二战以后，随着各国开始着力于经济恢复与发展，科技也随之进步，海运业在此期间迅速发展，为各国之间的贸易提供了海上桥梁。而海运中最重要的便是类似于“窗口”的码头，在海运业的刺激之下，码头的建设与改造也随之而来。

1953年，现代集装箱运输之父——美国人马尔科姆·麦克莱恩提出集装箱运输应该实行“海陆联运”。麦克莱恩提出建造码头货运场站的设想，真正开始了现代意义上的集装箱运输。1993年世界上第一座自动化集装箱码头荷兰鹿特丹港的ECT码头建成，接着是英国伦敦港、日本川崎港、新加坡港、德国汉堡港等港口相继建成自动化集装箱码头。我国自动化集装箱码头建设起步较晚，但是随着我国“一带一路”建设的大力推进，港口作为“一带一路”战略版图上的重要环节，自动化集装箱码头将是未来港口重点的发展方向。 2013年10月，青岛港自动化码头建设正式启动，2017年5月11日，自动化码头正式全面投入使用。

在自动化集装箱码头的建设中，计算机视觉起到了很大的作用，其中包括对集装箱号，尺寸和大小的识别，以及对来往货车车牌的识别等等。其中对集装箱号的自动识别不仅仅可以减少人力资源，对把集装箱从运输船上放下，再由运输小车运到货车上的整个过程也起到了很大的简化作用。

随着计算机的普及和信息技术的发展，集装箱箱号自动识别技术也日趋完善。目前国内外主要存在以下几种形式：

（1）光学识别系统(OCR)， OCR技术即通过光学手段获取数字图像，通过寻找数字图像中的规律以及对数字图像的一系列处理，最终得到想要的识别结果。由于光学字符识别技术已经发展得较为成熟，因此识别率较高，但是也容易受到恶劣天气等因素的影响。不过当系统不能识别和识别出错时，可以通过人工的方式进行校正，因此它的可靠性和精确度都比较高。

（2）射频识别(RFID)系统。射频识别系统的技术核心是 RFID 电子标签，RFID 技术是被广泛应用在零售等行业的非接触式的识别技术，其原理是通过RFID发射的射频信号，通过接收器来收取相关数据来进行自动识别。其优点主要有以下几点：1.识别距离较远。2. RFID 卡有读写功能，并且可以携带大量数据。3.识别过程自动化，在恶劣环境下也可以正常工作。但是该系统也有它的缺点，那就是成本较高。

（3）人工智能识别系统。该系统是通过摄像设备对集装箱图像进行实时摄取，再把图像传入计算机，有计算机进行一系列的图像处理，最后对集装箱的箱号信息进行检索和识别。该系统的缺点是智能化程度不够高，特别是在字符识别方面。神经网络和支持向量机等方式对该方面提供了一些方向，但是技术还不是很成熟。

综上所述，上述的集装箱自动识别系统虽然有一定的应用价值，但是也各有局限，其中，人工智能识别系统受到了普遍的关注。这种系统的优点主要有两点，一是不需要在集装箱上增加任何其它的设备，二是系统性能可以通过人机交互的方式得到提高，所以发展较为迅速，应用也较为成熟，其中发展最为突出的是深度学习领域。

对于图像的处理是深度学习算法最早尝试应用的领域。2012年的ImageNet竞赛中，Krizhevsky等人训练了一个大型的深度卷积神经网络AlexNet，它包含了8个学习层：5个卷积层和3个全连接层。Krizhevsky等人成功借助了ImageNet这个足够大的数据集，借助了GPU的强大计算能力，借助了深层的CNN网络，借助了随机梯度下降（SGD）和Dropout等优化技巧，借助了训练数据扩充策略，最终赢得了2012年的ILSVRC，实现了top-5的错误率为15.3%的好成绩。无论如何，他们靠着深度学习震惊了机器学习领域，从此大量的研究人员开始进入这个领域，一发不可收拾。2013年的ZFNet错误率降到了11.2%。2014年Christian Szegedy等人设计的GoogLeNet是一个22层的卷积神经网络，在ILSVRC2014上top-5的错误率降到了6.7%。2015年，微软亚洲研究院的Kaiming He等人设计了一个多达152层的ResNet架构，它比之前的深度神经网络都深，但却降低了复杂度，从而更易于训练，ResNet的错误率也降到了3.6%。而人类的水平也仅仅是5%-10%，由此可见，深度学习网络已经跟人类的分辨能力相当了。

随着科技的发展，如今集装箱吞吐量正高速增长，以宁波舟山港集装箱为例，2016年其业务突破2000万TEU，闸口单道车辆通行数最高达到800辆/天，若采用人工输入箱号检查核对，速度慢且差错率高，很难满足吞吐量要求。若采用自动识别系统识别车牌号和集装箱的箱号，记录到数据库并核对，根据核对结果控制放行杆，可以大大提高效率。随着集装箱装卸效率的提升，岸边理货人工模式不仅速度慢、而且作业安全隐患大，实现岸边集装箱箱号自动识别是集装箱作业流程中很迫切的需求。