一种基于图像识别的车体装载状态识别装置及方法制造方法及图纸

本发明专利技术提供了一种基于图像识别的车体装载状态识别装置及方法，属于图像分类技术领域，包括有源RFID电子标签、RFID读写器、地感线圈、高清摄像头、处理器、平台服务器和立柱，处理器内包含控制单元和图像识别单元。控制单元获取卡车顶部图像信息和对应的有源RFID电子标签信息，发送到图像识别单元，图像识别单元用基于卷积神经网络的迁移学习方法结合SVM分类模型进行图像识别处理，获得卡车装载状态信息。本方法受人为因素和环境因素影响较小，在保证计量准确、提高劳动生产率的同时可以节省大量成本和人力，使矿山更加智能化，从而使企业获得更高的经济效益。

A Vehicle Loading State Recognition Device and Method Based on Image Recognition

【技术实现步骤摘要】
一种基于图像识别的车体装载状态识别装置及方法
本专利技术属于图像分类
，具体涉及一种基于图像识别的车体装载状态识别装置及方法。
技术介绍
在矿业工程中，统计卡车运载量的准确性直接影响露天矿生产计划进度、作业安排和生产调度效率。卡车有效运载量是对露天矿卡车司机进行绩效评估的重要指标。传统的统计卡车运载量的方法是人工计数，这种方法受人为因素和环境影响，往往无法核实数据的准确性和真实性。随着数字矿山的发展，出现了一些智能自动运输计量方法，可以在一定程度上减少人为因素和环境的影响。但这些方法都有一定的局限性：传统的方法大多使用地磅配合部分人工管理来获得卡车运载量数据，在一些大型矿山企业使用地磅来统计卡车运载量。但对于中小型企业来说，地磅容易损坏且价格昂贵。因此，本申请提出一种基于图像识别的车体装载状态识别装置及方法。
技术实现思路
为了克服上述现有技术存在的不足，本专利技术提供了一种基于图像识别的车体装载状态识别装置及方法。为了实现上述目的，本专利技术提供如下技术方案：一种基于图像识别的车体装载状态识别装置，包括有源RFID电子标签、RFID读写器、地感线圈、高清摄像头、处理器和平台服务器本文档来自技高网...

【技术保护点】
1.一种基于图像识别的车体装载状态识别装置，其特征在于，包括有源RFID电子标签(1)、RFID读写器(2)、地感线圈(3)、高清摄像头(4)、处理器(5)和平台服务器(6)，所述处理器(5)内包含控制单元和图像识别单元，所述RFID读写器(2)、地感线圈(3)和高清摄像头(4)分别与所述控制单元连接，所述控制单元与所述平台服务器(6)通过无线信号连接；所述有源RFID电子标签(1)，用于记录车体信息并以预设的规则周期性的进行信号发射，所述车体信息为车体号码；所述RFID读写器(2)，用于在其作用区域内接收所述有源RFID电子标签(1)发出的信号并识别有源RFID电子标签(1)信息从而得到车体...

【技术特征摘要】
1.一种基于图像识别的车体装载状态识别装置，其特征在于，包括有源RFID电子标签(1)、RFID读写器(2)、地感线圈(3)、高清摄像头(4)、处理器(5)和平台服务器(6)，所述处理器(5)内包含控制单元和图像识别单元，所述RFID读写器(2)、地感线圈(3)和高清摄像头(4)分别与所述控制单元连接，所述控制单元与所述平台服务器(6)通过无线信号连接；所述有源RFID电子标签(1)，用于记录车体信息并以预设的规则周期性的进行信号发射，所述车体信息为车体号码；所述RFID读写器(2)，用于在其作用区域内接收所述有源RFID电子标签(1)发出的信号并识别有源RFID电子标签(1)信息从而得到车体号码、记录车体通过RFID读卡器的时间，将车体号码和车体通过RFID读卡器的时间发送给所述控制单元；所述地感线圈(3)，用于感应车体经过信号并将车体经过信号发送给所述控制单元；所述高清摄像头(4)，用于采集车体顶部图像，并将图像发送给所述控制单元；所述控制单元接收所述地感线圈(3)发送的车体经过信号后与所述高清摄像头(4)通信，所述高清摄像头(4)以规定的时间间隔对车体顶部进行拍摄获取多张图像信息，同时开启所述RFID读写器(2)以获取车体号码和车体通过RFID读卡器的时间；所述高清摄像头(4)将多张图像信息实时发送到所述控制单元，再由所述控制单元将多张图像信息发送到所述图像识别单元；所述图像识别单元用于对接收到的图像信息进行图像识别处理，并根据处理结果判断车体装载状态，将车体装载状态发送到所述控制单元；所述车体装载状态指处于设定好的空载与满载之间的多个车体装载量级别；所述平台服务器(6)用于通过无线方式接收所述控制单元发送的车体号码、车体通过RFID读写器(2)的时间和车体装载状态。2.根据权利要求1所述的基于图像识别的车体装载状态识别装置，其特征在于，还包括立柱(7)，所述有源RFID电子标签(1)设置在车体上，所述地感线圈(3)设置在车体经过的地面以下，安装深度为30到50毫米，所述立柱(7)设置在车体经过的地面前方，所述RFID读写器(2)、高清摄像头(4)和处理器(5)均设置在所述立柱(7)上，所述高清摄像头(4)带有红外夜视功能。3.一种根据权利要求1-2任一项所述的基于图像识别的车体装载状态识别装置的识别方法，其特征在于，包括以下步骤：S1：车身安装有所述有源RFID电子标签(1)的车体进入所述RFID读写器(2)的作用区域，所述地感线圈(3)检测振荡器频率是否发生明显变化：若振荡器频率稳定，则地感线圈(3)不发出信号，表示没有车体经过，继续检测；若振荡器频率提高，则地感线圈(3)发出信号，表示有车体经过，进入步骤S2；S2：所述高清摄像头(4)以规定的时间间隔对车体顶部拍摄得到多张图像信息，并将图像信息实时发送到所述控制单元；所述RFID读写器(2)通过接收有源RFID电子标签(1)信息的信号得到车体号码和车体通过RFID读写器(2)的时间，并将车体号码和车体通过RFID读卡器的时间发送给所述控制单元，所述控制单元将车体顶部的多帧图像实时发送到所述图像识别单元，进入步骤S3；S3：所述图像识别单元通过对接收到的图像信息信息进行处理，根据处理结果判断车体装载状态，并将车体装载状态发送给控制单元，进入步骤S4；S4：所述控制单元将车体状态信息发送到所述平台服务器(6)，所述车体状态信息包括：车体号码、车体通过的时间和车体装载状态。4.根据权利要求3所述的基于图像识别的车体装载状态识别方法，其特征在于，所述图像识别单元接收到所述控制单元发送的多张图像信息后，首先进行图像预处理，然后使用提前训练好的卷积神经网络模型提取多帧图像的特征向量，使用SVM分类模型对图像的特征向量进行分类，根据输出的结果对车体装载状态作出判断。5.根据权利要求4所述的基于图像识别的车体装载状态识别方法，其特征在于，所述图像预处理包括以下步骤：S01：检测图像中的主体部分，并裁剪出主体部分，进入步骤S02；S02：判断图像的尺寸是否大于预设像素，若图像尺寸大于预设像素，进入步骤S03，若图像尺寸小于预设像素，进入步骤S04；S03：对图像进行降采样和裁剪，使图像尺寸为预设像素，进入步骤S05；所述降采样的具体公式为：其中mk表示像素点k的值，表示窗口内所有像素的值相加，s表示窗口的边长，即对图像进行下采样的倍数；S04：对图像进行升采样和裁剪，使图像尺寸为预设像素，进入步骤S5；S05：将图像处理为3通道图像。6.根据权利要求5所述的基于图像识别的车体装载状态识别方法，其特征在于，所述图像预处理的步骤S04中的升采样，采用双线性内插值算法，具体公式为：即式中，f(R1)表示未知函数f在点R1＝(x,y1)的值，f(R2)表示未知函数f在点R2＝(x,y2)的值，f(P)表示未知函数f在点P＝(x,y)的值，已知Q11＝(x1,y1),Q12＝(x1,y2),Q21＝(x2,y1),Q22＝(x2,y2)，f(Q11)表示未知函数f在点Q11的值，f(Q12)表示未知函数f在点Q12的值，f(Q21)表示未知函数f在点Q21的值，f(Q22)表示未知函数f在点Q22的值，在P点进行插值。7.根据权利要求4所述的基于图像识别的车体装载状态识别方法，其特征在于，所述提前训练好的卷积神经网络模型采用AlexNet模型，其原始参数是在ImageNet数据库上训练的，在原始参数的基础上使用迁移学习的方法用车体装载状态数据库的数据对参数进行调优以获得所述提前训练好的卷积神经网络模型，所述车体装载状态数据库的数据是指根据车体装载量预先设定好的，处于空载与满载之间的多个车体装载量级别获取到的车体顶部图像。8.根据权利要求7所述的基于图像识别的车体装载状态识别方法，其特征在于，所述提前训练好的卷积神经网络模型，车体装载状态数据库的数据在输入AlexNet模型之前，先进行图像增强，具体步骤如下：S001：检测图像中的...

【专利技术属性】
技术研发人员：阮顺领，卢才武，顾清华，景莹，聂兴信，冯治东，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西,61