对本文在集装箱号的识别过程中采用的方法进行总结，并展望之后的研究方向。

第2章 集装箱概述以及箱号识别方案

2.1集装箱概述

了解集装箱的基本知识是处理集装箱的必要条件，若非运输业或者港口从业人员听到集装箱这个名词，脑海中首先浮现的是一个大铁皮箱子。在码头上，一般堆放着成百上千个这样的铁皮箱，光靠外形是无法辨别它们的。这是因为“海陆联运”设想在集装箱运输的提出以及国际贸易蓬勃发展后，集装箱这种运输中的基本运输单元需要一个统一的标准，这样可以减少很多浪费在调度上的时间。国际标准化组织(ISO)对于集装箱已有准确的定义，但是在不同的国家和地区，对集装箱也有着不同的定义及标准。

图2.1集装箱

鉴于集装箱箱型的标准化，想从外观上识别各个集装箱是很困难的，因此需要集装箱需要有属于它们的标记。这一点上国际标准化组织已经有了相关规定，其将集装箱上的标记标准化，分成必备和自选两种标记。这两种标记又均可分为识别标记和作业标记。本文主要识别的对象就是集装箱必备标记中的识别标记。如同每辆汽车都有一个独一无二的车牌号一样，识别标记可以认为是集装箱的“车牌号”，也就是通常所说的集装箱箱号。

根据国际上的标准，识别标记由四部分组成，分别是集装箱拥有者的代号、设备识别代号、注册码和校对数字。

顾名思义，集装箱拥有者代号肯定和集装箱拥有者有一定关系，它是集装箱拥有者在有关当局注册而来的，通常是由三个大写的拉丁文字母组成；从图2.2中可以看到，在集装箱拥有者代号后总是有一个字母“U”，这就是设备识别代号，一般用来描述集装箱的类型，绝大部分普通的集装箱都是用大写字母“U”来表示的；注册码又称箱体注册码，类似于汽车的车牌号，是每个集装箱专属的标记，由六位阿拉伯数字组成，当出现数字少于六位时，需要在数字前补充“0”，直到补充至六位数字，这是为了能够分辨出属于一个箱主的集装箱，如“067943”；最后是校对数字，也就是校验码。校验码的功能主要是来核对其前面的信息是否正确，它只有一位阿拉伯数字，外面套上一个方框，由集装箱拥有者代号和注册码经过计算得来。另外在识别标记下方也会有箱型代码，用来表示集装箱类型。

图2.2集装箱号

如图2.2所示，该集装箱箱主代号为“ECM”，代表的是长荣海运股份有限公司；“U”表示这是常规集装箱；注册码为“985234”；校验码为“5”。箱型代码为“45G1”，表示该集装箱是40尺的高货柜。通常11位字符即图中“ECMU9852345”即可构成集装箱唯一标识符。

本文研究的是对于集装箱号的识别，因此对于箱号最后一位即校验码部分的处理十分重要，需要知道校验码的计算规则。

由上可知所有的集装箱号都是由10个阿拉伯数字和26个英文字母构成，因此校验规则中规定以上36个字符与阿拉伯数字0~38中除去11、22、33后的36个数字一一对应。也即

0=0 1=1 2=2 3=3 4=4 5=5 6=6 7=7 8=8 9=9

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：