近些年来,信息科学技术和计算机科学技术的飞速发展,以及人工智能技术研究的突飞猛进,智能码头这一概念随之出现。集装箱作为国际运输业的重要组成部分,随着世界各国贸易运输越来越频繁,货物量的急剧增加给集装箱的管理和统计增加了很大的难度。港口城市也已经越来越重视集装箱码头装卸作业的自动化水平,以此来提高集装箱的吞吐能力和码头的综合管理效率。其中,集装箱号码的定位识别技术是集装箱码头装卸作业实现自动化的核心关键之一,也是模式识别领域的研究热点。随着条形码识别系统逐渐淡出人们的视线,如今我们大多数采用的是基于人工智能的视频识别系统。然而,受到天气、污垢、箱面的凹凸折痕等因素的影响,使得集装箱号码字符发生了形变或缺失,严重影响了识别率。针对上述问题,本文详细介绍了基于人工智能技术的集装箱号码识别系统的基本结构,从集装箱图像的获取,到集装箱号码图像的预处理、号码区域的定位、字符的分割以及字符识别,并提出了一种基于宽度学习的集装箱号码识别系统。首先,对采集的集装箱号码图像做预处理,包括图像灰度化、二值化以及边缘检测,并根据集装箱号码字符的特点,采用了基于先验知识的水平投影法对集装箱号码区域作定位。针对定位的号码区域,采用了垂直投影的方法作分割字符,然后对分割后的字符作归一化处理。最后采用宽度学习系统(Broad Learning System,BLS)对集装箱号码作识别,并与同类算法作对比,BLS在训练以及测试的速度和精度上有明显优势,更适合应用于实际工程中的集装箱号码识别。本文在Python软件的Spyder集成开发环境下实现了算法的基本功能,实验结果较为理想。