[发明专利]基于机器视觉和深度学习的集装箱危险品标识检测方法

说明书

本发明公开了一种基于机器视觉和深度学习的集装箱危险品标识检测方法，包括如下步骤：步骤一、利用安装在码头起重机上的摄像头作为图像采集器，采集集装箱危险品标识数据；步骤二、利用采集到的危险品标识数据制作数据集并对数据集进行增强处理；步骤三、对危险品分类标识进行检测识别并输出识别结果。与现有技术相比，本发明的积极效果是：本发明所述的方法可以有效利用深度学习算法提取图片特征信息，并通过依附于大量数据对危险品标识进行特征检测并分类，从而不仅输出危险品标识所在位置，且输出危险品类型，提高码头生产作业效率。

技术领域

本发明所属技术领域为人工智能、机器视觉、深度学习，基于机器视觉和深度学习的目标检测及分类对图像数据中的集装箱危险品标识进行目标检测并基于特征识别类型。

背景技术

《国际海运危险品货物规则》，简称《国际危规》(IMDG Code)是国际海事组织的海上安全委员会(MSC)指派在海运危险货物方面非常有经验的国家组成一个专家工作组，根据《1960SOLAS》第七章的规定与联合国危险货物运输专家委员会紧密合作编写。危险品标识粘贴于集装箱箱面，用于表示危险品的物理、化学性质，以及危险程度的标志，其中包含但不限于爆炸品(UN Transport symbol for explosives)、易燃气体(UN Transportsymbol for inflammable gases)、有毒物品(UN Transport symbol for poisonoussubstances)、易燃固体(UN Transport symbol for inflammable solids)等分类标识，在同一类别的基础上又通过等级或者类型的不同分为例如不产生重大危害的爆炸品(UNTransport symbol for class 1.4explosive substances which present nosignificant hazard)或者具有大规模爆炸性但极不敏感(UN Transport symbol forclass 1.5very insensitive substances which have a mass explosion hazard)的物品等细分类型。危险品的运输主要通过铁路运输、水路运输、公路运输、航空运输等方式，港口枢纽作为水路运输、公路运输与铁路运输的交汇点，拥有大量危险品转运任务以及需求。危险品在运输过程中需要特别注意，尤其是当下智慧港口对于港口作业自动化的要求越发集成，在集装箱装卸过程中及时、准确的掌握货物的属性和特征从而减少危险品造成的事故发生迫在眉睫。现有技术中的危险品标志识别工作基本相同，采用无线射频技术或者传感器技术等识别办法，不仅效率低误检率高，而且设备对于环境要求苛刻，对于危险品标识的检测仅停留在检测有无的基础上。

大多数传统集装箱码头采用人工干预的方式进行作业，作业效率低、理货员安全保障低、错误率高都是传统集装箱码头的问题。人工记录的方式引起的错误加大了系统重复处理的负担，导致码头的服务水平下降，不仅影响码头自身的生存环境，同时也使码头覆盖区域的进出口企业蒙受较大的经济损失。

发明内容

为了克服现有技术的上述缺点，本发明提出了一种基于机器视觉和深度学习的集装箱危险品标识检测方法。

本发明解决其技术问题所采用的技术方案是：一种基于机器视觉和深度学习的集装箱危险品标识检测方法，包括如下步骤：

步骤一、利用安装在码头起重机上的摄像头作为图像采集器，采集集装箱危险品标识数据；

步骤二、利用采集到的危险品标识数据制作数据集并对数据集进行增强处理；

步骤三、对危险品分类标识进行检测识别并输出识别结果。

与现有技术相比，本发明的积极效果是：

本发明所述的方法可以有效利用深度学习算法提取图片特征信息，并通过依附于大量数据对危险品标识进行特征检测并分类，从而不仅输出危险品标识所在位置，且输出危险品类型，提高码头生产作业效率。