.png){kind=icon}
返回
Automating Code Recognition for Cargo Containers
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14224437.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
海运在全球贸易中发挥着关键作用，其中港口运营的效率和准确性至关重要。在港口进行的各项任务中，集装箱代码识别对于追踪和货物处理至关重要。集装箱代码的手动检查正变得越来越不切实际，因为它们会导致延误并增加人为错误的风险。为解决这些问题，本研究提出了一种混合光学字符识别（OCR）系统，该系统集成了YOLOv7用于文本检测，并结合基于transformer的TrOCR进行集装箱代码识别，从而实现准确高效的自动化识别。该设计解决了现实挑战，如光照变化、形变以及集装箱代码的多方向性。为评估该系统，我们在模拟港口环境条件的数據集上进行了全面评估。结果表明，与传统OCR方法相比，所提出的混合模型在检测和识别准确率及鲁棒性方面实现了显著提升。特别是，在识别多方向代码方面的可靠性标志着相较于现有解决方案的显著进步。总体而言，本研究提出了一种自动化集装箱代码识别的方法，为提高港口运营效率和现代化做出贡献，并具有简化港口操作、减少人为错误和增强整体物流工作流程的潜力。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
暂无机构信息
引用论文
Port Container Number Recognition System Based on Improved YOLO and CRNN AlgorithmFeng, X.; Wang, Z.; Liu, T. 基于改进YOLO和CRNN算法的港口集装箱号码识别系统. 在人工智能与机电自动化国际会议（AIEA 2020）论文集中，天津，中国，2020年6月26–28日；第72–77页。 [Google Scholar] [CrossRef]
PREAI
分享收藏Application of Group Decision Making in Shipping Industry 4.0: Bibliometric Analysis, Trends, and Future Directions.png)
Systems
OAAI
SystemsIF0
OAAI分享收藏分享收藏分享收藏分享收藏
查看更多内容