基于自主学习的集装箱箱位标识识别方法和装置与流程

本发明涉及集装箱技术领域，尤其涉及一种基于自主学习的集装箱箱位标识识别方法和装置。

背景技术：

在全球物资运输活动中集装箱是全球标准的运载容器，也是运用最广泛的容器。其应用标准辐射全球港口码头、铁路场站、陆路场站等中转基地，影响的运输工具有火车、轮船、汽车、岸桥、门机等装卸运输工具。

在港口码头智能化发展趋势的今天，集装箱在码头场地及轮船装卸理货依然大部分依靠人工在户外场地或轮船外沿，在集装箱装卸时依靠肉眼查看手写bay位的方式作业。存在效率低下、户外环境恶劣、户外人身安全等问题。当前领域内存在两种解决办法，第一种人工肉眼查看后输入，可靠性相对较高，但人必须在户外盯着作业，工作强度大、安全风险高、人力成本昂贵。第二种电脑计算场位，在人工标定第一吊后根据上一吊的坐标值进行推算当前吊的bay位。这种方式随着潮汐影响和司机作业的驾驶习惯、吊具晃动等外在因素，根据原始的吊具坐标计算bay位始终无法避免受到影响，导致bay位计算存在上限瓶颈，且适应性较差。

技术实现要素：

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于自主学习的集装箱箱位标识识别方法和装置基于自主学习的集装箱箱位标识识别。

第一个方面，本发明实施例提供一种基于自主学习的集装箱箱位标识识别方法，所述方法包括：

获取待作业的集装箱在船舱上的初始坐标；

根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；

将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置。

可选地，所述预先建立的识别模型通过如下方式获得：

根据船舱结构，创建与所述船舱结构对应的数字结构的初始二维模型，并将所述二维模型保存在内存空间中；

根据司机习惯、潮汐状况和吊具状态，对所述初始二维模型进行匹配训练后，获得所述数字结构的识别模型。

可选地，所述根据司机习惯、潮汐状况和吊具状态，对所述初始二维模型进行匹配训练后，获得所述数字结构的识别模型，包括：

在每一吊作业时，将采集的集装箱的初始信息输入到所述初始二维模型中，计算出箱位标识；

将所述司机习惯、潮汐状况和吊具状态再次输入到所述初始二维模型，对所述初始二维模型进行匹配训练，获得所述数字结构的识别模型。

可选地，所述方法还包括：

将第一个集装箱的装入到船舱时，基于单点计算出所述初始二维模型中第一个箱位的第一坐标；

将第二个集装箱装入到船舱时，计算得到第二个集装箱对应的第二坐标；

将所述第一坐标和所述第二坐标进行叠加，获得该箱位对应的经验值权重的坐标。

可选地，所述初始二维模型包括箱位标识和集装箱的坐标，所述集装箱的坐标包括横坐标和纵坐标，所述横坐标和所述纵坐标交叉位置为所述箱位标识。

第二个方面，本发明实施例提供一种基于自主学习的集装箱箱位标识识别装置，所述装置包括：

获取模块，用于获取待作业的集装箱在船舱上的初始坐标；

确定模块，用于根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；

移动模块，用于将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置。

可选地，所述装置还包括模型建立模块，所述模型建立模块用于：

根据船舱结构，创建与所述船舱结构对应的数字结构的初始二维模型，并将所述二维模型保存在内存空间中；

根据司机习惯、潮汐状况和吊具状态，对所述初始二维模型进行匹配训练后，获得所述数字结构的识别模型。

可选地，所述模型建立模块用于：

在每一吊作业时，将采集的集装箱的初始信息输入到所述初始二维模型中，计算出箱位标识；

将所述司机习惯、潮汐状况和吊具状态再次输入到所述初始二维模型，对所述初始二维模型进行匹配训练，获得所述数字结构的识别模型。

可选地，所述模型建立模块还用于：

将第一个集装箱的装入到船舱时，基于单点计算出所述初始二维模型中第一个箱位的第一坐标；

将第二个集装箱装入到船舱时，计算得到第二个集装箱对应的第二坐标；

将所述第一坐标和所述第二坐标进行叠加，获得该箱位对应的经验值权重的坐标。

可选地，所述初始二维模型包括箱位标识和集装箱的坐标，所述集装箱的坐标包括横坐标和纵坐标，所述横坐标和所述纵坐标交叉位置为所述箱位标识。

第三个方面，本发明实施例提供一种终端设备，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现第一个方面提供的基于自主学习的集装箱箱位标识识别方法。

第四个方面，本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的基于自主学习的集装箱箱位标识识别方法。

本发明实施例包括以下优点：

本发明实施例提供的基于自主学习的集装箱箱位标识识别方法和装置，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

附图说明

图1是本发明的一种基于自主学习的集装箱箱位标识识别方法实施例的步骤流程图；

图2是本发明的识别模型的建立示意图；

图3是本发明的又一识别模型的建立示意图；

图4是本发明的一种基于自主学习的集装箱箱位标识识别装置实施例的结构框图；

图5是本发明的一种终端设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动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。

本发明一实施例提供一种基于自主学习的集装箱箱位标识识别方法，用于岸桥设备每次从陆地吊装集装箱到船舶集装箱。本实施例的执行主体为基于自主学习的集装箱箱位标识识别装置，设置在计算机设备上。

参照图1，示出了本发明的一种基于自主学习的集装箱箱位标识识别方法实施例的步骤流程图，该方法具体可以包括如下步骤：

s101、获取待作业的集装箱在船舱上的初始坐标；

具体地，本发明实施例应用于岸桥设备每次从陆地吊装集装箱到船舶的装船过程。

计算机通过岸桥设备获取到待作业的集装箱在船舱上的初始坐标，包括横坐标和纵坐标。

s102、根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；

具体地，计算机设备需要预先建立识别模型，该识别模型是预先将受外界因素的参数加入到识别模型中，根据箱位标识和初始坐标的对应关系，获得不同的经验值，并根据经验值的权重大小，得到该预先建立的识别模型。

计算机设备将集装箱的初始坐标输入到预先建立的识别模型中，获得与初始坐标对应的箱位标识，即bay位。

s103、将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置。

具体地，计算机控制岸桥设备将待作业的集装箱按照计算得到的箱位标识移动到船舱上的对应位置，提高适应性。

本发明实施例提供的基于自主学习的集装箱箱位标识识别方法，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

本发明又一实施例对上述实施例提供的基于自主学习的集装箱箱位标识识别方法做进一步补充说明。

可选地，所述预先建立的识别模型通过如下方式获得：

根据船舱结构，创建与所述船舱结构对应的数字结构的初始二维模型，并将所述二维模型保存在内存空间中；

根据司机习惯、潮汐状况和吊具状态，对所述初始二维模型进行匹配训练后，获得所述数字结构的识别模型。

具体地，本发明实施例提供的识别模型是基于时间为横坐标，装箱经验值为纵坐标，通过人工标定第一吊实现坐标与bay位的绑定，也通过这一吊数据推演出完整场区堆存空间与坐标数据的数字模型结构。

在后续的每一吊作业都会推演生成新的模式并于之前所有作业模式进行匹配重合计算，最后得出匹配司机习惯、潮汐、吊具状态等多种因素组合而成的专属bay结构数字模型。

当第一次装入一个集装箱到船舱时，基于人工确定箱位与获得的坐标映射到数字模型中，以集装箱的宽和高为单位，自动计算出整个二维模型每一个箱位的坐标。实现通过单个点生成模型所有箱位的坐标，当下一个集装箱装入船舱时系统就可以基于数字模型箱位的坐标自动识别出装入集装箱的箱位。

可选地，所述根据司机习惯、潮汐状况和吊具状态，对所述初始二维模型进行匹配训练后，获得所述数字结构的识别模型，包括：

在每一吊作业时，将采集的集装箱的初始信息输入到所述初始二维模型中，计算出箱位标识；

将所述司机习惯、潮汐状况和吊具状态再次输入到所述初始二维模型，对所述初始二维模型进行匹配训练，获得所述数字结构的识别模型。

在每一吊作业将采集的信息输入数字模型中，由数字模型计算给出结果bay位，同时新作业数据作为输入材料反馈给数字模型进行二次强化训练。即使吊具产生偶尔晃动等都可以通过数据模型去掉数据杂质，随着作业量的累加，经验模型越丰富，bay识别率越精准，如图2所示，示出了本发明的识别模型的建立示意图。

集装箱的每次装入都会基于单点计算出整个二维模型中每一个箱位的坐标，不断的装入集装箱时每个箱位都会得到一个新的箱位坐标计算结果，新的坐标计算结果会与之前生成的箱位坐标结果进行叠加，所以随着装入的集装箱越多，每一个箱位的坐标获得的经验值就越多，最终每个箱位都能得出经验权重值最高的坐标。

可选地，所述方法还包括：

将第一个集装箱的装入到船舱时，基于单点计算出所述初始二维模型中第一个箱位的第一坐标；

将第二个集装箱装入到船舱时，计算得到第二个集装箱对应的第二坐标；

将所述第一坐标和所述第二坐标进行叠加，获得该箱位对应的经验值权重的坐标。

可选地，所述初始二维模型包括箱位标识和集装箱的坐标，所述集装箱的坐标包括横坐标和纵坐标，所述横坐标和所述纵坐标交叉位置为所述箱位标识。

具体地，每一个船舱bay可以理解为一个二维表格，每一个格子就是一个箱位，每一个箱位有属于自己的唯一编号。船舱bay装箱的过程就是填满二维表格的过程。

如图3所示，示出了本发明的又一识别模型的建立示意图，是将内存中的模型进行图形化展示，每个模型共后横坐标和纵坐标，每一个格子就是箱位。横坐标与纵坐标交叉的位置就是属于这个箱位的唯一编码，采用横坐标+纵坐标的方式，比如0992表示下图中的第一层的第一个集装箱。每个箱位中的数字就是其对应的坐标值，如0992的坐标是1032，2465。

每个司机的作业习惯不同，导致装船时箱位的坐标也产生浮动，当采用本发明实施例后随着司机的装船过程计算机自动计算总结过针对该司机的箱位与坐标的对应关系，所以箱位识别率更高。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

本发明实施例提供的基于自主学习的集装箱箱位标识识别方法，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

本发明另一实施例提供一种基于自主学习的集装箱箱位标识识别装置，用于执行上述实施例提供的基于自主学习的集装箱箱位标识识别方法。

参照图4，示出了本发明的一种基于自主学习的集装箱箱位标识识别装置实施例的结构框图，该装置具体可以包括如下模块：获取模块401、确定模块402和移动模块403，其中：

获取模块401用于获取待作业的集装箱在船舱上的初始坐标；

确定模块402用于根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；

移动模块403用于将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置。

本发明实施例提供的基于自主学习的集装箱箱位标识识别装置，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

本发明又一实施例对上述实施例提供的基于自主学习的集装箱箱位标识识别装置做进一步补充说明。

可选地，所述装置还包括模型建立模块，所述模型建立模块用于：

根据船舱结构，创建与所述船舱结构对应的数字结构的初始二维模型，并将所述二维模型保存在内存空间中；

根据司机习惯、潮汐状况和吊具状态，对所述初始二维模型进行匹配训练后，获得所述数字结构的识别模型。

可选地，所述模型建立模块用于：

在每一吊作业时，将采集的集装箱的初始信息输入到所述初始二维模型中，计算出箱位标识；

将所述司机习惯、潮汐状况和吊具状态再次输入到所述初始二维模型，对所述初始二维模型进行匹配训练，获得所述数字结构的识别模型。

可选地，所述模型建立模块还用于：

将第一个集装箱的装入到船舱时，基于单点计算出所述初始二维模型中第一个箱位的第一坐标；

将第二个集装箱装入到船舱时，计算得到第二个集装箱对应的第二坐标；

将所述第一坐标和所述第二坐标进行叠加，获得该箱位对应的经验值权重的坐标。

可选地，所述初始二维模型包括箱位标识和集装箱的坐标，所述集装箱的坐标包括横坐标和纵坐标，所述横坐标和所述纵坐标交叉位置为所述箱位标识。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本发明实施例提供的基于自主学习的集装箱箱位标识识别装置，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

本发明再一实施例提供一种终端设备，用于执行上述实施例提供的基于自主学习的集装箱箱位标识识别方法。

图5是本发明的一种终端设备的结构示意图，如图5所示，该终端设备包括：至少一个处理器501和存储器502；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现上述实施例提供的基于自主学习的集装箱箱位标识识别方法。

本实施例提供的终端设备，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

本申请又一实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现上述任一实施例提供的基于自主学习的集装箱箱位标识识别方法。

根据本实施例的计算机可读存储介质，通过获取待作业的集装箱在船舱上的初始坐标；根据所述集装箱的初始坐标和预先建立的识别模型，确定与所述集装箱的初始坐标对应的箱位标识，所述预先建立的识别模型包括坐标和箱位标识的对应关系，所述坐标和箱位标识的对应关系是根据经验值获得的；将所述待作业的集装箱按照所述箱位标识移动到所述船舱上的对应位置，可以不受外界因素的影响，提高集装箱放置的准确性，提高适应性。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、电子设备(系统)、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理电子设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理电子设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者电子设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者电子设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者电子设备中还存在另外的相同要素。