煤炭作为我国发展的重要资源,其运输方式主要还是铁路运输,为了方便运煤车厢的管理,每节运煤敞车都有自己特定的编号。传统的煤矿装车站车号登记的方式是人工巡查并记录,由于装车站每天运煤量比较大,人工巡查的方式不仅耗时长而且可能错误的登记车号。本文使用无人机采集装车站的运煤车厢图像,利用数字图像处理技术和轻量级卷积神经网络,完成了以下工作:(1)运煤敞车车厢编号区域的定位针对无人机获取的图像包含复杂背景,本文首先利用颜色信息从原图中定位出车厢所在的位置,根据车号区域和车厢的相对位置信息将车号区域的图像从车厢图像中分离出来。提取车号图像的最大值稳定极值区域和边缘,对边缘图像进行增强后计算其笔画图像,利用编号字符笔画宽度相似的特性将编号字符聚合为连通域,将非编号字符的连通域进行剔除,使用启发式规则使车号字符形成文本行,对文本行进行筛选完成车号区域的定位。实验结果表明,该方法对无人机多角度获取的图像都可以较准确的定位编号区域。(2)运煤敞车车厢编号字符的分割与识别针对运煤车厢上车号字符存在断裂的问题,本文根据垂直投影的结果与实际车号位数进行对比计算断裂字符的数量,根据字符的宽度信息对投影结果进行修复,可以正确分割存在断裂的车号字符。针对传统视觉识别方法需要人工设计特征,准确率不高等问题,本文使用轻量级卷积神经网络技术搭建编号字符识别模型。轻量级卷积神经网络不仅模型参数少,且有高的准确率。本文制作了编号字符数据集,在MobileNetV3-Small网络的基础上搭建了本文的编号字符识别模型,还对比了MobileNets轻量级网络系列在编号字符数据集的分类性能,包括参数量、准确率、乘法计算量。实验表明,本文的方法能够准确的分割与识别编号字符。(3)无人机铁路沿线巡检数据处理系统的开发针对煤矿铁路巡检方式落后、装车站存在的单次运煤车厢数量较多、工作量大而且效率低、数据管理方式落后等问题,开发了无人机铁路沿线巡检数据处理系统。系统由硬件和软件两部分构成,硬件部分包含工业级无人机和用来控制飞行的地面站,地面站可以选择手动和自动控制无人机飞行的轨迹同时控制云台相机的动作完成数据采集。软件部分可以完成采集的原始数据录入、铁路沿线巡检异常情况的标记与查询、装车站内运煤车厢的识别与登记、历史数据的查询统计等功能。实验表明,系统人机交互的方式不仅降低了现场工作人员的劳动强度,也能满足企业实时性要求。本文研究了基于机载视觉的运煤车厢编号多角度识别方法与应用。通过最大稳定极值区域算法和笔画宽度变换算法完成编号区域的定位;改进的垂直投影法分割存在断裂的编号字符;搭建并训练识别车厢编号字符的轻量级模型;开发了无人机铁路沿线巡检数据处理系统,极大提高了煤矿装车站运煤车厢的登记效率。论文有图66幅,表11个,参考文献82篇。