CN109784272A - 一种集装箱识别系统及集装箱识别方法 - Google Patents
一种集装箱识别系统及集装箱识别方法 Download PDFInfo
- Publication number
- CN109784272A CN109784272A CN201910029417.3A CN201910029417A CN109784272A CN 109784272 A CN109784272 A CN 109784272A CN 201910029417 A CN201910029417 A CN 201910029417A CN 109784272 A CN109784272 A CN 109784272A
- Authority
- CN
- China
- Prior art keywords
- container
- information
- control terminal
- identifying system
- image
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种集装箱识别系统及集装箱识别方法,属于计算机图像识别算法领域。该系统包括数据采集端与控制端;所述的数据采集端布置在车辆经过的匝道上;数据采集端用于采集从匝道上经过的集装箱车辆上的集装箱图片信息;数据采集端与控制端进行数据传输;控制端对数据采集端所采集的集装箱图片信息进行处理,获得集装箱信息。本发明采用此集装箱识别系统,不仅可以节省大量的人力劳动,节约了物流港口的劳动成本,也提高了记录的速率,工作效率得到了稳定的提高,从而显著提高了企业的绩效。
Description
技术领域
本发明涉及一种集装箱识别系统及集装箱识别方法,属于计算机图像识别算法领域。
背景技术
自然场景下的集装箱箱号识别系统主要由三大模块组成,分别是预处理模块、识别模块以及后处理模块。在预处理阶段,主要的工作是对输入图像进行二值化处理并且进行字符区域的确定和切割,可供选择的阈值提取方法有:1)Otsu;2)最大熵;3)迭代法;4)自适应阈值;5)基本全局阈值法。在识别模块,主要对上一阶段切割的字符进行识别,较好的方法有:1)k邻近算法(kNN);2)卷积神经网络(CNN)。在识别完成之后,得到的结果可能并不是完全正确的,或者由于噪声、杂质等的影响,可能出现多个结果。因此,需要后处理模块来针对集装箱箱号的一些自身特征进行语义分析来评估和筛选,并最终获得正确的结果。
集装箱箱号识别系统不仅需要较高的准确率,并且也要有较高的速度性能,能够在可以接受的较短的时间内完成识别。只有速度足够快,才能凸显识别系统与人工登记相比较的巨大优势。 在性能提升方面,除了改进识别的算法以外,也可以采用一些提升程序运行速度的关键技术,比如多核芯编程、hadoop分布式计算、CUDA等等。
在字符识别领域,比较成熟的技术有:射频识别(RFID),光学字符识别(OCR)。射频识别在车牌识别中的应用十分广泛,射频识别不受气候、光线等影响,能够应用于不同的场景,而且射频识别的花销也比较小。但是,射频识别需要安装特定的设备,并且硬件设备没有统一的标准,厂家分别生产各自的产品,无法达到广泛应用。随着数字图像技术的日趋成熟,基于OCR的识别系统应用越来越多,并且在精度和速度上都能有很好的表现。
在大量关于集装箱箱号识别系统的文献中,系统的架构基本都是一致的。和其他模式识别系统一样,核心处理步骤有以下几步:区域检测、字符切割、字符识别。对于不同的实际应用场景,核心步骤使用的算法可以进行一定的调整。随着集装箱运输的越来越普及,已经有许多学者提出了一些集装箱箱号识别的方法。
目前,大多数的港口仍然采用人工登记的方法来记录集装箱箱号,不但需要花费额外的成本来招聘登记箱号的人员,而且后期录入系统也需要花费额外的人力和财力。除此之外,集装箱可能存在破损和生锈等问题,通过人工观察集装一侧可能无法得出完整的结果,登记人员必须前往其他侧面进行观测,这将降低了港口管理的效率。
发明内容
本发明针对上述不足提供了一种集装箱识别系统及集装箱识别方法。
本发明采用如下技术方案:
本发明所述的集装箱识别系统,该系统包括数据采集端与控制端;所述的数据采集端布置在车辆经过的匝道上;数据采集端用于采集从匝道上经过的集装箱车辆上的集装箱图片信息;数据采集端与控制端进行数据传输;控制端对数据采集端所采集的集装箱图片信息进行处理,获得集装箱信息。
本发明所述的集装箱识别系统,所述获得集装箱信息包括集装箱箱号,集装箱箱型,颜色信息,损坏情况信息。
本发明所述的集装箱识别系统,所述的数据采集端由高清摄像头,LED增强光源,红外对射仪,红外对射仪采集子板组成;所述的高清摄像头分别布置在匝道的图像采样段处;根据车辆行驶前进方向的上方设有前顶高清摄像头,车辆行驶前进方向的后方设有后顶高清摄像头;匝道图像采样段处的两侧靠近前顶高清摄像头位置分别设有前侧高清摄像头,匝道图像采样段处的两侧靠近后顶高清摄像头位置分别设有后侧高清摄像头;前侧高清摄像头与后侧高清摄像头上分别设有红外对射仪;红外对射仪与红外对射仪采集子板相连;匝道的图像采样段处还设有LED增强光源。
本发明所述的集装箱识别系统,所述的高清摄像头将采集的图像数据及红外对射仪采集子板的数据反馈控制端。
本发明所述的集装箱识别系统,所述的控制端基于边缘计算算法从数据采集端获取的图像信息进行图像倾斜矫正处理,图像字符定位分隔,图像字符识别。
本发明所述的集装箱识别系统,所述的控制端基于支持向量机分类算法对集装箱破损类别进行识别。
本发明所述的集装箱识别系统的集装箱识别方法,识别方法如下:
步骤1:当集装箱车辆行驶至匝道采样段处后各位置的高清摄像头对集装箱进行图像获取;获取的图像数据传输至控制端;
步骤2:控制端先对获得的图像数据进行倾斜检测,根据检测结果按照倾斜角度进行倾斜纠正;
步骤3:步骤2完成图像倾斜纠正后,采用FCN网络(全卷积神经网络)
进行集装箱箱号的标注位置进行检测,把采集的图片放入网络自动检测图像的文本区域;
步骤4:对步骤3获得的文本区域进行定位排列,对得到的文本区域进行水平和竖直方向的投影检测,得到集装箱箱号的排列方向;并将排列后的箱号字符区域切割保存,得到字符图片;
步骤5:保存下来的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别,卷积神经网络的最后一层,通过引入softmax函数,可以给出字符图片属于每个类别的得分,对该分数做归一化处理,得到集装箱的箱号序列以及箱型信息并给出对应的置信度;
步骤6:对步骤1获取的图像数据进行整图分类,得到集装箱的破损类别信息并给出对应的置信度;
步骤7:通过上述步骤控制端通过识别及分类得到集装箱信息及破损类别。
本发明所述的集装箱识别系统的集装箱识别方法,所述的控制端判断步骤3、步骤4、步骤5给出置信度未超过80%的结果,则会通过检索该集装箱的另外一侧集装箱号自动补齐信息。
本发明所述的集装箱识别系统的集装箱识别方法,所述的步骤5中对保存后的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别;得到集装箱的箱号序列以及箱型信息并给出对应的置信度。
本发明所述的集装箱识别系统的集装箱识别方法,控制端采用支持向量机分类算法对集装箱图片整图分类,得到集装箱的破损类别信息并给出对应的置信度信息。
有益效果
本发明采用此集装箱识别系统,不仅可以节省大量的人力劳动,节约了物流港口的劳动成本,也提高了记录的速率,工作效率得到了稳定的提高,从而显著提高了企业的绩效。
本发明采用此集装箱识别系统,集装箱信息登记正确率整体提升,提升了整个物流管理系统的竞争力
集装箱信息记录的正确率在整个物流管理系统中具有举足轻重的地位,然而人工记录的方式,由于工人工作时视觉疲劳,注意力分散等原因,会造成正确率不稳定的情况出现。通过自动识别技术,使整个工作的正确率得到了保证,也使流程更加数字化,标准化,自动化。
为了准确的捕捉匝道口的集装箱图片,严格按照比例搭建环境,很好的解决了实际工作环境可能遇到的问题。根据物流港口的摄像头像素应用需求,设计了一种普通高清摄像头获取的集装箱图片自动识别算法,并在充分考虑行业时效性特点的前提下,通过使用训练好的神经网络模型取代传统的图像处理操作,提高运行速率,减少对硬件的要求。从而解决真实环境下的运行速率和效率问题。
本发明所述的集装箱识别系统的集装箱识别方法,实现了对拍摄图片的倾斜校正问题的解决。由于摄像头的位置以及车辆经过匝道口的速度,路线存在偏差,因此拍摄的图片中,集装箱图片的文本信息会存在一定角度的倾斜情况,针对此情况,我们的算法第一步会进行倾斜检测,如有倾斜,会自适应的纠正倾斜角度,保证后续的集装箱信息自动识别的正常进行。
附图说明
图1是系统的总体流程图;
图2是系统的环境图;
图3是数据采集部分的框图;
图4是集装箱自动识别部分的框图。
图中1是前顶高清摄像头,2是后顶高清摄像头,3是前侧高清摄像头,4是后侧高清摄像头,5是红外对射仪。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示:一种集装箱识别系统,该系统包括数据采集端与控制端;所述的数据采集端布置在车辆经过的匝道上;数据采集端用于采集从匝道上经过的集装箱车辆上的集装箱图片信息;数据采集端与控制端进行数据传输;控制端对数据采集端所采集的集装箱图片信息进行处理。获得集装箱信息包括集装箱箱号,集装箱箱型,颜色信息,损坏情况信息。
如图2所示:本发明所述的集装箱识别系统其数据采集端由高清摄像头,LED增强光源,红外对射仪,红外对射仪采集子板组成;所述的高清摄像头分别布置在匝道的图像采样段处;根据车辆行驶前进方向的上方设有前顶高清摄像头1,车辆行驶前进方向的后方设有后顶高清摄像头2;匝道图像采样段处的两侧靠近前顶高清摄像头位置分别设有前侧高清摄像头3,匝道图像采样段处的两侧靠近后顶高清摄像头位置分别设有后侧高清摄像头4;前侧高清摄像头与后侧高清摄像头上分别设有红外对射仪5;红外对射仪5与红外对射仪采集子板相连;匝道的图像采样段处还设有LED增强光源。高清摄像头将采集的图像数据及红外对射仪采集子板的数据反馈控制端。
集装箱识别系统,所述的控制端基于边缘计算算法从数据采集端获取的图像信息进行图像倾斜矫正处理,图像字符定位分隔,图像字符识别。控制端基于SVM算法对集装箱破损类别进行识别。
一种集装箱识别系统的集装箱识别方法,识别方法如下:
如图附图2所示:搭建集装箱识别系统的模型图,获取集装箱车辆经过时产生的图像数据,重现真实场景中的路线,拍摄角度等问题。
如图附图3所示:搭建数据采集模块的硬件设施。
如图附图4所示:完善集装箱自动识别模块的程序算法,
步骤1:集装箱拍照识别系统的外部探头采集集装箱图片数据,当匝道口有集装箱车辆经过的时候会自动对集装箱侧面进行拍照记录,并把数据传输到控制端。
步骤2:在PC控制端,首先对得到的数据进行倾斜检测,即车辆的行驶路线、速度等因素可能会造成集装箱图片的字符倾斜,程序根据检测结果按照倾斜角度进行倾斜纠正。
步骤3:倾斜纠正之后的图片,采用全卷积神经网络进行集装箱箱号的位置检测,把采集的图片放入网络自动检测图像的文本区域。
步骤4:根据上一步骤的文本区域定位,对得到的区域进行水平和竖直方向的投影检测,得到集装箱箱号的排列方向,并把字符区域切割保存下来。
步骤5:保存下来的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别,卷积神经网络的最后一层,通过引入softmax函数,可以给出字符图片属于每个类别的得分,对该分数做归一化处理,最终得到集装箱的箱号置信度。
步骤6:采用支持向量机分类算法对集装箱图片整图分类,得到集装箱的破损类别信息并给出对应的置信度。
步骤7:如果步骤3,4,5未能给出置信度超过80%的结果,则会通过检索该集装箱的另外一侧箱号来自动补齐信息。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种集装箱识别系统,其特征在于:该系统包括数据采集端与控制端;所述的数据采集端布置在车辆经过的匝道上;数据采集端用于采集从匝道上经过的集装箱车辆上的集装箱图片信息;数据采集端与控制端进行数据传输;控制端对数据采集端所采集的集装箱图片信息进行处理,获得集装箱信息。
2.根据权利要求1所述的集装箱识别系统,其特征在于:所述获得集装箱信息包括集装箱箱号,集装箱箱型,颜色信息,损坏情况信息。
3.根据权利要求1所述的集装箱识别系统,其特征在于:所述的数据采集端由高清摄像头,LED增强光源,红外对射仪,红外对射仪采集子板组成;所述的高清摄像头分别布置在匝道的图像采样段处;根据车辆行驶前进方向的上方设有前顶高清摄像头,车辆行驶前进方向的后方设有后顶高清摄像头;匝道图像采样段处的两侧靠近前顶高清摄像头位置分别设有前侧高清摄像头,匝道图像采样段处的两侧靠近后顶高清摄像头位置分别设有后侧高清摄像头;前侧高清摄像头与后侧高清摄像头上分别设有红外对射仪;红外对射仪与红外对射仪采集子板相连;匝道的图像采样段处还设有LED增强光源。
4.根据权利要求3所述的集装箱识别系统,其特征在于:所述的高清摄像头将采集的图像数据及红外对射仪采集子板的数据反馈控制端。
5.根据权利要求1所述的集装箱识别系统,其特征在于:所述的控制端基于边缘计算算法从数据采集端获取的图像信息进行图像倾斜矫正处理,图像字符定位分隔,图像字符识别。
6.根据权利要求5所述的集装箱识别系统,其特征在于:所述的控制端基于SVM算法对集装箱破损类别进行识别。
7.一种集装箱识别系统的集装箱识别方法,其特征在于:识别方法如下:
步骤1:当集装箱车辆行驶至匝道采样段处后各位置的高清摄像头对集装箱进行图像获取;获取的图像数据传输至控制端;
步骤2:控制端先对获得的图像数据进行倾斜检测,根据检测结果按照倾斜角度进行倾斜纠正;
步骤3:步骤2完成图像倾斜纠正后,采用FCN网络(全卷积神经网络)
进行集装箱箱号的标注位置进行检测,把采集的图片放入网络自动检测图像的文本区域;
步骤4:对步骤3获得的文本区域进行定位排列,对得到的文本区域进行水平和竖直方向的投影检测,得到集装箱箱号的排列方向;并将排列后的箱号字符区域切割保存,得到字符图片;
步骤5:保存下来的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别,卷积神经网络的最后一层,通过引入softmax函数,可以给出字符图片属于每个类别的得分,对该分数做归一化处理,得到集装箱的箱号序列以及箱型信息并给出对应的置信度;
步骤6:对步骤1获取的图像数据进行整图分类,得到集装箱的破损类别信息并给出对应的置信度;
步骤7:通过上述步骤控制端通过识别及分类得到集装箱信息及破损类别。
8.根据权利要求7所述的集装箱识别系统的集装箱识别方法,其特征在于:
所述的控制端判断步骤3、步骤4、步骤5给出置信度未超过80%的结果,则会通过检索该集装箱的另外一侧集装箱号自动补齐信息。
9.根据权利要求7所述的集装箱识别系统的集装箱识别方法,其特征在于:所述的步骤5中对保存后的字符图片进行归一化尺寸调整,并放入卷积神经网络中进行识别;得到集装箱的箱号序列以及箱型信息并给出对应的置信度。
10.根据权利要求7所述的集装箱识别系统的集装箱识别方法,其特征在于:控制端采用支持向量机分类算法对集装箱图片整图分类,得到集装箱的破损类别信息并给出对应的置信度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910029417.3A CN109784272A (zh) | 2019-01-13 | 2019-01-13 | 一种集装箱识别系统及集装箱识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910029417.3A CN109784272A (zh) | 2019-01-13 | 2019-01-13 | 一种集装箱识别系统及集装箱识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109784272A true CN109784272A (zh) | 2019-05-21 |
Family
ID=66500389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910029417.3A Pending CN109784272A (zh) | 2019-01-13 | 2019-01-13 | 一种集装箱识别系统及集装箱识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109784272A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598697A (zh) * | 2019-08-23 | 2019-12-20 | 上海撬动网络科技有限公司 | 一种基于粗细字符定位的集装箱箱号定位方法 |
CN110910382A (zh) * | 2019-11-29 | 2020-03-24 | 添维信息科技(天津)有限公司 | 一种集装箱检测系统 |
CN111027538A (zh) * | 2019-08-23 | 2020-04-17 | 上海撬动网络科技有限公司 | 一种基于实例分割模型的集装箱检测方法 |
CN111178143A (zh) * | 2019-12-06 | 2020-05-19 | 国电南瑞科技股份有限公司 | 一种集装箱温度信息采集方法、装置及系统 |
CN111291748A (zh) * | 2020-01-15 | 2020-06-16 | 广州玖峰信息科技有限公司 | 一种级联分布式的人工智能箱号识别系统 |
CN111833302A (zh) * | 2020-06-05 | 2020-10-27 | 中铁武汉勘察设计研究院有限公司 | 一种车号与箱号识别关联系统 |
CN112508133A (zh) * | 2021-02-01 | 2021-03-16 | 聚时科技(江苏)有限公司 | 一种多模态信息融合的集装箱类型识别方法及系统 |
CN112699891A (zh) * | 2021-01-07 | 2021-04-23 | 西安速克码信息技术有限公司 | 一种集装箱号码智能识别系统及方法 |
WO2021114777A1 (en) | 2019-12-12 | 2021-06-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Target detection method, terminal device, and medium |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050255335A1 (en) * | 2002-06-18 | 2005-11-17 | Kabushiki Kaisha Toshiba | Silicon carbide matrix composite material, process for producing the same and process for producing part of silicon carbide matrix composite material |
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系统及方法 |
CN108229506A (zh) * | 2016-12-13 | 2018-06-29 | 上海安维尔信息科技股份有限公司 | 基于层次聚类和深度学习的箱号识别方法 |
-
2019
- 2019-01-13 CN CN201910029417.3A patent/CN109784272A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050255335A1 (en) * | 2002-06-18 | 2005-11-17 | Kabushiki Kaisha Toshiba | Silicon carbide matrix composite material, process for producing the same and process for producing part of silicon carbide matrix composite material |
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系统及方法 |
CN108229506A (zh) * | 2016-12-13 | 2018-06-29 | 上海安维尔信息科技股份有限公司 | 基于层次聚类和深度学习的箱号识别方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027538A (zh) * | 2019-08-23 | 2020-04-17 | 上海撬动网络科技有限公司 | 一种基于实例分割模型的集装箱检测方法 |
CN110598697A (zh) * | 2019-08-23 | 2019-12-20 | 上海撬动网络科技有限公司 | 一种基于粗细字符定位的集装箱箱号定位方法 |
CN110910382A (zh) * | 2019-11-29 | 2020-03-24 | 添维信息科技(天津)有限公司 | 一种集装箱检测系统 |
CN111178143A (zh) * | 2019-12-06 | 2020-05-19 | 国电南瑞科技股份有限公司 | 一种集装箱温度信息采集方法、装置及系统 |
CN111178143B (zh) * | 2019-12-06 | 2022-11-04 | 国电南瑞科技股份有限公司 | 一种集装箱温度信息采集方法、装置及系统 |
WO2021114777A1 (en) | 2019-12-12 | 2021-06-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Target detection method, terminal device, and medium |
EP4073690A4 (en) * | 2019-12-12 | 2023-06-07 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | TARGET DETECTION METHOD, TERMINAL, AND MEDIUM |
CN111291748B (zh) * | 2020-01-15 | 2020-12-11 | 广州玖峰信息科技有限公司 | 一种级联分布式的人工智能箱号识别系统 |
CN111291748A (zh) * | 2020-01-15 | 2020-06-16 | 广州玖峰信息科技有限公司 | 一种级联分布式的人工智能箱号识别系统 |
CN111833302A (zh) * | 2020-06-05 | 2020-10-27 | 中铁武汉勘察设计研究院有限公司 | 一种车号与箱号识别关联系统 |
CN112699891A (zh) * | 2021-01-07 | 2021-04-23 | 西安速克码信息技术有限公司 | 一种集装箱号码智能识别系统及方法 |
CN112508133B (zh) * | 2021-02-01 | 2021-06-04 | 聚时科技(上海)有限公司 | 一种多模态信息融合的集装箱类型识别方法及系统 |
CN112508133A (zh) * | 2021-02-01 | 2021-03-16 | 聚时科技(江苏)有限公司 | 一种多模态信息融合的集装箱类型识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784272A (zh) | 一种集装箱识别系统及集装箱识别方法 | |
CN109657552B (zh) | 基于迁移学习实现跨场景冷启动的车型识别装置与方法 | |
WO2018036454A1 (en) | Method and apparatus for annotating a video stream comprising a sequence of frames | |
CN109949316A (zh) | 一种基于rgb-t融合的电网设备图像弱监督实例分割方法 | |
KR102422962B1 (ko) | 다중 인공지능 모델의 연속 처리 구조에 기반한 이미지 자동 분류 및 처리 방법, 그리고 이를 실행시키기 위해 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램 | |
CN112580657B (zh) | 一种自学习字符识别方法 | |
US10685443B2 (en) | Cloud detection using images | |
CN112270681B (zh) | 一种黄板害虫深度检测与计数方法与系统 | |
US20210304422A1 (en) | Generation of non-occluded image based on fusion of multiple occulded images | |
Alhazmi et al. | Effects of annotation quality on model performance | |
CN116052222A (zh) | 自然采集牛脸图像的牛脸识别方法 | |
CN114998815B (zh) | 一种基于视频分析的交通车辆识别追踪方法及系统 | |
Zin et al. | Cow identification system using ear tag recognition | |
CN113516102A (zh) | 基于视频的深度学习抛物行为检测方法 | |
CN113033386B (zh) | 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统 | |
CN114694130A (zh) | 基于深度学习的铁路沿线电线杆及杆号检测方法和装置 | |
Chang | Intelligent text detection and extraction from natural scene images | |
CN109657540A (zh) | 枯死树定位方法及系统 | |
CN111832497A (zh) | 一种基于几何特征的文本检测后处理方法 | |
CN115546824B (zh) | 禁忌图片识别方法、设备及存储介质 | |
CN114359493B (zh) | 一种用于无人船生成三维语义地图的方法和系统 | |
CN116363655A (zh) | 一种财务票据识别方法及系统 | |
CN109102036A (zh) | 一种用于输电线路故障识别的图像标记方法及装置 | |
CN113239931A (zh) | 一种物流站车牌识别的方法 | |
CN110956366A (zh) | 一种装维质检中分光器施工一致性检验方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190521 |