一种基于机器视觉的大数据流程监管系统及方法技术方案

本发明专利技术公开了一种基于机器视觉的大数据流程监管系统及方法，涉及大数据流程监管技术领域，本发明专利技术通过数据获取模块获取建筑材料运输路线上的路面信息和运输车辆内的建筑材料相关信息；通过数据分析模块对获取的路面信息和建筑材料相关信息进行数据分析，结合机器视觉技术对获取的各项信息进行解析；通过驾驶行为数据监测模块对运输车辆的驾驶行为进行监测，监控获取当前车辆的行驶速度和行驶方向；通过预警反馈模块根据数据分析模块的分析结果对驾驶行为数据监测模块的监测数据进行判别，若车内建筑材料存在损伤风险，则进行预警；以便于提高建筑运输流程监管的可信度，提高对建筑材料运输的安全保障，有效减少了建筑材料在运输过程中的损耗。在运输过程中的损耗。在运输过程中的损耗。

【技术实现步骤摘要】
一种基于机器视觉的大数据流程监管系统及方法


[0001]本专利技术涉及大数据流程监管
，具体为一种基于机器视觉的大数据流程监管系统及方法。

技术介绍

[0002]机器视觉利用计算机科学、数字信号处理、模式识别等技术，将人类视觉能力模拟到计算机系统中，使计算机能够对现实世界中的图像或视频进行感知和理解。机器视觉在许多领域有广泛的应用，并且随着深度学习和大数据的快速发展，在实际应用中有了显著的进展。
[0003]大数据流程监管通过对流程进行实时监管和分析，进而确保流程的可靠性，并为相关人员提供实时的反馈和决策支持。对建筑材料进行运输时，大多使用整车运输，而及建筑材料具有种类多样、易散失、易损坏等特点，例如平板玻璃、建筑陶瓷、保温材料等建材属于脆性材料，一旦受到挤压和冲击时，极其容易出现损坏，严重时甚至会影响车辆和人员安全。同时，通往工程施工现场的道路存在未硬化处理、原始土路、急转弯和陡坡等情况，在对建筑材料进行运输的过程中，需结合实际路况对车辆行驶状态进行监测，避免因驾驶员在运输路线的失误行驶造成运输货物的损坏。为了最大限度的减少以上特性的建筑材料出现损坏，在运输车辆在对建筑材料进行运输时，需要对建筑材料的运输流程进行严格监管。
[0004]因此，为了解决上述问题或部分问题，本专利技术提供了一种基于机器视觉的大数据流程监管系统及方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于机器视觉的大数据流程监管系统及方法，以解决上述
技术介绍
中提出的问题。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于机器视觉的大数据流程监管方法，包括以下步骤：
[0007]S1：对运输行驶路线的路面信息进行采集，采集运输路线的坡度、弯度和路面凹凸情况；对运输车辆的装载货物信息进行获取，获取车内货物的位置信息和货物摆放状态；
[0008]S2：对采集的路面信息进行分析，计算当前行驶路线的路面平整度；对获取的车内货物的位置和摆放信息进行分析，计算当前车内货物的承受力阈值；
[0009]S3：对当前运输车辆的驾驶情况进行监测，监控获取当前车辆的行驶速度和行驶方向,并对当前运输车辆的驾驶情况变动范围进行分析；
[0010]S4：根据S2的分析结果，对S3监测的行驶情况进行判别，判断按照当前行驶速度和行驶方向在当前行驶路线内进行行驶时，驾驶员做出的下一驾驶操作是否满足车内货物的可承受车况。
[0011]进一步的，所述S1包括：
[0012]步骤S1
‑
1：通过机器视觉技术对当前运输车辆的行驶路线的地面信息进行采集；
在运输车辆上安装高清摄像头，对行驶路线的地面图像进行实时采集，其中，摄像头的位置可以选择车辆正前方、后方或侧方，以便于获得最佳视野；
[0013]结合GPS定位系统，获取运输车辆的坐标位置信息，通过获取车辆的当前位置行驶轨迹，对云端的行驶路线相关数据进行提取，对于多车辆运输的情况，可减少对路面信息的重复采集；
[0014]步骤S1
‑
2：对采集的图像进行处理和分析，可使用图像处理算法检测道路边界、障碍物等，通过计算机视觉算法进行目标检测和特征提取，对提取的特征数据进行预处理，处理得到路面特征数据集R，R＝{r1,r2，...，r
n
}，其中，r1、r2、...、r
n
分别表示第1、2、...、n组道路特征数据，包括边界特征数据集、道路斜度特征数据集、道路障碍物特征数据集和路面凸起特征数据集；
[0015]步骤S1
‑
3：在运输车辆内部安装摄像头，通过实时监控车内的图像来获取货物的位置信息，建立关于车内货物的三维空间，通过使用多种传感器来监测运输车内装载货物的重量和环境条件，根据传感器数据，建立车内货物的三维模型，可使用点云重建算法或三维建模软件等将传感器数据转换为可视化的三维模型；提高建筑材料运输过程的安全性，并优化了货物运输效率。
[0016]步骤S1
‑
4：对上述步骤中获取到的行驶路线数据进行集中存储和管理，建立运输路线数据库；通过可视化工具，将建立的三维模型进行显示，以便于通过直观的方式呈现货物的负载和平衡情况，用户可通过可视化三维模型对货物情况进行检查。
[0017]进一步的，所述S2包括：
[0018]步骤S2
‑
1：对路面特征数据集R中的n组道路特征进行特征参数提取，对各特征参数设置权重，根据以下公式计算当前行驶路线的路面平整度P：
[0019][0020]其中，r
i
′
表示路面特征数据集中的第i组道路特征的特征参数，i∈(1,2，...，n)，ω
i
表示路面特征数据集中的第i组道路特征参数的权重系数，λ表示误差因子；
[0021]步骤S2
‑
2：通过访问数据库或驾驶人员自行确认的方式，确定当前运输车辆的结构参数，包括车辆的整体尺寸、悬挂系统、车架强度等，根据车辆的结构参数选定货物重心的第一安全范围；根据货物的位置信息，通过网格划分的方式将车辆和货物分解为多个单元，根据各单元内的货物参数选定各单元内货物重心的第二安全范围；对获取的车内货物信息进行分析，对每个单元构建刚度矩阵，将所有单元的刚度矩阵组装形成全局刚度矩阵，可通过将每个单元的刚度矩阵按照其节点的自由度加入到全局刚度矩阵中实现；定义边界条件(位移、力、约束等)，并将其应用到全局刚度矩阵和载荷向量上，所述载荷向量包含多个分量，每个分量表示一个受力大小和受力方向；求解位移向量，求解后，可以得到每个节点的位移；利用得到的位移向量，通过各单元本身的插值函数，建立车内货物的承受力分析模型，根据建立的承受力分析模型，对当前运输车辆进行分析，当车内货物的位移使得货物重心能够偏离第一安全范围时，认为该位移距离为预警触发值，并将造成该位移所需力认为是当前运输车辆的货物承受力阈值F；
[0022]或者，当车内划分的K个单元内的货物重心的位移使得各单元内的货物重心能够偏离第二安全范围，认为该位移距离为预警触发值，并将造成该位移所需力认为是当前运
输车辆的货物承受力阈值F；
[0023]由于货物的集中堆积、偏置摆放等情况可能导致运输车内重量分布不均匀，给车辆带来不平衡和不稳定的风险；通过分析货物在车内的摆放位置、重量分布情况，可以及时判断车内货物状态对车辆稳定性的影响；以上两种货物承受力阈值的确定方式可根据货物尺寸和特性进行选择；
[0024]进一步的，所述S3包括：
[0025]步骤S3
‑
1：通过定位系统获取车的位置信息，通过车载传感器监测车辆的行驶相关数据，并对监测数据进行处理，得到当前运输车辆的行驶速度V和行驶方向Q；
[0026]步骤S3
‑
2：通过计算机模拟系统对运输车辆的行驶状态与车内货物的承受力状态进行数据挖掘：
[0027]X1：存在加速度α，当运输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的大数据流程监管方法，其特征在于：包括以下步骤：S1：对运输行驶路线的路面信息进行采集，对运输车辆的装载货物信息进行获取，获取车内货物的位置信息和货物摆放状态；S2：对采集的路面信息进行分析，计算当前行驶路线的路面平整度；对获取的车内货物的位置和摆放信息进行分析，计算当前车内货物的承受力阈值；S3：对当前运输车辆的驾驶情况进行监测，监控获取当前车辆的行驶速度和行驶方向,并对当前运输车辆的驾驶情况可变动范围进行分析；S4：根据S2的分析结果，对S3监测的行驶情况进行判别，判断按照当前行驶速度和行驶方向在当前行驶路线内进行行驶时，驾驶员做出的下一驾驶操作是否满足车内货物的可承受车况。2.根据权利要求1所述的一种基于机器视觉的大数据流程监管方法，其特征在于：所述S1包括：步骤S1
‑
1：通过机器视觉技术对当前运输车辆的行驶路线的地面信息进行采集；在运输车辆上安装高清摄像头，对行驶路线的地面图像进行实时采集；步骤S1
‑
2：对采集的图像进行处理和分析，通过计算机视觉算法进行目标检测和特征提取，对提取的特征数据进行预处理，处理得到路面特征数据集R，R＝{r1,r2，...，r
n
}，其中，r1、r2、...、r
n
分别表示第1、2、...、n组道路特征数据；步骤S1
‑
3：在运输车辆内部安装摄像头，通过实时监控车内的图像来获取货物的位置信息，建立关于车内货物的三维空间，通过使用多种传感器来监测运输车内装载货物的重量和环境条件，根据传感器数据，建立车内货物的三维模型；步骤S1
‑
4：对上述步骤中获取到的行驶路线数据进行集中存储和管理，建立运输路线数据库；通过可视化工具，将建立的三维模型进行显示。3.根据权利要求1所述的一种基于机器视觉的大数据流程监管方法，其特征在于：所述S2包括：步骤S2
‑
1：对路面特征数据集R中的n组道路特征进行特征参数提取，对各特征参数设置权重，根据以下公式计算当前行驶路线的路面平整度P：其中，r
i
′
表示路面特征数据集中的第i组道路特征的特征参数，i∈(1,2，...，n)，ω
i
表示路面特征数据集中的第i组道路特征参数的权重系数，λ表示误差因子；步骤S2
‑
2：通过访问数据库或驾驶人员自行确认的方式，确定当前运输车辆的结构参数，根据车辆的结构参数选定货物重心的第一安全范围；根据货物的位置信息，通过网格划分的方式将车辆和货物分解为多个单元，根据各单元内的货物参数选定各单元内货物重心的第二安全范围；对获取的车内货物信息进行分析，建立车内货物的承受力分析模型，根据建立的承受力分析模型，对当前运输车辆进行分析，当车内货物的位移使得货物重心能够偏离第一安全范围时，认为该位移距离为预警触发值，并将造成该位移所需力认为是当前运输车辆的货物承受力阈值F；或者，当车内划分的K个单元内的货物重心的位移使得各单元内的货物重心能够偏离第二安全范围，认为该位移距离为预警触发值，并将造成该位移所需力认为是当前运输车
辆的货物承受力阈值F。4.根据权利要求1所述的一种基于机器视觉的大数据流程监管方法，其特征在于：所述S3包括：步骤S3
‑
1：通过定位系统获取车的位置信息，通过车载传感器监测车辆的行驶相关数据，并对监测数据进行处理，得到当前运输车辆的行驶速度V和行驶方向Q；步骤S3
‑
2：通过计算机模拟系统对运输车辆的行驶状态与车内货物的承受力状态进行数据挖掘：X1：存在加速度α，当运输车辆加速时，运输车辆的货物承受力超出阈值范围，车内货物的位移使得货物重心偏离第一安全范围，或者，车内划分的K个单元内的货物重心的偏离第二安全范围，则认为，加速度α为当前运输车辆的加速上限；X2：存在行驶方向偏转角度θ，当运输车辆进行行驶方向的偏转时，运输车辆的货物承受力超出阈值范围，...

【专利技术属性】
技术研发人员：徐忠平，
申请(专利权)人：黑龙江省卓美工程建设有限公司，
类型：发明
国别省市：