随着我国经济的发展,越来越多的国际贸易、货物运输依赖于集装箱。集装箱减少了货物运输的成本,从而推动世界经济的发展,但其广泛应用导致港口的吞吐量增速加快,容易造成各大港口拥堵,杂乱不堪,给港口的管理造成巨大的压力。为了对集装箱实行更好的管控,集装箱编号识别系统应运而生。传统集装箱编号识别技术容易受到复杂环境包括光照、字符倾斜、扭曲、破损等影响。近年来,由于深度学习具有快速准确的优点而成为模式识别重要的研究领域,因此,本文提出了一种基于深度学习的集装箱编号识别算法。该算法主要分为三部分,分别为:集装箱编号区域定位、集装箱编号字符分割、集装箱编号字符识别。本文的主要工作如下:（1）集装箱编号区域定位传统集装箱编号定位方法一般采取数学形态学、字符边缘、字符结构定位法,容易受复杂环境的影响,如污渍、锈迹,门锁杆,瓦楞等。针对以上问题,本文提出基于YOLOv4的集装箱编号检测算法。本文利用拍摄的图像进行数据增强,生成集装箱图像数据集,且结合集装箱编号的特点对图像进行标注,利用CSPDarknet53网络训练提取编号特征,生成适合检测集装箱编号的模型对集装箱编号区域进行定位。实验证明本文提出的定位方法速度快且准确率高。（2）集装箱编号字符分割针对集装箱编号倾斜、有干扰物、破损等问题,本文采用基于连通域的集装箱编号分割法。此方法通过深度遍历种子点的8邻域,从而确定分割的位置,对其进行筛选并分割。但因字符周围有其他的干扰,对于分割后的单个图像根据编号字符的先验知识进行筛选,从而保证编号字符的正确分割,为字符的识别奠定了基础。（3）集装箱编号字符识别针对集装箱编号相似字符干扰、字符破损等问题,本文采用识别效率和准确率都比较高的模板匹配算法。为了提高模板匹配识别的精度,本文根据集装箱编号的特点,将字母和数字分开识别,避免了由于有些字母和数字相似而导致识别错误,且缩短了单个字符的匹配时间,从而提高整个识别的速度。实验结果证明本文识别方法提高了识别的正确率。