《铁路集装箱号码与车型智能物流识别系统研究.docx》由会员分享，可在线阅读，更多相关《铁路集装箱号码与车型智能物流识别系统研究.docx（6页珍藏版）》请在三一文库上搜索。
1、铁路集装箱号码与车型智能物流识别系统研究第 1 章 绪论1.1 研究背景及意义集装箱是现代国际物流的主要货运单元。我国集装箱运输的发展成长已经历了 70年代初创阶段的尝试与摸索，80 年代成长阶段的经营与完善，90 年代后快速成展阶段的变革与成熟，集装箱运输对于我国国际物流运输的重要程度不言而喻。我国集装箱运输目前具有以下特点：（1）集装箱产量基数庞大。2015 年中国集装箱产量为 287 万 TEU，占世界产量的 95%，出口量为 272 万个，产量及出口额继续位居世界第一；（2）内贸集装箱运输市场起步较晚，发展较快。主要港口内贸集装箱吞吐量对于总量占比较少,目前约占集装箱总吞吐量的 10%
2、左右，距离发达国家 70%的水平仍有较大增长空间。2016 年全国主要港口内贸集装箱吞吐量为 6309.64 万 TEU，同比增长17.64%；（3）政策助力为铁路集装箱运输带来新增长点。2016 年全国海铁联运箱吞吐量为87.77 万 TEU，同比增长 15%。随着一带一路;战略的实施，截至 2017 年 11 月中欧班列已累计开行6000列，2017年中欧班列开行数量较去年同期增加612列，增长158%。另外除上述特点，相对于散件运输，集装箱运输具有保证货物运输安全、节省货物包装材料、简化货运作业手续、提高装卸作业效率等优点。因此，集装箱在我国推进一带一路;政策践行、鼓励多式联运建设上都起
3、着重要的作用，相关产业技术的投资应用与研究发展空间巨大。.1.2 国内外研究现状1.2.1 箱号识别研究现状光学字符识别(Optical Character Recognition)技术是通过分析采集得到的原始图像，将其中的文字内容提取并识别，得到计算机可进行计算、存储等操作数据内容的现代智能信息技术。其中包含了图像处理的相关技术以及模式识别、特征识别的多种技术。该技术主要应用于智能交通、图书管理与日常办公等领域。字符识别在智能交通领域方面的应用重点体现在车牌信息的视频与图像识别，即车牌识别。近年来，车牌识别的相关技术已得到全面推广并仍在蓬勃发展中，许多国内外学者对车牌识别领域的理论研究与实践
4、创新做出来了贡献，使该领域的技术不断的进步。在车牌识别的理论与实践创新领域，2008 年 Guo J.-M.、Liu Y.-F.提出了能够反馈的车牌定位分割算法4，2012 年 Wen Y.、Lu Y.、Yan J.等实现了一种运用于智能交通领域的快速车牌识别系统5，定位分割技术在多位学者的研究过程中得到了发展6-8，Amir Sedighi、Mansur Vafadust 提出了一种新的分割识别算法9。张云刚、张长水等提出了一种利用 Hough 变换进行车牌定位的算法13，王枚、房培玉等提出了一种优良的彩色图像目标特征的融合规则用以车牌定位14，随着人工智能领域研究的深入，相关技术的发展进步
5、，神经网络等智能算法也渐渐渗入并运用到字符识别领域。模板匹配和神经网络相结合的车牌字符识别方法的创新应用15,16，提高了字符识别的准确率。在这些技术已成熟应用的基础上，学者们走向实践，设计研发运用相关技术的车牌识别系统。D.W.Tindall 等实现了一种可克服复杂背景干扰的车牌自动识别系统17，Shapiro等人提出了一种对不同国家文字均能够进行识别的通用车牌识别系统18。进入 21 世纪后，OCR 技术的应用由交通与安全领域逐步推广到集装箱运输生产以及装卸作业领域。通过摄像机抓拍采集到的箱号图片或装卸视频，应用无线或光纤网络把所拍到的图像数据传输到后台计算机的处理器中，在数字图像处理等
6、OCR 技术的帮助下，实现自动识别并得到箱号信息。.第 2 章 图像处理与识别的理论方法图像处理是将一幅原始图像变为经修改或改进为另一幅图像的过程，其本质是图像与图像间的转换；图像识别是将原始图像经分割或描述，提取其有效的特征，进而对其进行区分判别，其本质是图像与信息之间的变换。因此，在图像识别过程前，一般需要对图像进行针对目标结果要求的变换处理，该过程称之为图像预处理。图像识别根据研究对象的不同可概括性的分为两大类：一类是有直观形象的识别对象，如人脸、车型、文字识别等；另一类是无直观形象的数据或信息波形，如语声、心电脉冲以及地震波等。无论何种类型的识别对象，其研究实现的过程均是在探究图像对象
7、的模式。通过寻求图像表示信息的共性特征，并将其分类，进而实现最终的判别辨识任务。本文研究内容的类型为文字识别和车型识别，因此本章内容将主要围绕着图像预处理、字符识别以及车型识别方法原理展开论述。2.1 图像预处理流程与方法原始图像在内容上往往是杂乱无序，并且存在着很多的干扰。真正进入识别程序之前，原始图像需要经历一系列的处理与变换，该部分即为图像处理的过程。图像处理是通过计算机设计的特定规则的算法，对原始图像进行按照目标要求修正与处理的工作过程。图像处理包含内容广泛，对图像的灰度化处理、二值化操作以及各类变换、滤波增强与图像降噪皆属于图像处理的范畴。而针对不同的目标，进行相应的变换方法和合适的
8、算法选择，是在该过程中软件设计与算法研究的工作重点。图像预处理没有统一通用的工作流程，其一般是具有灵活性的，是需要根据所实现目标的情况而选择对原始图像进行相应的变换。针对字符识别的图像预处理过程，虽有所区别但总结起来一般采用如下的流程完成图像预处理如图 2-1。在图像处理的流程中，具体选择图像降噪还是增强的步骤，应取决于图像识别对象的原始环境。相对较为复杂，干扰内容较多的场景图片一般需要进行相应的图像降噪以及后期的定位分割处理，保证字符识别流程中匹配过程的稳定性；对于对比度等图像属性较低的识别对象，一般需要对其进行增强或是锐化的处理，用以凸显图像的字符边界。.2.2 字符识别的流程与方法计算机
9、的字符识别技术起源模仿于人类的认知过程。在对于未知事物的认知过程中，主体首先需要对不同事物进行区分、关联与记忆，该阶段是认知过程中的输入学习；而后在面对复杂环境中进行分析处理，得到与记忆匹配相近的事物时才可输出认知结果。计算机识别技术与之类似，其须先将原始图像进行处理，针对目标字符进行提取存储与分类，可称该阶段为训练;；而后在识别过程中，将待识别图像与存储模板进行比对的过程，该阶段称为匹配;。区别主要在于训练是将数据存储输入系统，而匹配是将新对象与完整的系统字符库匹配，调出最为相近的字符表征数作为输出。因此，一般的识别技术均需两个过程的支撑。无论训练或是匹配过程，其基本流程相近，在本系统应用场
10、景中，相对于 OCR 技术的基本应用背景更为复杂，需要在进入 OCR 识别流程之前，应先将原始图像数据的字符区域提取，并同时分割字符。完成字符匹配过程后，应针对该场景下字符规则特点，在流程最后添加字符匹配后的校验环节。.第 3 章 铁路集装箱箱号识别方法研究与系统设计.213.1 需求分析.213.1.1 功能性需求分析.213.1.2 非功能性需求分析.213.2 采集图像对象特点.233.3 箱号识别功能设计.263.4 模块构建与功能实现.423.5 测试与分析.47第 4 章 铁路运载车型判别方法研究与系统设计.494.1 需求分析.494.1.1 功能性需求分析.494.1.2 非功
11、能性需求分析.494.2 采集图像对象特点.504.2.1 铁路运载车辆特点.504.2.2 平敞车特征及背景环境特点.514.3 车型判别功能设计.53第 4 章 铁路运载车型判别方法研究与系统设计4.1 需求分析4.1.1 功能性需求分析车型判别模块的识别只需实现平车、敞车两种车型种类的判别，识别过程与箱号识别模块相同，操作员在该模块上的操作应尽可能简便快速，保证其在集装箱吊具装卸操作上不受过多干扰。因此该模块功能应实现自动或一键触发，或与箱号识别模块同时触发并显示结果。该模块的识别结果也应提供矫正交互界面，且考虑操作室空间有限，不适合添置主机键盘等办公外设，应将矫正方式设计为触屏点选车型
12、、或切换变更车型等简单的界面输入方式。因此，该子模块主要实现功能为车型识别结果的显示功能、重选功能以及存储录入功能。车型判别模块的界面设计也应力求简洁清晰，车型的识别过程需要在图像采集过程完成后自动显示，在显示的界面设计上应做到与箱号识别模块的界面位置相近。在矫正的输入操作上，应尽可能减少操作员的人工行为，操作界面对吊具操作员相对友好。因此在箱号界面设计上也不应停留在完成业务需求上，开发过程应加入操作互动提示信息，使软件简单易懂，适合不同人群应用。.总结为进一步提高装卸作业过程的效率，优化作业流程，推动实现装卸作业现场的无人化，降低装卸作业过程出现安全事故的可能性，本文结合实际企业需求，对箱号
13、识别与车型判别算法的实现进行了研究。针对集装箱铁路的装卸设备，设计实现可替代人工录入的自动化字符识别系统，其功能主要包括图像处理、箱号识别、车型判断、数据录入以及辅助矫正等其他内容。本文主要内容以系统设计思路为主线，包括系统框架设计、各主要功能模块设计、系统测试分析等主体章节，具体的研究与创新内容主要包括：（1）根据企业具体软件需求，从框架设计、功能模块设计、界面设计、数据库表设计，到功能的实现与测试，本文实现了相对完整的软件流程的研究探讨。（2）在图像预处理模块中，总结了集装箱号码与运载车型与其他识别应用场景相比的显著区别与特点。针对特点对图像处理各阶段的的方法进行了对比与选择。（3）在箱号
14、识别模块中，利用集装箱号码分布特征，对现有的定位方法进行了分割改进，对原字符区域图像三段分割处理，从而使字母与数字分开识别，提高识别率与系统的运行速度。在字符识别过程中，调用 Tesseract 工具组件的同时对字库进行了训练更新，从而相对调用初始字库的原系统识别准确率进一步提高。（4）在车型判别模块中，根据集装箱平敞车灰度几何特征，进行了方法设计与代码的功能实现。通过测试分析，81 张平敞车俯视图像的识别准确率达到 97.5%，可满足软件开发的实际需求，也为铁路车型图像识别领域的判别方法提供了一种新的思路。（5）在字符的校验与矫正中，利用集装箱号码校验码的设置规则设计校验算法，可实现对自动识别结果的自检与矫正提醒。界面设计简洁清晰，利用 HCNETSDK 摄像头采集函数调用视频显示结果，可用于抓图也可用于操作员调整装卸操作，简化方便了操作流程。.参考文献（略）