期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
码头闸口集装箱箱号自动识别系统设计与开发 被引量:6
1
作者 毛洪辉 《水运工程》 北大核心 2011年第11期48-51,共4页
码头集装箱的进出车辆登记,传统采用人工记录方式,效率低。为了提高码头的运转效率,重要的是减少车辆的登记时间。笔者设计的集装箱箱号自动识别系统,基于轴线扫描和垂直投影的箱号定位,有效地去除了干扰信息,获取准确的箱号位置;同时... 码头集装箱的进出车辆登记,传统采用人工记录方式,效率低。为了提高码头的运转效率,重要的是减少车辆的登记时间。笔者设计的集装箱箱号自动识别系统,基于轴线扫描和垂直投影的箱号定位,有效地去除了干扰信息,获取准确的箱号位置;同时采用将灰度投影字符分割法和欧式距离字符识别相结合的方法,提高识别效果;采用摄像头拍摄车辆图像,利用监控计算机对图像进行处理,识别出集装箱箱号,录入数据库,并做决策,控制闸口设备的操作。仿真结果表明:该系统可以实现自动录入进出闸口的集装箱箱号,车辆进出闸口无需停车,提高了码头运转效率,减少了塞车机会,并解决了采用射频(RFID)识别系统成本高、难统一标准的难题。 展开更多
关键词 自动识别系统 定位 字符分割 字符识别
下载PDF
蚁群优化算法在集装箱箱号定位中应用 被引量:2
2
作者 孙艳春 李小平 《现代计算机》 2018年第9期54-58,共5页
将蚁群优化算法应用到集装箱箱号识别系统中,提出一种基于蚁群优化算法的集装箱箱号定位方法。首先对在箱号字符定位中,引入蚁群优化算法进行图像边缘检测,使从图像中提取的箱号区域具有更高的精度,根据高精度的图片边缘信息进行箱号定... 将蚁群优化算法应用到集装箱箱号识别系统中,提出一种基于蚁群优化算法的集装箱箱号定位方法。首先对在箱号字符定位中,引入蚁群优化算法进行图像边缘检测,使从图像中提取的箱号区域具有更高的精度,根据高精度的图片边缘信息进行箱号定位、字符分割,最后进行字符识别。实验表明,引入蚁群优化算法能够提高箱号的识别率和缩短识别时间。 展开更多
关键词 识别 定位 蚁群算法 边缘检测 字符识别
下载PDF
基于连通域的集装箱箱号字符的重定位
3
作者 刘伟 贺俊吉 吕刚晓 《电脑知识与技术》 2016年第3X期260-261,共2页
提出了基于连通域的集装箱箱号字符重定位的方法。该算法首先利用定位准确性判据对粗定位结果动态调整校正,得到正确的箱号区域。然后对箱号区域进行二值化,再通过连通域提取的方法对箱号字符重新定位分割。实验结果表明此算法不但减少... 提出了基于连通域的集装箱箱号字符重定位的方法。该算法首先利用定位准确性判据对粗定位结果动态调整校正,得到正确的箱号区域。然后对箱号区域进行二值化,再通过连通域提取的方法对箱号字符重新定位分割。实验结果表明此算法不但减少了运算量,而且提高了识别速度和精确度。 展开更多
关键词 定位 定位 连通域 字符分割
下载PDF
改进YOLOv3算法在集装箱箱号定位中的应用 被引量:7
4
作者 刘岑 郭立君 +1 位作者 张荣 胡叶天 《传感器与微系统》 CSCD 2019年第7期157-160,共4页
针对传统集装箱箱号定位精度差,效率低等问题,提出一种基于YOLOv3算法改进的深度神经网络,实现对集装箱箱号的快速定位。在对采集到的集装箱图片进行预处理后,通过聚类得到网络训练所需要的初始先验框尺寸,并针对集装箱号码定位的特点,... 针对传统集装箱箱号定位精度差,效率低等问题,提出一种基于YOLOv3算法改进的深度神经网络,实现对集装箱箱号的快速定位。在对采集到的集装箱图片进行预处理后,通过聚类得到网络训练所需要的初始先验框尺寸,并针对集装箱号码定位的特点,简化了网络模型的输出和网络训练的损失函数,实现更加高效、精确的集装箱箱号定位。实验结果表明:基于改进YOLOv3算法的集装箱箱号的定位方法,具有高准确率与强实时性,定位的准确率高达98. 5%,同时可达26. 23 fps的定位速率,整体的实时性和准确率均可满足实际应用的需求。 展开更多
关键词 集装定位 深度神经网络 非极大值抑制 YOLOv3算法
下载PDF
基于改进Faster R-CNN的集装箱箱号定位算法 被引量:5
5
作者 崔循 景文博 +1 位作者 于洪洋 董猛 《长春理工大学学报(自然科学版)》 2020年第1期45-50,共6页
集装箱箱号自动识别系统在海运港口作业和陆运装卸作业中发挥着重要作用,其箱号定位的准确与否对后续的箱号识别来说至关重要。针对目前箱号定位技术无法满足现今箱号识别领域智能化和自动化的需求,基于深度学习在目标识别领域的优越性... 集装箱箱号自动识别系统在海运港口作业和陆运装卸作业中发挥着重要作用,其箱号定位的准确与否对后续的箱号识别来说至关重要。针对目前箱号定位技术无法满足现今箱号识别领域智能化和自动化的需求,基于深度学习在目标识别领域的优越性,提出了一种基于改进Faster R-CNN的集装箱箱号定位算法,先利用特征提取网络CNN进行箱号特征提取,再采用区域建议网络RPN提取箱号区域的候选区域建议,最后利用检测网络Fast R-CNN在候选区域基础上进行更精准的箱号区域定位,此外对数据集进行数据增强以提高网络模型的泛化能力和鲁棒性。实验结果证明,该算法可以有效实现箱号区域的定位,且定位正确率比直接应用原始Faster R-CNN算法提高了5.3%,检测速度为每幅240 ms,满足实际应用中的实时性要求。 展开更多
关键词 集装定位 深度学习 FASTER R-CNN 候选区域 数据增强
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部