【技术实现步骤摘要】
一种基于深度学习的危险货物集装箱预警方法及装置
[0001]本专利技术具体涉及危险货物预警
，具体是一种基于深度学习的危险货物集装箱预警方法及装置。
技术介绍
[0002]众所周知，危险货物具有易燃易爆、有毒有害的理化特性，在航运过程中极易发生泄漏、火灾、爆炸等严重事故，进而对长江航道、通航建筑物、其他航行船舶以及周边人民生活和工业生产场所造成严重的不利影响。
[0003]危险货物集装箱运输要求更高，业务流程更为复杂；因此，危险货物集装箱运价通常比普通货物集装箱高50%
‑
100%，装卸、堆存等作业费率比普通货物集装箱高 200%
‑
300%，出于压缩成本和牟取暴利的目的，往往普通货物集装箱里夹带危险货物，另外，危险货物集装箱监管查验力度不够，由于集装箱具有密封性，查验人员只有通过开箱检查才能直观了解箱内载运的货物情况；但在实际查验过程中，查验人员难以对每个集装箱实施开箱检查。目前我国各地监管部门对危险货物集装箱实施开箱检查的比例并不高。此外，我国专业的化学品鉴定评估机构数量...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的危险货物集装箱预警方法，其特征在于，包括以下步骤：S100、获取集装箱信息和货物信息，所述集装箱信息包括集装箱运输信息和集装箱实时监测数据，所述货物信息包括货物的X光扫描图像；S200、构建深度学习模型，基于深度学习模型对货物的X光扫描图像进行识别，得到货物的识别结果，所述识别结果包括货物的名称和种类；S300、基于识别结果判断货物是否为危险货物，若是，生成第一预警信息，并进行步骤S400，若不是，进行步骤S500；S400、基于识别结果设置集装箱实时监测数据的阈值，将集装箱实时监测数据与阈值进行对比，当集装箱实时监测数据小于阈值时，判定集装箱具有安全运输环境，否则，判定集装箱不具有安全运输环境，并生成第二预警信息；S500、基于集装箱运输信息判定集装箱是否处于危险运输状态，若是，则生成第三预警信息；S600、发送第一、第二和第三预警信息。2.根据权利要求1所述的基于深度学习的危险货物集装箱预警方法，其特征在于，步骤S100中，所述集装箱运输信息包括：集装箱信息、运输所述集装箱的船舶信息以及集装箱装箱货物的货物清单；货物的装箱信息，包括装箱人员和审批人员信息；船舶的运输路径、始发位置、终点位置信息以及船员信息；集装箱的实时位置信息。3.根据权利要求2所述的基于深度学习的危险货物集装箱预警方法，其特征在于，步骤S100中，所述货物信息还包括有货物名称、货物体积、货物重量、货物种类信息以及货物的发货和到货信息，货物的发货和到货信息包括：发货人、收货人信息以及发货时间和到货时间信息。4.根据权利要求1所述的基于深度学习的危险货物集装箱预警方法，其特征在于，步骤S200中，所述深度学习模型的构建方法为：S201、获取训练数据，所述训练数据为货物图像库，货物图像库包括标注过名称和种类的货物图片和货物图标，将训练数据分为训练集、验证集和测试集；S202、构建深度学习模型，所述深度学习模型包括卷积模块，所述卷积模块设有五段卷积，每段卷积均包括有卷积层、ReLu激活层和池化层；S203、使用训练集的数据对构建的深度学习模型进行训练，即将训练集数据输入到步骤S202中的深度学习模型进行迭代；S204、使用验证集的数据对训练好的深度学习模型进行验证；S205、将测试集数据输入到训练好的深度学习模型，得到识别结果，所述识别结果为货物的名称和种类；S206、判断识别结果是否符合预期，结果不符合时，继续步骤S203；结果符合时，深度学习模型构建完成。5.根据权利要求4所述的基于深度学习的危险货物集装箱预警方法，其特征在于，步骤S201中，将训练数据分为训练集、验证集和测试集的方式为：随机选取处理好的训练数据，将训练数据中80％数据作为训练集，10％作为验证集，
10％作为测试集。6.根据权利要求5所述的基于深度学习的危险货物集装箱预警方法，其特征在...
【专利技术属性】
技术研发人员：崔迪，
申请(专利权)人：交通运输部水运科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。