Character recognition on container boxes has been limited to the side view of containers. Moreover, existing systems suffer from mislocated containers in the yards or ships in ports. Therefore, it is crucial to identify characters before cranes lift containers for more advanced automation. Based on the above needs, Automated Container Identification (ACID) as a container character reading system, is proposed using a deep-learning model for actual implementation on cranes for more autonomous and efficient operation in ports. It robustly recognizes characters from above the container in real-time. ACID consists mainly of three components. First, a character image blender (CIB) is developed to extract data features using data enrichment technology so as to increase the data volume and recognition accuracy with the help of generative adversarial neural networks (GANs). Second, a character-recognition (CR) model is designed to read top-surface images delivered by means of real-time vision streaming. Third, metrics for the generated character images and the predicted character sequences by ACID, are devised to evaluate the proposed method. ACID achieves a recognition rate of 97.31%, with proper consideration of the positions of characters and 15 fps on average for real-time application.
기계 학습을 이용하여 현재 크레인으로 상하역하는 컨테이너의 상단에 프린트된 고유 번호를 인식하여 컨테이너에 대한 배송 장소, 선사 등의 정보 및 해당 컨테이너가 올바른 목표 컨테이너인지를 확인하는 작업의 중요성이 대두되고 있다. 기존의 컨테이너 문자 인식 시스템은 컨테이너의 옆면 문자 인식에 한정되어 있으며, 현재 항만 물류 이동 및 적재 시스템은 잘 못 운반된 컨테이너에 의해 많은 인력과 시간, 비용 손실을 감수하고 있다. 따라서, 자동화를 위해서는 크레인이 컨테이너를 들어올리기 전에 인식하여 해당 위치의 올바른 목표 컨테이너인지 확인하는 작업이 요구되는 바이다. 이러한 요구를 반영하여, 컨테이너 상부 문자 인식 시스템인 Automated Container IDentification (ACID)를 제안한다. ACID는 심층 학습망과 여러 최적화 기법에 기반한 모델로써, 좀 더 자동화되고 효율적인 항만 작업을 위해 크레인에의 실착 및 사용을 목표로 한다. ACID는 실시간으로 컨테이너 상부 문자를 강인하게 인식을 하며, 크게 세 가지 부분으로 나뉜다. 첫째는 character image blender (CIB)로써, 데이터의 양과 문자 인식 정확도를 높이기 위해 데이터의 특이점들을 추출하기 위해 개발되었다. 둘째는 character recognition (CR) 모델로써, 실시간 영상으로 전달되는 컨테이너 상부 이미지를 읽기 위해 개발되었다. 셋째, 생성된 이미지를 판단하기 위한 판단 기준이 제안되었고, 문자 인식의 정확성을 측정하기 위한 판단 기준들이 지정되었다. 현재의 시스템으로서는 컨테이너 훼손 및 날씨 등의 영향으로 인해 최고 인식율이 82$\%$에 머문다. 본 학위 논문에서는 2022년 완공 및 운영되기 시작하는 스마트 항만인 부산 신항만에의 도입을 목적으로 컨테이너의 상단에 기입된 글자를 심층 학습법을 사용하여 데이터를 증강시키며, 이와 함께 여러 최적화 기법을 통해 글자 인식의 정확성을 증가시키는 방법론의 개발을 논한다.
