車號與箱號識別關聯技術在鐵水聯運中的應用

李 瑞

（中鐵大橋勘測設計院集團有限公司武漢分公司，武漢 430064）

1 概述

國內多式聯運發展政策環境持續向好，集裝箱通過鐵路和水路進行聯合運輸（以下簡稱鐵水聯運）作為多式聯運重要組成部分，可以減少中間環節，大大縮短運輸時間，有效降低運輸成本，已成為鐵路與其他運輸方式無縫銜接、融合發展較為成熟的方式。

在集裝箱鐵水聯運過程中，為滿足鐵水聯運集裝箱貨物的交接業務，提高集裝箱箱號與列車車號關聯的效率，在集裝箱交接過程中列車車號與集裝箱箱號識別并進行信息自動關聯，滿足集裝箱貨物在鐵路運輸中的貨物信息錄入，以提高鐵水聯運交接作業效率。

2 現狀及存在的問題

目前在鐵路、港口等大型貨場或者物流基地，有系統可識別集裝箱箱號、集卡車牌號等信息，并對兩者進行自動關聯綁定，從而利用箱號在貨場或物流基地內的流轉來引導集卡和其他裝卸機械的作業。

集裝箱鐵水聯運過程中，鐵路集裝箱貨車到達接軌站后，由外勤作業人員進行人工作業，將集裝箱箱號與貨車車號進行關聯記錄。現有的作業方式大大降低了作業效率，不能適應鐵水聯運高效運轉的作業模式。

3 技術方案

在鐵水聯運過程中，為提高集裝箱在貨船與鐵路列車之間倒換時集裝箱箱號與列車車號關聯效率，滿足鐵水聯運貨物集裝箱的交接業務，設計一套車號與箱號智能識別系統，用于裝卸過程中列車車號與集裝箱箱號識別并進行信息的自動關聯，滿足集裝箱貨物在鐵路運輸中的貨物信息錄入及數據交換。

3.1 系統結構

系統由激光一體化攝像機、面陣抓拍攝像機、車號識別裝置、控制器、系統塔架、車輪傳感器、分節控制模塊、數據傳輸信道、數據發布軟件模塊、數據采集軟件模塊、箱號/箱型分析模塊和服務器等組成。

系統結構如圖1所示。

圖1 系統結構Fig.1 System structure

3.2 系統功能與性能

1）激光一體化相機分辨率：2 048像素/行，12 m貨車圖像最少像素6 000×2 048。

2）采用激光光源，屏蔽陽光、霧氣干擾，降低夜間燈光間的干涉影響，光照均勻。

3）每節車廂3個圖像，分別是左側、右側、頂部，同時在運行方向上加裝兩個高清視頻監控相機，可清晰看清車身、箱體及車輛運行情況，從4個角度提供車輛、箱體全方位圖像、視頻信息。

4）根據行車速度與相機掃描速率匹配，無論車輛速度如何，系統始終保持每節車的圖像長度與物理長度一致，實現車輛長度上圖片無拉伸或壓縮現象。

系統根據車輛速度k/（m/s），按照每線2 mm的分辨率，計算相機采樣頻率為k×1 000/2。無論車輛速度如何，系統始終保持每節車的圖像長度與物理長度一致，比如說一節12 m長的車，始終采集6 000線，圖像分辨率始終是2 048×6 000。

5）能夠適應敞車、平車、單層、雙層、單排、聯排等多種集裝箱裝車方式 。

6）支持圖像自動分割，分割正確率≥99%。

7）車廂圖像以全景三視圖展示，能夠進行實時慢放、同步播放、回放、定位、放大、縮小等處理。

8）支持車輛行進方向視頻監控。

9）基于圖像識別中的光學字符識別（OCR）技術，對集裝箱圖像進行分析，從而對集裝箱箱號和箱型代碼（ISO號碼）進行識別。

10）配置車號自動識別系統，車號與列車圖像自動匹配，圖像可迭加車型、車號、車位、集裝箱箱號信息。

11）圖像保存時間不小于3個月。

12）記錄運行日志，并提供日志檢索功能。

13）圖像文件以JPG的方式存儲，傳輸時大大減小網絡帶寬的壓力，帶寬要求小于10 M。

14）具備數據自動備份功能，保證數據安全。

15）提供按車次、車號、集裝箱箱號、日期等綜合查詢；可以根據車次、車號、集裝箱箱號、日期時間定為具體車輛4個角度的圖像數據。

3.3 前端設備布置

前端設備包括激光一體化攝像機、高清面陣抓拍攝像機、補光燈、基礎塔架、車輪傳感器、現場機柜等。具體布置示意如圖2所示。

圖2 前端設備布置示意Fig.2 Schematic diagram of front-end equipment layout

3.3.1 門架結構

橫跨被測線路架設一個鋼結構桁架如圖2所示，跨度視現場環境位置而定，并保證監測設備不侵入鐵路限界。在門架共安裝3個激光一體化攝像機，分別采集車廂左側、右側及頂部高清圖像；2個高清抓拍攝像機，分別在不同方向過車時啟動不同攝像機抓拍車廂尾部，作為側邊攝像機識別集裝箱箱號的補充。

3.3.2 車輪傳感器

一組車輪傳感器，由3個磁鋼組成，1號磁鋼離門架25 m，作為開機磁鋼，車輛經過時，產生的信號作為開機信號；2、3號磁鋼位于門架下面，相距1 m，根據同一車輪經過2、3號磁鋼的時間，計算車輛速度。

3.3.3 箱號識別

基于深度學習分析的集裝箱字符識別方法，通過對圖形灰度化和邊緣檢測處理，完成對圖像的預處理，對預處理圖像進行連通域分析，實現字符分割提取，再利用深度學習模型對字符進行識別。該方法提高了集裝箱字符識別的準確率，兼顧了集裝箱字符識別的穩定性和實時性要求。深度學習模型對集裝箱字符識別關鍵步驟如下。

1）圖像預處理：剪裁、平滑、銳化、亮度調節、二值化；

2）圖像數據集劃分：整理不同車型、不同背景環境的圖像，分為訓練集、驗證集、測試集；

3）模型訓練：樣本標注，標注圖像中每個車號字符的位置和標簽，確定迭代輪數，進行訓練；

4）圖像識別：調用訓練后的模型對新圖像進行識別；

5）反復驗證：分析識別結果，若結果錯誤，則將該圖像加入樣本庫，重新訓練生成新的模型。

3.4 系統原理

當列車第一個車輪通過第一個車輪傳感器并到達第二個車輪傳感器時，系統控制器將車輪模擬信號轉換為數字信號，并計算列車車輪經過第一個車輪與第二個車輪的車速，根據車速產生匹配的相機驅動信號，控制激光相機一體機進行圖像采集。圖像數據通過千兆以太網傳輸至數據采集服務器，數據采集服務器實時采集現場采集的數據，并將數據進行拼接，結合分節控制信號進行車輛圖像分割，生成每節車廂4個完整的高清圖片（左、右、頂、尾）。傳入到字符分析服務器，通過深度自動檢測集裝箱相關信息，通過網絡傳輸至數據發布服務器，自動提取并識別集裝箱箱號信息。

系統控制器不斷檢測車輪通過的速度，并產生驅動相機的控制信號；同時啟動車號識別系統，車號接收讀取裝置發出射頻信號由地面天線發射給車廂下部的無源RFID卷標，地面天線同時接收卷標信號并通過射頻電纜傳遞給車號接收讀取裝置，車號接收讀取裝置將卷標信號傳給數據采集服務器，并與車輛高清圖片匹配，通過深度學習模塊，識別集裝箱箱號并與車號進行關聯，最后通過網絡傳給監控中心服務器；當系統控制器檢測到10 s之內車輪傳感器沒有響應，判定車輛已經離開，停止相機驅動，完成此列車輛的檢測過程。

系統自動區分晝夜，當環境光照度低于設定值時，系統控制器啟動照明系統，車離開時自動關閉照明系統。

4 創新點

綜合運用高清視頻監控技術，在鐵路貨車運行過程中，不需要人工干預，自動對鐵路貨車車號和集裝箱箱號進行識別并關聯，引入深度學習算法，提高集裝箱箱號識別率。車號與箱號識別關聯數據可與港口或鐵路貨運管理信息系統進行數據交換，使貨物在鐵水聯運過程中實現貨物信息的自動交接，提高集裝箱鐵水聯運作業效率。

5 實際應用及效果

在工程實際應用中，可在鐵路接軌站至港區的鐵路區間，選擇合適的位置設置一套車號與箱號識別關聯系統監測設備（含攝像機、照明設備、基礎、門架、電源分配單元、防雷接地、車號識別等）。在港區信息機房內設置服務器、工控機、網絡傳輸設備以及應用軟件，前端采集設備與機房系統設備采用光纜連接。在鐵路接軌站貨運樓和港區監控中心各設置1臺操作終端，查看系統識別關聯信息以及貨物的交接情況。

本系統的實施不僅滿足了集裝箱貨物在鐵水聯運過程中貨物信息自動錄入及數據交換的需求，還提高了集裝箱鐵水聯運作業效率，可大力推廣。