原文传递
基于卷积神经网络的箱号识别技术
| 论文题名： | 基于卷积神经网络的箱号识别技术 |
| 关键词： | 卷积神经网络;集装箱箱号识别;图像采集;tesseract-ocr开源识别库 |
| 摘要： | 数字图像处理研究已经有多年的历史，许多相关理论均已成熟，各种算法和技术丰富。箱号识别技术在港口运输领域有广泛的应用需要，目前上海港的各个码头都只是在码头进出场道口进行箱号识别，且识别效率有限。进入堆场作业、装卸船等受制于条件限制，都没有箱号识别程序进行相关有效的校验。而随着深度学习的流行和卷积神经网络理论再次崛起，使得在箱号识别算法上面有了改进的可能。 本文在学习了国内外卷积神经网络的相关研究成果后，对实现集装箱箱号识别过程进行了改进，并将卷积神经网络应用到集装箱箱号识别技术中。 论文的主要工作如下： 1、通过学习集装箱的基本知识、了解采集图像的设备安装布局、分析采集的图像，并从中找出箱号中字母与数字的分布规律。并运用这些规律进行图像的预处理，通过实验比较各种灰度转换、滤波器对箱号图片的影响，并找出最适合的灰度化算法和滤波器，并利用Canny算法进行边缘检测，找出图像中有用的特征信息。并比较各种图像的处理方法的优劣。 2、在箱号定位的部分，采用了角点分析法，并对该方法进行进一步优化。利用垂直投影法分割出每个字符图像。箱号的末尾字符进行去边框处理时采用了进行腐蚀、中值滤波、膨胀等多种组合处理方法，取得了不错的效果。 3、为了进一步提高箱号的识别率，采用卷积神经网络模型，对字符图像进行有监督的训练学习，之后与google公司的开源识别库tesseract-ocr进行了图像识别对比实验。并比较了两者识别率，实验发现基于卷积神经网络的字符处理取得了不错的效果。 通过在X86平台上借助opencv函数库等工具，进行箱号识别程序的编写代码工作，验证了卷积神经网络技术在箱号识别领域的可行性，并且识别率达到了94.3％具有一定实用价值，可在港口各作业中进行推广。 |
| 作者： | 杨楣 |
| 专业： | 计算机技术 |
| 导师： | 卢宏涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
