随着港口贸易的快速发展,对集装箱的智能理货作业是目前港口货物管理的重中之重,准确地识别和采集箱号信息更是其中的关键,能够有效地节省人工成本,提高工作效率。而在夜间,港口需要为箱号信息的采集提供多个工业探照灯,以保证后续工作的顺利开展。为了能够在低照度环境下提高信息采集质量,节约能源,降低成本。本文针对夜间低照度环境下的集装箱理货作业,研究了基于图像增强的港口集装箱箱号识别系统。主要工作如下:（1）针对夜间低照度环境下的集装箱图像进行增强处理,保持其整体色彩均衡和降低失真度的同时,增强箱号区域的细节特征。分析并搭建了基于Retinex理论的三种用于增强低照度图像的算法网络,通过输入实际采集的夜间集装箱图像,借助多项图像质量评价参数,以及结合亮度分布直方图来对比相应的增强结果,最终选择基于Retinex分解的对抗增强网络用于本次系统研究中。实验证明此算法具有较好的颜色和细节恢复能力,能够对低照度集装箱图像实现良好的增强效果。（2）针对箱号区域及箱号字符的获取,采用基于先验知识的投影定位分割法。需要先对增强结果进行预处理操作,消除多类噪声等干扰因素,避免字符间粘连的问题;再对整体图像进行水平投影,定位箱号区域;对得到的箱号区域图像进行垂直投影,最终完成箱号字符的分割获取。（3）搭建一个卷积神经网络模型,实现对箱号信息的识别。通过自采集集装箱图像来构建相应的箱号字符数据集,对网络进行迭代训练,使识别准确率能够保持在较高水平。（4）利用PyQt5工具设计了相应的GUI系统可视化界面,对各个功能模块的工作结果进行融合展示,呈现工作过程的完整性。