作者
齐骥钊,孙 煊,宓 超,高正龙,张志伟
文章摘要
在散货码头的自动化作业中，车辆的高效管理和跟踪对于作业效率和安全性来说至关重要。鉴于大型港区中车辆的高流动性，确保每辆车辆的位置和识别信息的准确性变得尤为关键。传统的人工观察方法在此环境中既不高效又容易出错。为了解决这一挑战，本文设计了一种港口车辆识别算法，采用了YOLOv5模型来定位车辆并识别其关键特征。实验结果表明，该算法在各种场景和光线条件下都表现出了高准确性和鲁棒性。
文章关键词
车辆识别；YOLOv5；神经网络；机器视觉；散货码头
参考文献
[1] GitHub - ultralytics/yolov5: YOLOv5.
[2] 罗元,王薄宇,陈旭.基于深度学习的目标检测技术的研究综述[J].半导体光 电,2020,41(01):1-10.
[3] Feng X Q, Wang Z W, Liu T C. Port container number recognition system based on improved YOLO and CRNN algorithm[C]//2020 International Conference on Artificial Intelligence and Electromechanical Automation (AIEA). IEEE, 2020: 72-77.
Full Text:
DOI
