车号与箱号识别关联技术在铁水联运中的应用

李 瑞

（中铁大桥勘测设计院集团有限公司武汉分公司，武汉 430064）

1 概述

国内多式联运发展政策环境持续向好，集装箱通过铁路和水路进行联合运输（以下简称铁水联运）作为多式联运重要组成部分，可以减少中间环节，大大缩短运输时间，有效降低运输成本，已成为铁路与其他运输方式无缝衔接、融合发展较为成熟的方式。

在集装箱铁水联运过程中，为满足铁水联运集装箱货物的交接业务，提高集装箱箱号与列车车号关联的效率，在集装箱交接过程中列车车号与集装箱箱号识别并进行信息自动关联，满足集装箱货物在铁路运输中的货物信息录入，以提高铁水联运交接作业效率。

2 现状及存在的问题

目前在铁路、港口等大型货场或者物流基地，有系统可识别集装箱箱号、集卡车牌号等信息，并对两者进行自动关联绑定，从而利用箱号在货场或物流基地内的流转来引导集卡和其他装卸机械的作业。

集装箱铁水联运过程中，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，将集装箱箱号与货车车号进行关联记录。现有的作业方式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。

3 技术方案

在铁水联运过程中，为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效率，满足铁水联运货物集装箱的交接业务，设计一套车号与箱号智能识别系统，用于装卸过程中列车车号与集装箱箱号识别并进行信息的自动关联，满足集装箱货物在铁路运输中的货物信息录入及数据交换。

3.1 系统结构

系统由激光一体化摄像机、面阵抓拍摄像机、车号识别装置、控制器、系统塔架、车轮传感器、分节控制模块、数据传输信道、数据发布软件模块、数据采集软件模块、箱号/箱型分析模块和服务器等组成。

系统结构如图1所示。

图1 系统结构Fig.1 System structure

3.2 系统功能与性能

1）激光一体化相机分辨率：2 048像素/行，12 m货车图像最少像素6 000×2 048。

2）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。

3）每节车厢3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4个角度提供车辆、箱体全方位图像、视频信息。

4）根据行车速度与相机扫描速率匹配，无论车辆速度如何，系统始终保持每节车的图像长度与物理长度一致，实现车辆长度上图片无拉伸或压缩现象。

系统根据车辆速度k/（m/s），按照每线2 mm的分辨率，计算相机采样频率为k×1 000/2。无论车辆速度如何，系统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 m长的车，始终采集6 000线，图像分辨率始终是2 048×6 000。

5）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 。

6）支持图像自动分割，分割正确率≥99%。

7）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。

8）支持车辆行进方向视频监控。

9）基于图像识别中的光学字符识别（OCR）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。

10）配置车号自动识别系统，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。

11）图像保存时间不小于3个月。

12）记录运行日志，并提供日志检索功能。

13）图像文件以JPG的方式存储，传输时大大减小网络带宽的压力，带宽要求小于10 M。

14）具备数据自动备份功能，保证数据安全。

15）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。

3.3 前端设备布置

前端设备包括激光一体化摄像机、高清面阵抓拍摄像机、补光灯、基础塔架、车轮传感器、现场机柜等。具体布置示意如图2所示。

图2 前端设备布置示意Fig.2 Schematic diagram of front-end equipment layout

3.3.1 门架结构

横跨被测线路架设一个钢结构桁架如图2所示，跨度视现场环境位置而定，并保证监测设备不侵入铁路限界。在门架共安装3个激光一体化摄像机，分别采集车厢左侧、右侧及顶部高清图像；2个高清抓拍摄像机，分别在不同方向过车时启动不同摄像机抓拍车厢尾部，作为侧边摄像机识别集装箱箱号的补充。

3.3.2 车轮传感器

一组车轮传感器，由3个磁钢组成，1号磁钢离门架25 m，作为开机磁钢，车辆经过时，产生的信号作为开机信号；2、3号磁钢位于门架下面，相距1 m，根据同一车轮经过2、3号磁钢的时间，计算车辆速度。

3.3.3 箱号识别

基于深度学习分析的集装箱字符识别方法，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，再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。深度学习模型对集装箱字符识别关键步骤如下。

1）图像预处理：剪裁、平滑、锐化、亮度调节、二值化；

2）图像数据集划分：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：样本标注，标注图像中每个车号字符的位置和标签，确定迭代轮数，进行训练；

4）图像识别：调用训练后的模型对新图像进行识别；

5）反复验证：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。

3.4 系统原理

当列车第一个车轮通过第一个车轮传感器并到达第二个车轮传感器时，系统控制器将车轮模拟信号转换为数字信号，并计算列车车轮经过第一个车轮与第二个车轮的车速，根据车速产生匹配的相机驱动信号，控制激光相机一体机进行图像采集。图像数据通过千兆以太网传输至数据采集服务器，数据采集服务器实时采集现场采集的数据，并将数据进行拼接，结合分节控制信号进行车辆图像分割，生成每节车厢4个完整的高清图片（左、右、顶、尾）。传入到字符分析服务器，通过深度自动检测集装箱相关信息，通过网络传输至数据发布服务器，自动提取并识别集装箱箱号信息。

系统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；同时启动车号识别系统，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，地面天线同时接收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数据采集服务器，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；当系统控制器检测到10 s之内车轮传感器没有响应，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。

系统自动区分昼夜，当环境光照度低于设定值时，系统控制器启动照明系统，车离开时自动关闭照明系统。

4 创新点

综合运用高清视频监控技术，在铁路货车运行过程中，不需要人工干预，自动对铁路货车车号和集装箱箱号进行识别并关联，引入深度学习算法，提高集装箱箱号识别率。车号与箱号识别关联数据可与港口或铁路货运管理信息系统进行数据交换，使货物在铁水联运过程中实现货物信息的自动交接，提高集装箱铁水联运作业效率。

5 实际应用及效果

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系统监测设备（含摄像机、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系统设备采用光缆连接。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，查看系统识别关联信息以及货物的交接情况。

本系统的实施不仅满足了集装箱货物在铁水联运过程中货物信息自动录入及数据交换的需求，还提高了集装箱铁水联运作业效率，可大力推广。