1.一种基于机器学习的港口集装箱号识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于预设的采样编码模型分别对所述原始图像进行上、下特征采样得到上、下采样特征图以及对所述原始图像进行密集编码得到密集编码图，基于所述上、下采样特征图以及所述密集编码图对所述原始图像进行图像增强，得到增强图像包括：
3.根据权利要求2所述的方法，其特征在于，基于所述上、下采样特征图以及所述密集编码图滤除所述原始图像中潜在目标位置的雾气遮挡，得到所述增强图像包括：
4.根据权利要求1所述的方法，其特征在于，所述超分辨率重构模型包括基于残差网络构建的生成器、基于卷积神经网络构建的判别器和特征提取器，所述方法还包括对所述超分辨率重构模型进行训练：
5.根据权利要求4所述的方法，其特征在于，计算所述生成器对应的感知损失，并优化所述生成器最小化感知损失包括：
6.根据权利要求1所述的方法，其特征在于，基于所述小尺度图像集合，按照不同比例融合小尺度图像中多个维度的特征，并提取所述小尺度图像集合中多个潜在目标的边界框，通过聚类算法调整所述边界框的尺寸，生成多个初始聚类中心，重复调整所述边界框的尺寸直至新生成的聚类中心不再发生变化，对所述边界框中的集装箱的箱号进行识别包括：
7.一种基于机器学习的港口集装箱号识别系统，用于实现前述权利要求1至6中任一项所述的方法，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。