铁路货运列车车厢号自动识别系统是铁路信息化的重要组成部分。它能够自动读取车辆信息,从而提高铁路使用效率,方便铁路车辆管理。计算机视觉技术相对于通过电子标签识别车号的传统方法,具有便于维护、成本低廉等特点,得到广泛关注。应用计算机视觉技术识别车厢号主要分为字符定位、字符识别两个部分。本文使用深度学习的方法有效克服了球团矿运输列车车厢号字符断裂、污染等识别难点,并设计了能够准确识别球团矿运输列车车厢号的自动识别系统。首先,采用简化的全卷积网络确定字符候选区域,设计了不含上采样层的简化全卷积神经网络,该网络通过把能够区分字符与背景图像块的卷积神经网络的全连接层修改至卷积层而来。全卷积神经网络具有像素级分类能力,将整幅图片输入本文设计的全卷积神经网络即可得到字符信度图。在字符信度较高的区域中即可筛选并提取车厢类型与车厢编号字符。实验结果表明定位准确率达98.1%。然后,设计了具有多标签分类能力的卷积神经网络,采用投影分割法结合卷积神经网络识别车厢类型字符。由于车厢编号字符常存在明显断裂的情况,将七位车厢编号组合起来,直接使用所设计的具有多标签分类能力的卷积神经网络进行识别。实验结果表明,本文所提出的方法能够有效避免因字符断裂造成的误识别现象,识别准确率能够达到99.84%。最后,设计了球团矿运输列车车厢号自动识别系统。其中,硬件部分由网络摄像头、路由器以及计算机组成。软件部分使用VS2013开发,主要分为图像处理、字符候选区域确定、字符识别三个部分。图像处理部分调用OpenCV开源库实现,其余两个部分调用Caffe深度学习框架实现。图形用户界面采用Qt框架编写。实验证明,本文设计并实现的球团矿运输列车车厢号自动识别系统能够稳定运行并准确识别车厢号。