隨著物流行業(yè)的快速發(fā)展,不僅對(duì)物流環(huán)節(jié)中的運(yùn)輸有更高的要求,同時(shí)需要提高物流倉儲(chǔ)環(huán)節(jié)的管理效率。因此,通過實(shí)現(xiàn)物流園中出入園車輛管理的自動(dòng)化,來提升物流園倉儲(chǔ)車輛的進(jìn)出效率。本文通過將卷積神經(jīng)網(wǎng)絡(luò)技術(shù)與車牌識(shí)別技術(shù)相結(jié)合,提出了物流園中基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別管理系統(tǒng)。該系統(tǒng)分為服務(wù)中心客戶端子系統(tǒng)與門崗web端管理子系統(tǒng),利用對(duì)車輛車牌的識(shí)別結(jié)果,實(shí)現(xiàn)對(duì)出入園車輛的自動(dòng)化管理。車牌識(shí)別技術(shù)在系統(tǒng)中至關(guān)重要,本文將車牌識(shí)別技術(shù)中車牌定位與字符識(shí)別兩個(gè)環(huán)節(jié)與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合,以提高車牌識(shí)別的識(shí)別速度與正確率,提升管理系統(tǒng)的效率。其中,車牌定位技術(shù)將傳統(tǒng)的輪廓匹配算法與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合,由傳統(tǒng)輪廓匹配車牌定位算法獲得粗略的候選車牌區(qū)域,再通過卷積神經(jīng)網(wǎng)絡(luò)算法對(duì)獲取的候選車牌區(qū)域進(jìn)行二次分類,得到最終的定位結(jié)果。字符識(shí)別環(huán)節(jié)修改了Yolo2網(wǎng)絡(luò)的參數(shù),使之專門針對(duì)車牌區(qū)域圖像進(jìn)行分類,并設(shè)計(jì)對(duì)漢字與字母和數(shù)字進(jìn)行分開識(shí)別的標(biāo)簽,減少Yolo2的分類類別數(shù)量,以提高識(shí)別結(jié)果的可靠性。本文利用優(yōu)化的車牌識(shí)別算法,完成了兩個(gè)子系統(tǒng)的設(shè)計(jì)與開發(fā),并設(shè)計(jì)了MySQL數(shù)據(jù)庫,實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別管理系統(tǒng)的主要功能模塊。通過對(duì)系統(tǒng)各個(gè)功能模塊的測(cè)試,本文的系統(tǒng)滿足實(shí)際應(yīng)用,有足夠的穩(wěn)定性與安全性,具有較強(qiáng)的實(shí)用性。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TP183
【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 課題背景及意義
    1.2 課題來源及本文組織
第二章 相關(guān)技術(shù)研究
    2.1 相關(guān)技術(shù)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 車牌識(shí)別技術(shù)
    2.2 車牌識(shí)別技術(shù)研究現(xiàn)狀
        2.2.1 車牌定位
        2.2.2 字符分割
        2.2.3 字符識(shí)別
    2.3 車牌識(shí)別技術(shù)在物流管理中的研究
    2.4 總結(jié)
第三章 物流園基于CNN的車牌識(shí)別系統(tǒng)總體設(shè)計(jì)
    3.1 設(shè)計(jì)目標(biāo)
        3.1.1 系統(tǒng)功能需求
        3.1.2 系統(tǒng)性能需求
    3.2 系統(tǒng)總體設(shè)計(jì)
        3.2.1 系統(tǒng)框架設(shè)計(jì)
        3.2.2 系統(tǒng)功能設(shè)計(jì)
    3.3 數(shù)據(jù)庫設(shè)計(jì)
    3.4 總結(jié)
第四章 基于CNN的車牌識(shí)別算法
    4.1 車牌識(shí)別流程
    4.2 卷積神經(jīng)網(wǎng)絡(luò)車牌定位
        4.2.1 原始圖像預(yù)處理
        4.2.2 閉操作與輪廓提取
        4.2.3 矩形尺寸匹配
        4.2.4 卷積神經(jīng)網(wǎng)絡(luò)分類
        4.2.5 本文改進(jìn)的車牌定位
        4.2.6 算法測(cè)試與性能分析
    4.3 字符分割
        4.3.1 傾斜矯正
        4.3.2 鉚釘去除
        4.3.3 背景顏色判斷
        4.3.4 輪廓提取
    4.4 基于Yolo2字符識(shí)別
        4.4.1 Yolo2網(wǎng)絡(luò)模型
        4.4.2 Yolo2模型改進(jìn)
        4.4.3 Yolo2網(wǎng)絡(luò)訓(xùn)練
    4.5 總結(jié)
第五章 物流園基于CNN的車牌識(shí)別管理系統(tǒng)詳細(xì)設(shè)計(jì)
    5.1 服務(wù)中心客戶端系統(tǒng)詳細(xì)設(shè)計(jì)
        5.1.1 服務(wù)中心客戶端系統(tǒng)MVC設(shè)計(jì)架構(gòu)
        5.1.2 系統(tǒng)業(yè)務(wù)邏輯界面設(shè)計(jì)分析
        5.1.3 服務(wù)中心客戶端系統(tǒng)接口設(shè)計(jì)
    5.2 門崗web端管理系統(tǒng)詳細(xì)設(shè)計(jì)
        5.2.1 門崗web端管理系統(tǒng)總體架構(gòu)
        5.2.2 系統(tǒng)業(yè)務(wù)邏輯界面設(shè)計(jì)分析
        5.2.3 設(shè)備管理模塊
        5.2.4 出入園車輛管理模塊
        5.2.5 同步模塊
    5.3 總結(jié)
第六章 系統(tǒng)測(cè)試
    6.1 測(cè)試需求
    6.2 系統(tǒng)環(huán)境
        6.2.1 硬件環(huán)境
        6.2.2 軟件環(huán)境
        6.2.3 系統(tǒng)搭建
    6.3 系統(tǒng)功能測(cè)試
        6.3.1 服務(wù)中心客戶端系統(tǒng)
        6.3.2 門崗web端管理系統(tǒng)
    6.4 車牌識(shí)別性能測(cè)試
    6.5 總結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
附錄 1 攻讀碩士學(xué)位期間申請(qǐng)的專利
附錄 2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 尹寶才;王文通;王立春;;深度學(xué)習(xí)研究綜述[J];北京工業(yè)大學(xué)學(xué)報(bào);2015年01期

2 廉寧;徐艷蕾;;基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J];圖學(xué)學(xué)報(bào);2014年05期

3 周律;王新華;葉濤濤;周煜明;朱金龍;;基于改進(jìn)模版匹配的車牌字符分割[J];信息技術(shù);2014年09期

4 裴明濤;王永杰;賈云得;郭志強(qiáng);;基于多尺度模板匹配和部件模型的車牌字符分割方法[J];北京理工大學(xué)學(xué)報(bào);2014年09期

5 姜鈞;;物流園散料運(yùn)輸車輛信息管理系統(tǒng)的設(shè)計(jì)[J];物流技術(shù);2014年15期

6 方淡玉;馮艷茹;李艷濤;;基于RFID的物流配送中心信息管理系統(tǒng)模型設(shè)計(jì)研究[J];物流技術(shù);2014年01期

7 喬曉飛;;宣鋼煉鋼天車物流信息管理系統(tǒng)[J];冶金自動(dòng)化;2013年04期

8 程廣濤;陳雪;張文治;;基于垂直投影和模板匹配的車牌字符分割方法[J];北華航天工業(yè)學(xué)院學(xué)報(bào);2013年01期

9 李旭;徐舒暢;尤玉才;張三元;;基于聚類分析的個(gè)性化美國(guó)車牌分割算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2012年12期

本文編號(hào)：2872593