港口主要记录进出港口的列车车厢信息(列车车厢号、列车皮重等)和进出港口的实际信息,并以差值作为依据用于结算使用。目前,存在列车车厢信息与系统中信息不一致的问题,通过人工抄录劳动强度大,且出现错误率无从考证,所以如何快速精准的检测列车车厢信息是研究的关键。针对实际环境和列车车厢信息目标的特点,采用了基于回归的卷积神经网络目标检测算法,完成了对列车车厢信息的检测。首先设计了数据采集系统,来获得清晰的视频图像,通过预处理和目标检测算法,对列车车厢信息进行检测并保存。主要工作内容如下:(1)对比研究了五种卷积神经网络目标检测算法,对比分析了其中三种算法的测试结果的精度和速度,选取了速度较高、精度较高的YOLOv3算法。(2)根据列车车厢规格大小和拍摄点与列车车厢之间的距离,选择Genie TS-C2048相机和VS-0618H1镜头,选用LDR2-32SW2环形光源增加补光,保证视频图像的清晰程度,通过网线进行数据传输到电脑端。用labelImg软件对经过预处理的图像进行标注,得到网络所需的数据集。(3)在数据集的基础上,结合K-means++聚类算法调整anchor box的大小,根据目标间断的特点,对YOLOv3算法进行尺度和特征融合机制的改进,减少了计算量,提高了模型的泛化能力。(4)分析了项目要求和系统指标,进行了训练和测试,针对测试过程中出现的漏检和误检的问题,提出了增加样本和阈值对比的解决方法,最终完成了符合项目要求的系统设计。