基于计算机视觉的间象装载单元自动识别：一项综述

背景：间象装载单元（ILUs），包括集装箱、半挂车和换装体的标准化，已彻底改变全球贸易，但高效且稳健的识别仍是港口和码头的运营瓶颈。目标：映射 ILU 识别的计算机视觉方法，澄清术语，总结所提出方法的演变，並指出研究空白、未来方向及其对码头运营的潜在影响。方法：遵循 PRISMA-ScR，我们在 Google Scholar 和 dblp 上搜索英文语言的具有定量结果的研究。在双审稿员筛选后，将研究在方法、数据集和评估指标方面进行图表化。结果：在 1990 年至 2025 年期间，共审阅了 63 项关于计算机视觉解决 ILU 识别任务的实证研究。总结了 ILU 识别解决方案的方法论演变、数据集、所提出方法的评估以及未来研究方向。观察到从静态（如 OCR-门）向车载摄像机 setup 的转变，这使得精确监控成为可能。报告的端到端准确率范围从 5% 到 96%。结论：我们提出标准化术语，主张公开获取的数据集、代码库和模型权重，以实现公平评估并定义未来工作方向。从静态向动态摄像机设置的转变引入了新的挑战，这些挑战对交通和物流具有变革性潜力。然而，缺乏公共基准数据集、公开代码以及标准化术语阻碍了该领域的进步。就未来工作而言，我们建议解决车载摄像机带来的新挑战，探索合成数据生成， 将多阶段方法整合为统一的端到端模型以降低复杂度，并关注无上下文文本识别。