车辆相对衡器的位置判断方法和系统技术方案

本发明专利技术公开一种车辆相对衡器的位置判断方法及系统，基于图像采集分析，并利用深度学习的人工智能网络来判断车辆是否行驶到衡器的正确位置上，并做出现场车辆位置是否正确的决策，即决定是否可以开始读取衡器计量数据，这种车辆衡器位置判断技术相比传统的传感器的方法，大大提高了可靠性，保证车辆衡器数据准确可靠。准确可靠。准确可靠。

【技术实现步骤摘要】
车辆相对衡器的位置判断方法和系统


[0001]本专利技术属于工业自动化现场检测控制领域，具体涉及一种车辆相对衡器的位置判断方法和系统。

技术介绍

[0002]结合图1所示，汽车上衡过磅是一种常用的工业生产行为，本专利技术所述的衡器，是指汽车上衡过磅的设备。目前，为了解决车辆是否按要求到达衡器的正确位置，一般用红外对射的方式来进行判定，但红外对射技术容易受到环境的影响，如雾霾、扬起的灰尘等，同时不同的车辆不同结构，如不同的长宽高、还有挂车等因素的情况下，都会导致传统的红外传感器控制出现误判或严重失灵。

技术实现思路

[0003]本专利技术提供一种车辆相对衡器的位置判断方法和系统，旨在实现更精准的检测控制，本专利技术由下述技术方案实现。
[0004]一种车辆相对衡器的位置判断方法，包括：
[0005](1)采集多时段、多环境条件下衡器作业空间的图像，标注出图像中各类目标的范围；所述目标包括衡器及衡器上的车辆；
[0006](2)设计一个对图像进行多实例语义分割的深度学习AI网络；
[0007](3)将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆相对衡器的位置判断方法，其特征在于，包括：(1)采集多时段、多环境条件下衡器作业空间的图像，标注出图像中各类目标的范围；所述目标包括衡器及衡器上的车辆；(2)设计一个对图像进行多实例语义分割的深度学习AI网络；(3)将标注后的图像输入所述深度学习AI网络并进行训练；(4)所述深度学习AI网络训练达到预设要求时，导出对应的onnx模型；(5)将所述onnx模型部署至上位机，同时在所述上位机部署推理机；(6)所述上位机通过摄像头获取衡器作业空间的实时视频数据，通过所述onnx模型对数据帧进行运算，分割出对应图像中的车辆与衡器；(7)所述推理机根据车辆与衡器的相对位置判断车辆是否在正确位置，如果正确则读取衡器计量，如果不正确则提醒车辆调整位置。2.根据权利要求1所述的车辆相对衡器的位置判断方法，其特征在于，所述深度学习AI网络包括主杆网络和语义分割网络。3.根据权利要求2所述的车辆相对衡器的位置判断方法，其特征在于，所述主杆网络采用resnet
‑
152,所述语义分割网络采用U
‑
Net，resnet
‑
152的四层与U
‑
Net进行连接。4.根据权利要求1所述的车辆相对衡器的位置判断方法，其特征在于，所述推理机采用OpenCV DNN模块。5.根据权利要求1所述的车辆相对衡器的位置判断方法，其特征在于，所述环境条件包括天气条件和粉尘条件。6.根据权利要求1所述的车辆相对衡器的位置判断方法，其特征在...

【专利技术属性】
技术研发人员：廖高波，谢长荣，肖海，马腾，
申请(专利权)人：远光软件股份有限公司，
类型：发明
国别省市：