改良型YOLO11検出器と軽量CRNN認識器に基づく陸上港湾ヤードシーンにおけるコンテナ番号検出・認識
Container-Number Detection and Recognition in Land-Port Yard Scenes Based on an Improved YOLO11 Detector and a Lightweight CRNN Recognizer
陸上港湾ヤードにおける自動コンテナ番号認識は、混雑、照明変化、スケール変動、表面摩耗、文字歪みといった課題に直面している。本論文では、改良型YOLO11検出器と軽量畳み込みリカレントニューラルネットワーク(CRNN)からなる2段階の検出・クロッピング・認識フレームワークを提案する。検出器は、C3k2とチャネル分割マルチスケール集約(C3k2-CSMA)、階層的効率的特徴融合ピラミッドネットワーク(HEFFPN)、選択的境界集約(SBA)、詳細強調畳み込み(DEConv)を備えた共有強化検出ヘッド(SED-Head)を統合し、小ターゲット表現、特徴融合、境界局所化を改善する。認識器はMobileNetV3と双方向長短期記憶(Bi-LSTM)を組み合わせ、コネクショニスト時間分類(CTC)損失とL2正則化を用いて訓練される。検出器は、IoU閾値0.5(mAP@0.5)で97.3%の平均精度、97.1%のリコール、55 FPS、モデルサイズ12.2MBを達成した。認識器は、97.6%の完全一致精度、モデルサイズ6.2MB、推論時間8.9ms/cropを達成した。システム全体では、エンドツーエンドの完全一致精度96.8%、総モデルサイズ18.4MB、総推論時間27.1ms/imageを達成し、評価された複雑な陸上港湾シーンにおいて実用的な精度と効率のバランスを示した。
- 改良型YOLO11検出器と軽量CRNN認識器による2段階のコンテナ番号検出・認識フレームワークを提案(C3k2-CSMA、HEFFPN、SBA、DEConv、SED-Headを統合)
- 検出器はmAP@0.5が97.3%、リコール97.1%、55 FPS、モデルサイズ12.2MBを達成
- 認識器はMobileNetV3とBi-LSTMを組み合わせCTC損失とL2正則化で訓練し、完全一致精度97.6%、モデルサイズ6.2MB、推論8.9ms/cropを達成
- システム全体でエンドツーエンド完全一致精度96.8%、総モデルサイズ18.4MB、総推論時間27.1ms/imageを達成しエッジ向けの実用性を示す
港湾ヤードのコンテナ番号認識という限定用途だが、改良型YOLO11+軽量CRNNで18.4MB・27.1ms/imageというエッジ実装可能な水準を達成しており、GPUなしの現場カメラ側推論に向く。認識器はMobileNetV3+Bi-LSTM+CTCという枯れた構成の組み合わせで、学習コストや推論コストを抑えつつ97%台の完全一致精度を出している点は、物流・港湾の人手依存業務の自動化に投資する際の実装難易度の低さを示す。一方で提案は学術論文ベースであり、導入実績や商用化の主体は開示されていないため、短期的な投資判断材料としては限定的。同種の軽量検出・認識スタックは産業検査や小売棚卸しなど横展開しやすく、エッジAI推論の裾野拡大を示す事例として押さえておきたい。