[发明专利]一种基于深度神经网络集装箱箱号检测方法

权利要求书

1.本发明的技术方案为：

一种基于深度神经网络集装箱箱号检测方法，包括如下步骤：

(1)获取集装箱后侧的RGB图像，通过对包含箱号的集装箱图片输入到训练好的字符分割神经网络模型，得到箱号字符分割的图片集；

(2)对(1)得到的图片集进行透视变换及二值化处理，然后输入到训练好的字符识别深度神经网络中，得到每个文字框中的文字信息；

(3)将获取到的文字信息进行筛选和组合进而得到准确的集装箱箱号。本发明能够快速、准确的得到集装箱箱号，实现更高的识别准确率和识别速率。

2.一种基于深度神经网络集装箱箱号检测方法，其特征是所述方法包括如下步骤：

(1)获取集装箱图片的RGB图像，用过对RGB图像进行灰度化处理，将灰度图输入进训练好的深度神经网络中，得到含有集装箱文字分割框的图片，取文字框的最小外接矩形框来截取含有集装箱箱号的图片集；

(2)对(1)步骤已经得到的集装箱文字图片集按照神经网络得到的外接框进行透视变换，然后对透视变换好的图片进行文字识别；

(3)将(2)步骤中识别好的文字进行组合和筛选，通过后处理得到集装箱箱号。

3.根据权利要求2所述一种基于深度神经网络集装箱箱号检测方法，其特征在于：所述(1)步骤中，

采用以下公式对获取的RBG图像进行灰度化处理，以减小图像大小，提升运算速度，降低系统识别全程颜色对箱号识别的干扰：

Grey＝0.3*R+0.59*G+0.11*B,式中R、G和B表示图像三通道数值。

4.根据权利要求2所述一种基于深度神经网络集装箱箱号检测方法，其特征在于：所述(1)步骤中，文字分割模型训练搭建包括有：

对大量的集装箱进行箱号字符分割标注，随机选择出大量图片分为测试集和训练数据集，对所有测试集和训练数据集分别进行统一处理，供深度神经网络训练使用；

搭建深度神经网络模型，将训练集和测试集输入网络进行训练，通过数十万次的参数迭代，使得损失函数值收敛到一个最小值，将收敛时的神经网络模型状态保存，得到一个高精度的字符分割模型。

5.根据权利要求4所述一种基于深度神经网络集装箱箱号检测方法，其特征在于：所述(1)步骤中，

根据外接四边形坐标值，分别求其x，y方向上的最值。取这四个点构成的矩形框，这样得到最小外接矩形框。

6.根据权利要求5所述一种基于深度神经网络集装箱箱号检测方法，其特征在于：所述(2)步骤中，

通过深度模型获得的外接框，做透视变换，使得之后的箱号识别不受到拍照的影响，而将箱号处于水平方向上。

7.根据权利要求6所述一种基于深度神经网络集装箱箱号检测方法，其特征在于：所述(2)步骤中：

收集不同环境下的文本图片作为训练集，本文作为标签。训练得到文本端到端的文本识别模型。把(2)的图像输入进去得到文本信息。

8.根据权利要求7所述一种基于深度神经网络集装箱箱号检测方法，其特征在于：所述(3)步骤中，

后处理包括有：把最长的文字框中的6位数字作为基准，其后面的是校验码。其箱号前面的是字母。通过字母与数字的组合一起即是箱号。对识别的箱号进行校验，校验正确则输出箱号，否则人工输入正确的箱号。