CN111833302A - 一种车号与箱号识别关联*** - Google Patents
一种车号与箱号识别关联*** Download PDFInfo
- Publication number
- CN111833302A CN111833302A CN202010506780.2A CN202010506780A CN111833302A CN 111833302 A CN111833302 A CN 111833302A CN 202010506780 A CN202010506780 A CN 202010506780A CN 111833302 A CN111833302 A CN 111833302A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- container
- controller
- camera
- car
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 229910000831 Steel Inorganic materials 0.000 claims description 37
- 239000010959 steel Substances 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013136 deep learning model Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000002596 correlated effect Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 12
- 238000005286 illumination Methods 0.000 description 11
- 229910052742 iron Inorganic materials 0.000 description 6
- 238000012549 training Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
- G01P3/66—Devices characterised by the determination of the time taken to traverse a fixed distance using electric or magnetic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种车号与箱号识别关联***，包括相机、车辆检测传感器和车号识别***，车号识别***用于采集车次、车号信息，并将采集的车次、车号信息传给上位机，相机用于采集集装箱图像，车辆检测传感器用于检测车辆通过的速度，并传递给控制器，控制器用于根据车速产生匹配的相机驱动信号，控制相机进行集装箱图像采集，相机用于将采集的集装箱图像数据通过以太网传输至上位机，上位机用于对采集的集装箱图像进行分析，对集装箱箱号和箱型代码进行识别，并将识别出的集装箱箱号与列车车号进行关联，通过网络传给监控中心服务器。本发明实现了列车车号与集装箱箱号识别并进行信息的自动关联。
Description
技术领域
本发明涉及货物运输技术领域，尤其涉及一种车号与箱号识别关联***。
背景技术
目前铁水联运集装箱箱号与车号关联的方法主要采用在铁路集装箱货车到达接轨站后，由外勤作业人员进行人工作业，现场将集装箱箱号与车号进行关联记录。现有的作业方式作业时间较长，大大降低了作业效率，不能适应铁水联运高效运转的作业模式。
发明内容
本发明的目的在于克服现有技术之缺陷，提供了一种车号与箱号识别关联***，实现了列车车号与集装箱箱号识别并进行信息的自动关联。
本发明是这样实现的：本发明公开了一种车号与箱号识别关联***，包括相机、车辆检测传感器和车号识别***，所述车号识别***用于采集车次、车号信息，并将采集的车次、车号信息传递给上位机，所述车辆检测传感器用于检测车辆来车，所述车辆检测传感器与控制器的输入端连接，控制器的输出端与相机连接，所述相机用于采集集装箱图像并将采集的集装箱图像数据传输至上位机，所述上位机用于对采集的集装箱图像进行分析，对集装箱箱号和箱型代码进行识别，并将识别出的集装箱箱号与列车车号进行关联。
箱号识别和车号识别的数据都是根据车厢前进的顺序索引的，将两个数据一一对应就可以将箱号与车号进行关联。
上位机将识别出的集装箱箱号与列车车号进行关联后通过网络传给监控中心服务器。
进一步地，所述车号识别***包括车号接收读取装置，所述车号接收读取装置用于发出射频信号由地面天线发射给车厢下部的无源RFID卷标，地面天线同时接受卷标信号并通过射频电缆传递给车号接收读取装置，车号接收读取装置将卷标信号传递给上位机。
进一步地，所述车辆检测传感器用于检测车辆通过的速度，并传递给控制器，控制器用于根据车速控制相机采样频率，进行集装箱图像采集。
***根据车辆速度k米/秒，按照每线Nmm的分辨率，计算相机采样频率为k*1000/N，无论车辆速度如何，***始终保持每节车的图像长度与物理长度一致，比如说一节12米长的车，始终采集6000线，图像分辨率始终是2048*6000。
进一步地，所述车辆检测传感器采用车轮传感器；每组车轮传感器由至少两个磁钢组成，其中，第一磁钢、第二磁钢间隔设置，第一磁钢、第二磁钢用于车辆经过时输出信号给控制器，控制器根据同一车轮经过第一磁钢、第二磁钢的时间，计算车辆速度。
所述车辆检测传感器包括两组车轮传感器，分别对应两个来车方向。
进一步地，车辆检测传感器包括开机磁钢，所述开机磁钢用于车辆经过时产生开机信号传递给控制器，控制器接收到开机信号后控制相机开启工作。
开机磁钢为两个，分别对应两个来车方向。
门架上的相机和照明设备日常是关闭状态，只有在车辆经过第一个磁钢即开机磁钢时，产生开机信号，相机和照明设备才开启工作。
进一步地，当控制器检测到设定时间之内车辆检测传感器没有响应，则判定车辆已经离开，停止相机驱动，完成此列车辆的检测过程。
进一步地，所述控制器采集每节车厢的第一个车轮与第二个车轮经过同一车辆检测传感器时产生的信号，根据轴距识别每节车厢，并给上位机提供分节控制信号，所述上位机用于将现场采集的图像数据进行拼接，结合分节控制信号进行车辆图像分割，生成每节车厢的车厢图片，并识别车厢图片的集装箱箱号信息。
控制器给***提供分节控制信号，***根据分节控制信号，将图像进行分割，分割主要是把每节车厢独立分割存储到一张图片里面。
由于***是线阵相机，采集图像是用每条线拼接出来的。
进一步地，上位机识别车厢图片的集装箱箱号信息采用基于深度学习分析的集装箱字符识别方法，具体包括：通过对车厢图片进行图形灰度化和边缘检测处理，完成对图像的预处理，对预处理图像进行连通域分析，实现字符分割提取，然后利用深度学习模型对字符进行识别。
利用深度学习模型对字符进行识别，具体包括：采用深度学习的算法对集装箱箱号图像进行深度学习，并将学习的结果用于箱号的识别。
进一步地，本***包括光照度传感器和照明设备，所述光照度传感器与控制器的输入端电连接，控制器的输出端与照明设备电连接，所述光照度传感器用于检测环境光照度，当来车且环境光照度低于设定值时，控制器启动照明设备，车离开时自动关闭照明设备。
进一步地，本***还包括门架，门架横跨铁路架设，所述门架上设置三个激光一体化相机，三个激光一体化相机用于分别采集车厢左侧、右侧及顶部图像；所述门架上还设置有两个抓拍相机，两个抓拍相机用于分别在不同方向过车时抓拍车厢尾部。
抓拍车厢尾部是为了识别集装箱号，主要是作为侧边相机的补充。因为集装箱箱号在箱子的六个面都有，本专利只采集左右顶三个面的箱号。
第一抓拍相机、第二抓拍相机上方均设有抓拍机补光光源。
门架一般设置于铁路接轨站至港口装卸区的铁路区间，直线段不低于50米的地方。
本发明具有以下有益效果：在铁水联运过程中，为了提高集装箱在货船与铁路列车之间倒换时集装箱箱号与列车车号关联的效率问题，以及为了满足铁水联运货物集装箱的交接业务，设计1套车号与箱号智能识别***，所述车号识别***用于采集车次、车号信息，并将采集的车次、车号信息传给上位机，所述相机用于采集集装箱图像，所述车辆检测传感器用于检测车辆通过的速度，并传递给控制器，所述控制器用于根据车速产生匹配的相机驱动信号，控制相机进行集装箱图像采集，所述相机用于将采集的集装箱图像数据通过以太网传输至上位机，所述上位机用于对采集的集装箱图像进行分析，对集装箱箱号和箱型代码进行识别，用于列车车号与集装箱箱号识别并进行信息的自动关联，可以很好的解决集装箱从港口船舶到铁路货车转运过程中，集装箱不落地，不需要人工干预，便可实现集装箱箱号与铁路货车车号识别关联，大大提高了集装箱铁水联运作业效率，并可满足集装箱货物在铁路运输中的货物信息自动录入。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种车号与箱号识别关联***的***结构图；
图2为应用本发明实施例提供的车号与箱号识别关联***的一种应用场景示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
参见图1和图2，本实施例公开了一种车号与箱号识别关联***，包括相机、车辆检测传感器和车号识别***，所述车号识别***用于采集车次、车号信息，并将采集的车次、车号信息传给上位机，所述车辆检测传感器用于检测车辆来车(即检测车辆经过门架或相机)以及来车方向，所述车辆检测传感器与控制器的输入端电连接，控制器的输出端与相机电连接，所述车辆检测传感器用于检测车辆通过的速度，并传递给控制器，控制器用于根据车速控制相机采样频率，进行集装箱图像采集，所述相机用于将采集的集装箱图像数据通过以太网(如千兆以太网)传输至上位机，所述上位机用于对采集的集装箱图像进行分析，对集装箱箱号和箱型代码进行识别，并将识别出的集装箱箱号与列车车号进行关联，最后通过网络传给监控中心服务器。相机通过交换机与上位机连接。
所述控制器根据行车速度与相机扫描速率匹配，实现车辆长度上图片无拉伸或压缩现象。
本实施例***根据车辆速度k米/秒，按照每线2mm的分辨率，计算相机采样频率为k*1000/2，无论车辆速度如何，***始终保持每节车的图像长度与物理长度一致，比如说一节12米长的车，始终采集6000线，图像分辨率始终是2048*6000。
控制器不断检测车轮通过的速度，并产生驱动相机的控制信号；同时启动车号识别***，所述车号识别***包括车号接收读取装置，车号接收读取装置发出射频信号由地面天线发射给车厢下部的无源RFID卷标，地面天线同时接受卷标信号并通过射频电缆传递给车号接收读取装置，车号接收读取装置将卷标信号传给上位机，并与车辆高清图片匹配，通过深度学习模块，识别集装箱箱号并与车号进行关联，最后通过网络传给监控中心服务器。本实施例车号接收读取装置与控制器连接，控制器通过交换机与上位机连接。
进一步地，当控制器检测到设定时间(本实施例设定时间为10秒钟)之内车辆检测传感器没有响应，则判定车辆已经离开，停止相机驱动，完成此列车辆的检测过程。
进一步地，所述车辆检测传感器采用车轮传感器，每组车轮传感器由至少两个磁钢组成，其中，第一磁钢、第二磁钢沿铁路8纵向间隔设置，当车辆9压过磁钢时就会产生信号，控制器采集各磁钢产生的信号，根据同一车轮经过第一磁钢、第二磁钢的时间，计算车辆速度。本专利设置有两组车轮传感器，分别对应两个来车方向。本实施例第一磁钢、第二磁钢设置在门架下面的铁路上，纵向相距1m。
进一步地，每组车轮传感器还包括开机磁钢，所述开机磁钢用于车辆经过时产生开机信号传递给控制器，控制器接收到开机信号后控制相机开启工作。
门架上的相机和照明设备日常是关闭状态，只有在车辆经过第一个磁钢即开机磁钢时，产生开机信号，相机和照明设备才开启工作。
本实施例开机磁钢设置在离门架25m的铁路上，作为开机磁钢。
车辆包括多节车厢。
进一步地，所述控制器采集每节车厢的第一个车轮与第二个车轮经过同一车辆检测传感器时产生的信号，根据轴距识别每节车厢，并给上位机提供分节控制信号，所述上位机用于接收现场采集的图像数据，并将图像数据进行拼接，结合分节控制信号进行车辆图像分割，生成每节车厢左、右、顶部、尾部4个完整的高清图片，并传入到图形处理工作站，通过深度自动检测集装箱相关信息，自动提取并识别集装箱箱号信息。
车厢图像以全景三视图展示，能够进行实时慢放、同步播放、回放、定位、放大、缩小等处理。
一节车厢的第一个车轮与第二个车轮经过同一个磁钢就可以判断轴距，根据轴距判定这是一节车厢，将车辆分成一节一节车厢，然后把信息给控制器，控制器给***提供分节控制信号，***根据分节控制信号，将图像进行分割，分割主要是把每节车厢独立分割存储到一张图片里面。
由于***是线阵相机，采集图像是用每条线拼接出来的。
图形处理工作站基于深度学习分析的集装箱字符识别方法识别集装箱箱号信息，具体包括：通过对图形灰度化和边缘检测处理，完成对图像的预处理，对预处理图像进行连通域分析，实现字符分割提取，然后利用深度学习模型对字符进行识别，该方法提高了集装箱字符识别的准确率，兼顾了集装箱字符识别的稳定性和实时性要求。
利用深度学习模型对字符进行识别，具体包括：
1)对采集的图像进行预处理，包括对采集的图像进行剪裁、平滑、锐化、亮度调节、二值化等预处理；
2)图像数据集划分，包括：整理不同车型、不同背景环境的图像，分为训练集、验证集、测试集；
3)模型训练，包括：样本标注，标注图像中每个箱号字符的位置和标签，确定迭代轮数，进行训练；
4)图像识别，包括：调用训练后的模型对新图像进行识别；
5)反复验证，包括：分析识别结果，若结果错误，则将该图像加入样本库，重新训练生成新的模型。
进一步地，包括光照度传感器和照明设备，所述光照度传感器与控制器的输入端电连接，控制器的输出端与照明设备电连接，所述光照度传感器用于检测环境光照度，当来车且环境光照度低于设定值时，控制器启动照明设备，车离开时自动关闭照明设备。
进一步地，本***还包括门架，所述门架上设置三个激光一体化相机，三个激光一体化相机用于分别采集车厢左侧、右侧及顶部图像；所述门架上还设置有两个抓拍相机，两个抓拍相机用于分别在不同方向过车时抓拍车厢尾部。
抓拍车厢尾部是为了识别集装箱号，主要是作为侧边相机的补充。因为集装箱箱号在箱子的六个面都有，本专利只采集左右顶三个面的箱号。
本实施例横跨被测线路架设一个钢结构桁架即门架，跨度与现场环境位置而定。门架1一般设置于铁路接轨站至港口装卸区的铁路区间，直线段不低于50米的地方。所述门架1的左侧设有第一激光一体化相机2，所述门架的右侧设有第二激光一体化相机3，所述门架的顶部设有第三激光一体化相机4，分别采集车厢左侧、右侧及顶部高清图像；所述门架的左侧设有第一高清抓拍相机5，所述门架的右侧设有第二高清抓拍相机6，分别在不同方向过车时启动不同相机抓拍车厢尾部。每节车厢三个图像，分别是左侧、右侧、顶部，同时在运行方向上加装两个高清视频监控相机，可清晰看清车身、箱体及车辆运行情况，从四个角度提供车辆、箱体全方位图像、视频信息。第一抓拍相机、第二抓拍相机上方均设有抓拍机补光光源7。本实施例激光一体化相机分辨率：2048像素/行，12米货车图像最少像素6000*2048。本发明***采用激光光源，屏蔽阳光、雾气干扰，降低夜间灯光间的干涉影响，光照均匀。
本发明基于图像识别中的OCR(光学字符识别)技术，对集装箱图像进行分析，从而对集装箱箱号和箱型代码(ISO号码)进行识别。***配有车号自动识别***，车号与列车图像自动匹配，图像可迭加车型、车号、车位、集装箱箱号信息。
本发明提供按车次、车号、集装箱箱号、日期等综合查询；可以根据车次、车号、集装箱箱号、日期时间定为具体车辆4个角度的图像数据。且***具备数据自动备份功能，保证数据安全，能为***记录运行日志，并提供日志检索功能。且本发明还支持车辆行进方向视频监控。
在工程实际应用中，可在铁路接轨站至港区的铁路区间，选择合适的位置设置一套车号与箱号识别关联***监测设备(含相机、照明设备、基础、门架、电源分配单元、防雷接地、车号识别等)，在港区信息机房内设置服务器、工控机、网络传输设备以及应用软件，前端采集设备与机房***设备采用光缆连接。在铁路接轨站货运楼和港区监控中心各设置1台操作终端，查看***识别关联信息以及货物的交接情况。
本***的实施可以很好的解决集装箱从港口船舶到铁路货车转运过程中，集装箱不落地，不需要人工干预，便可实现集装箱箱号与铁路货车车号识别关联，大大提高了集装箱铁水联运作业效率，并可满足集装箱货物在铁路运输中的货物信息自动录入。本***能够适应敞车、平车、单层、双层、单排、联排等多种集装箱装车方式。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种车号与箱号识别关联***，其特征在于：包括相机、车辆检测传感器和车号识别***，所述车号识别***用于采集车次、车号信息，并将采集的车次、车号信息传递给上位机，所述车辆检测传感器用于检测车辆来车，所述车辆检测传感器与控制器的输入端连接，控制器的输出端与相机连接，所述相机用于采集集装箱图像并将采集的集装箱图像数据传输至上位机，所述上位机用于对采集的集装箱图像进行分析，对集装箱箱号和箱型代码进行识别，并将识别出的集装箱箱号与列车车号进行关联。
2.根据权利要求1所述的***，其特征在于：所述车号识别***包括车号接收读取装置，所述车号接收读取装置用于发出射频信号由地面天线发射给车厢下部的无源RFID卷标，地面天线同时接受卷标信号并通过射频电缆传递给车号接收读取装置，车号接收读取装置将卷标信号传递给上位机。
3.根据权利要求1所述的***，其特征在于：所述车辆检测传感器用于检测车辆通过的速度，并传递给控制器，控制器用于根据车速控制相机采样频率，进行集装箱图像采集。
4.根据权利要求1所述的***，其特征在于：所述车辆检测传感器采用车轮传感器，每组车轮传感器由至少两个磁钢组成，其中，第一磁钢、第二磁钢间隔设置，第一磁钢、第二磁钢用于车辆经过时输出信号给控制器，控制器根据同一车轮经过第一磁钢、第二磁钢的时间，计算车辆速度。
5.根据权利要求1所述的***，其特征在于：所述车辆检测传感器包括开机磁钢，所述开机磁钢用于车辆经过时产生开机信号传递给控制器，控制器接收到开机信号后控制相机开启工作。
6.根据权利要求1或5所述的***，其特征在于：包括光照度传感器和照明设备，所述光照度传感器与控制器的输入端电连接，控制器的输出端与照明设备电连接，所述光照度传感器用于检测环境光照度，当来车且环境光照度低于设定值时，控制器启动照明设备，车离开时自动关闭照明设备。
7.根据权利要求1所述的***，其特征在于：当控制器检测到设定时间之内车辆检测传感器没有响应，则判定车辆已经离开，停止相机驱动，完成此列车辆的检测过程。
8.根据权利要求1所述的***，其特征在于：所述控制器采集每节车厢的第一个车轮与第二个车轮经过同一车辆检测传感器时产生的信号，根据轴距识别每节车厢，并给上位机提供分节控制信号，所述上位机用于将现场采集的图像数据进行拼接，结合分节控制信号进行车辆图像分割，生成每节车厢的车厢图片，并识别车厢图片的集装箱箱号信息。
9.根据权利要求8所述的***，其特征在于：上位机识别车厢图片的集装箱箱号信息采用基于深度学习分析的集装箱字符识别方法，具体包括：通过对车厢图片进行图形灰度化和边缘检测处理，完成对图像的预处理，对预处理图像进行连通域分析，实现字符分割提取，然后利用深度学习模型对字符进行识别。
10.根据权利要求1所述的***，其特征在于：还包括门架，门架横跨铁路架设，所述门架上设置三个激光一体化相机，三个激光一体化相机用于分别采集车厢左侧、右侧及顶部图像；所述门架上还设置有两个抓拍相机，两个抓拍相机用于分别在不同方向过车时抓拍车厢尾部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506780.2A CN111833302A (zh) | 2020-06-05 | 2020-06-05 | 一种车号与箱号识别关联*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506780.2A CN111833302A (zh) | 2020-06-05 | 2020-06-05 | 一种车号与箱号识别关联*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111833302A true CN111833302A (zh) | 2020-10-27 |
Family
ID=72899285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010506780.2A Pending CN111833302A (zh) | 2020-06-05 | 2020-06-05 | 一种车号与箱号识别关联*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111833302A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076838A (zh) * | 2021-03-25 | 2021-07-06 | 中国铁路北京局集团有限公司北京科学技术研究所 | 铁路集装箱场站箱号编组顺序识别方法、***、设备及存储介质 |
| CN113378646A (zh) * | 2021-05-18 | 2021-09-10 | 上海平奥供应链管理有限公司 | 一种货运列车信息识别***及识别方法 |
| CN114227892A (zh) * | 2022-03-01 | 2022-03-25 | 深圳艾灵网络有限公司 | 混凝土浇筑***、控制方法、装置、及控制设备 |
| CN114692795A (zh) * | 2022-04-11 | 2022-07-01 | 郑州智辆电子科技有限公司 | 一种铁路物流园区集装箱号识别*** |
| CN114758328A (zh) * | 2022-04-07 | 2022-07-15 | 郑州智辆电子科技有限公司 | 一种铁路车号与集装箱号匹配方法 |
| CN114785945A (zh) * | 2022-04-07 | 2022-07-22 | 郑州智辆电子科技有限公司 | 一种基于铁路车辆计轴的图片抓拍***及方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101774390A (zh) * | 2009-12-31 | 2010-07-14 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 铁路车号自动识别*** |
| CN103679221A (zh) * | 2012-09-04 | 2014-03-26 | 苏州华兴致远电子科技有限公司 | 车号识别方法和*** |
| CN204305214U (zh) * | 2014-12-03 | 2015-04-29 | 武汉利德测控技术股份有限公司 | 铁路货车装载状态高清图像*** |
| CN106067023A (zh) * | 2016-06-02 | 2016-11-02 | 北京国泰星云科技有限公司 | 基于图像处理的集装箱箱号及集卡车号识别***及方法 |
| CN206292830U (zh) * | 2016-12-26 | 2017-06-30 | 深圳市招科智控科技有限公司 | 一种集装箱箱号识别*** |
| CN107832767A (zh) * | 2017-11-14 | 2018-03-23 | 深圳码隆科技有限公司 | 集装箱箱号识别方法、装置及电子设备 |
| CN109214338A (zh) * | 2018-09-06 | 2019-01-15 | 中铁武汉勘察设计研究院有限公司 | 一种运输车辆车号与集装箱箱号关联*** |
| CN109241971A (zh) * | 2018-07-18 | 2019-01-18 | 东莞市诺丽电子科技有限公司 | 一种城轨列车车号识别*** |
| CN109784272A (zh) * | 2019-01-13 | 2019-05-21 | 南京邮电大学盐城大数据研究院有限公司 | 一种集装箱识别***及集装箱识别方法 |
| EP3495852A1 (en) * | 2017-12-11 | 2019-06-12 | Nuctech Company Limited | An equipment and method for scanning a carriage of a train |
| CN110378332A (zh) * | 2019-06-14 | 2019-10-25 | 上海咪啰信息科技有限公司 | 一种集装箱码头箱号和车号识别方法及*** |
| CN110472633A (zh) * | 2019-08-15 | 2019-11-19 | 南京拓控信息科技股份有限公司 | 一种基于深度学习的列车车号检测和识别方法 |
| US20200051017A1 (en) * | 2018-08-10 | 2020-02-13 | L3 Security & Detection Systems, Inc. | Systems and methods for image processing |
| CN110942461A (zh) * | 2019-12-20 | 2020-03-31 | 上海撬动网络科技有限公司 | 一种固定场景集装箱智能化验视*** |
-
2020
- 2020-06-05 CN CN202010506780.2A patent/CN111833302A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101774390A (zh) * | 2009-12-31 | 2010-07-14 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 铁路车号自动识别*** |
| CN103679221A (zh) * | 2012-09-04 | 2014-03-26 | 苏州华兴致远电子科技有限公司 | 车号识别方法和*** |
| CN204305214U (zh) * | 2014-12-03 | 2015-04-29 | 武汉利德测控技术股份有限公司 | 铁路货车装载状态高清图像*** |
| CN106067023A (zh) * | 2016-06-02 | 2016-11-02 | 北京国泰星云科技有限公司 | 基于图像处理的集装箱箱号及集卡车号识别***及方法 |
| CN206292830U (zh) * | 2016-12-26 | 2017-06-30 | 深圳市招科智控科技有限公司 | 一种集装箱箱号识别*** |
| CN107832767A (zh) * | 2017-11-14 | 2018-03-23 | 深圳码隆科技有限公司 | 集装箱箱号识别方法、装置及电子设备 |
| EP3495852A1 (en) * | 2017-12-11 | 2019-06-12 | Nuctech Company Limited | An equipment and method for scanning a carriage of a train |
| CN109241971A (zh) * | 2018-07-18 | 2019-01-18 | 东莞市诺丽电子科技有限公司 | 一种城轨列车车号识别*** |
| US20200051017A1 (en) * | 2018-08-10 | 2020-02-13 | L3 Security & Detection Systems, Inc. | Systems and methods for image processing |
| CN109214338A (zh) * | 2018-09-06 | 2019-01-15 | 中铁武汉勘察设计研究院有限公司 | 一种运输车辆车号与集装箱箱号关联*** |
| CN109784272A (zh) * | 2019-01-13 | 2019-05-21 | 南京邮电大学盐城大数据研究院有限公司 | 一种集装箱识别***及集装箱识别方法 |
| CN110378332A (zh) * | 2019-06-14 | 2019-10-25 | 上海咪啰信息科技有限公司 | 一种集装箱码头箱号和车号识别方法及*** |
| CN110472633A (zh) * | 2019-08-15 | 2019-11-19 | 南京拓控信息科技股份有限公司 | 一种基于深度学习的列车车号检测和识别方法 |
| CN110942461A (zh) * | 2019-12-20 | 2020-03-31 | 上海撬动网络科技有限公司 | 一种固定场景集装箱智能化验视*** |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076838A (zh) * | 2021-03-25 | 2021-07-06 | 中国铁路北京局集团有限公司北京科学技术研究所 | 铁路集装箱场站箱号编组顺序识别方法、***、设备及存储介质 |
| CN113378646A (zh) * | 2021-05-18 | 2021-09-10 | 上海平奥供应链管理有限公司 | 一种货运列车信息识别***及识别方法 |
| CN114227892A (zh) * | 2022-03-01 | 2022-03-25 | 深圳艾灵网络有限公司 | 混凝土浇筑***、控制方法、装置、及控制设备 |
| CN114758328A (zh) * | 2022-04-07 | 2022-07-15 | 郑州智辆电子科技有限公司 | 一种铁路车号与集装箱号匹配方法 |
| CN114785945A (zh) * | 2022-04-07 | 2022-07-22 | 郑州智辆电子科技有限公司 | 一种基于铁路车辆计轴的图片抓拍***及方法 |
| CN114692795A (zh) * | 2022-04-11 | 2022-07-01 | 郑州智辆电子科技有限公司 | 一种铁路物流园区集装箱号识别*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111833302A (zh) | 一种车号与箱号识别关联*** | |
| CN111016932B (zh) | 节能型空轨***的轨道巡检车和检测方法 | |
| CN109878552B (zh) | 基于机器视觉的轨道交通站台门与列车间异物监测装置 | |
| CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
| CN201846437U (zh) | 货车装载状态高清视频监控*** | |
| CN103679221A (zh) | 车号识别方法和*** | |
| CN105913367A (zh) | 基于人脸识别和位置定位的公交客流量检测***与方法 | |
| CN109242035B (zh) | 车底故障检测装置及方法 | |
| CN113788051A (zh) | 列车在站运行状态监测分析*** | |
| CN112733558A (zh) | 一种基于rfid的行李追踪***及追踪方法 | |
| CN114998244A (zh) | 基于计算机视觉的轨道梁指形板智能巡检***及方法 | |
| CN104320613A (zh) | 一种动车检修作业监控方法、监控***及定位*** | |
| CN212302511U (zh) | 一种车号与箱号识别关联***监测设备 | |
| CN113378646A (zh) | 一种货运列车信息识别***及识别方法 | |
| CN110524553B (zh) | 一种铁路货检机器人智能图像分析*** | |
| CN208938331U (zh) | 智能卡口通道*** | |
| CN115690061A (zh) | 一种基于视觉的集装箱码头集卡车检测方法 | |
| CN109325911B (zh) | 一种基于注意力增强机制的空基铁轨检测方法 | |
| CN114067278A (zh) | 一种铁路货运货检***及其方法 | |
| CN110738198A (zh) | 铁路煤炭运输遗撒监测*** | |
| JP2002344952A (ja) | 車番認識装置及び方法 | |
| CN108198164A (zh) | 一种电缆隧道电缆完整性的检测装置及方法 | |
| Di Summa et al. | A review on deep learning techniques for railway infrastructure monitoring | |
| CN113205133A (zh) | 一种基于多任务学习的隧道水渍智能识别方法 | |
| CN107831762A (zh) | 一种新能源汽车的路径规划***及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240613 Address after: 430064 business office project (Hejing International) / building / unit, No. 616, Minzhu Road, Zhongnan road street, Wuchang District, Wuhan City, Hubei Province Applicant after: Wuhan Branch of China Railway Bridge Survey and Design Institute Group Co.,Ltd. Country or region after: China Address before: Building E5, phase IV, Guanggu Software Park, No.1 Guanshan Avenue, Hongshan District, Wuhan City, Hubei Province Applicant before: CHINA RAILWAY WUHAN SURVEY AND DESIGN & INSTITUTE Co.,Ltd. Country or region before: China |