【技术实现步骤摘要】
本申请涉及物联网，特别地涉及一种基于rfid和机器视觉的挖运匹配计量方法及系统。
技术介绍
1、随着科技的进步、矿工整体素质的提高以及矿工对于工作、生活环境要求的提高，智能矿山建设已成为必然趋势。对于挖运管理者而言，需要控制挖运成本，提高挖运效率，以达到更高的效益。而挖机机手一天挖了多少车，渣土机机手一天运了多少趟，这些都是需要挖运管理者去计算每天产出后的运营成本。因此，挖运管理者对于机手装了多少车，运了多少趟，每趟是否都是满载运输是非常关心的。当前挖机装车需要现场有人跟车配合记录装车车数，用手撕票的记录方式，根据现场装车数给挖机机手和渣土车机手结算工资，需要一个跟车人员记录现场挖机装车和渣土车车数，人员管理成本较高，同时人工统计容易出错。
技术实现思路
1、针对上述问题，本申请提供一种基于rfid和机器视觉的挖运匹配计量方法及系统，能够节省了矿山装车的人工成本，解决人工统计易出错的情况，通过将装车单与对应的装车图片进行匹配，方便对矿山挖运进行监督管理，管理人员可通过每天的装车单对挖机和运输车的工作量进行统计结算，降低了管理运营成本，提高了整个矿山装车效率。
2、一种基于rfid和机器视觉的挖运匹配计量方法，步骤如下：
3、预先在运输车端上安装电子标签卡，电子标签卡用于对每辆运输车进行身份识别，接收到电子标签信号，电子标签信号包括开始时间、扫描次数、信号强度和电子标签信息；云端录入电子标签卡对应运输车信息；在挖机端上安装rfid计数器和摄像机，rfid计数器
4、当rfid计数器接收到挖机端发出的装车开始信号后，rfid计数器实时接收电子标签信号，并以时间先后对接收到的电子标签信号进行队列储存；
5、对队列储存的电子标签信号进行预分析处理，得到每组电子标签信号的扫描的时间长度、扫描的次数和平均信号强度；
6、当rfid计数器接收到挖机端发出的装车结束信号后，根据每组电子标签信号的扫描时间长度、扫描的次数和平均信号强度计算本次装车时间段内每个电子标签的比分；
7、根据电子标签信号逐一判断电子标签是否满足最优标签条件，满足最优标签条件的电子标签对应的运输车即为本次装运的运输车；
8、将挖机的累计装车次数加1，对电子标签对应的运输车进行拍照，得到本次装运的运输车装载图片；
9、将本次装运的运输车装载图片上传至云端，根据本次装运的运输车装载图片判断此次装车是否满载，若未满装，则提示装车异常；若满载，则根据云端预先录入的电子标签卡对应运输车信息形成装车单，在云端建立装车单数据库，装车单数据库用于储存和管理装车单，将装车单上传至云端并储存在装车单数据库中；
10、云端发送本次装车结束信号至挖机端，rfid计数器开始接收挖机端下一次发出的装车开始信号。
11、优选地，根据每组电子标签信号的扫描时间长度、扫描的次数和平均信号强度计算装车时间段内每个电子标签的比分的具体方法为：
12、将每组电子标签信号的扫描时间长度x、扫描的次数y和平均信号强度z代入公式y＝ax+by+cz，计算每组电子标签信号的比分，其中a为扫描时间长度x对应的权重，b为扫描的次数y对应的权重，c为平均信号强度z对应的权重。
13、优选地，根据电子标签信号逐一判断电子标签是否满足最优标签条件的具体方法为：设定最优标签的条件电子标签信号的比分下限，通过逐一判断电子标签的比分是否高于最优标签的条件电子标签信号的比分下限，即可得到达到最优标签的条件的电子标签信号。
14、优选地，根据本次装运的运输车装载图片判断此次装车是否满载，通过机器视觉实现，具体实现方法为：建立运输车装载图片分类模型，输入样本输车装载图片进行训练，得到训练好的运输车装载图片分类模型，当获取到运输车装载图片时，将运输车装载图片送入训练好的运输车装载图片分类模型中，得到分类结果即可判断此次装车是否满载。
15、优选地，还包括有如果达到最优标签的条件的电子标签信号的数量大于一，将挖机的累计装车次数加1，并对所有达到最优标签的条件的电子标签信号对应的运输车进行拍照，记录所有达到最优标签的条件的电子标签信号，达到最优标签的条件的电子标签信号对应运输车中第一个离开挖机的即为本次装运的运输车。
16、优选地，还包括有运输车离开挖机的判断方法为：
17、rfid计数器实时接收电子标签信号，记录所有接收到的电子标签信号，并与所有达到最优标签的条件的电子标签信号进行对比，判断是否有达到最优标签的条件的电子标签信号未被接收，若存在达到最优标签的条件的电子标签信号未被接收，则该电子标签信号对应的运输车离开挖机；若不存在，则在继续记录所有接收到的电子标签信号，并与所有达到最优标签的条件的电子标签信号进行对比，直到存在达到最优标签的条件的电子标签信号未被接收。
18、一种基于rfid和机器视觉的挖运匹配计量系统，所述系统应用于所述的一种基于rfid和机器视觉的挖运匹配计量方法，包括有：
19、云端，包括装车满载判断模块、电子标签信息储存模块和装车单模块，装车满载判断模块此次装车是否满载，若未满装，则提示装车单异常；电子标签信息储存模块，用于储存电子标签卡对应运输车信息；装车单模块包括装车单生成组件和装车单数据库，装车单生成组件用于生成装车单，装车单数据库用于储存和管理装车单；
20、挖机端，包括rfid计数模块、摄像模块和最优标签判断模块，rfid计数模块用于接收电子标签信号；摄像模块用于拍摄运输车图片；最优标签判断模块用于根据最优标签条件判断出本次装运的运输车；
21、运输车端，包括有电子标签模块，电子标签模块用于对每辆运输车进行身份识别。
22、本申请具有以下优点：
23、本申请能够节省了矿山装车的人工成本，解决人工统计易出错的情况，通过将装车单与对应的装车图片进行匹配，方便对矿山挖运进行监督管理，管理人员可通过每天的装车单对挖机和运输车的工作量进行统计结算，降低了管理运营成本，提高了整个矿山装车效率。
本文档来自技高网...【技术保护点】
1.一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，具体实现步骤如下：
2.如权利要求1所述的一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，根据每组电子标签信号的扫描时间长度、扫描的次数和平均信号强度计算装车时间段内每个电子标签的比分的具体方法为：
3.如权利要求2所述的一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，根据电子标签信号逐一判断电子标签是否满足最优标签条件的具体方法为：设定最优标签的条件电子标签信号的比分下限，通过逐一判断电子标签的比分是否高于最优标签的条件电子标签信号的比分下限，即可得到达到最优标签的条件的电子标签信号。
4.如权利要求3所述的一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，根据本次装运的运输车装载图片判断此次装车是否满载，通过机器视觉实现，具体实现方法为：建立运输车装载图片分类模型，输入样本输车装载图片进行训练，得到训练好的运输车装载图片分类模型，当获取到运输车装载图片时，将运输车装载图片送入训练好的运输车装载图片分类模型中，得到分类结果即可判断此次装车是否满载。>
5.如权利要求4所述的一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，还包括有如果达到最优标签的条件的电子标签信号的数量大于一，将挖机的累计装车次数加1，并对所有达到最优标签的条件的电子标签信号对应的运输车进行拍照，记录所有达到最优标签的条件的电子标签信号，达到最优标签的条件的电子标签信号对应运输车中第一个离开挖机的即为本次装运的运输车。
6.如权利要求5所述的一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，还包括有运输车离开挖机的判断方法为：
7.一种基于RFID和机器视觉的挖运匹配计量系统，所述系统应用于上述权利要求1-6任一项所述的一种基于RFID和机器视觉的挖运匹配计量方法，其特征在于，包括有：
...【技术特征摘要】
1.一种基于rfid和机器视觉的挖运匹配计量方法，其特征在于，具体实现步骤如下：
2.如权利要求1所述的一种基于rfid和机器视觉的挖运匹配计量方法，其特征在于，根据每组电子标签信号的扫描时间长度、扫描的次数和平均信号强度计算装车时间段内每个电子标签的比分的具体方法为：
3.如权利要求2所述的一种基于rfid和机器视觉的挖运匹配计量方法，其特征在于，根据电子标签信号逐一判断电子标签是否满足最优标签条件的具体方法为：设定最优标签的条件电子标签信号的比分下限，通过逐一判断电子标签的比分是否高于最优标签的条件电子标签信号的比分下限，即可得到达到最优标签的条件的电子标签信号。
4.如权利要求3所述的一种基于rfid和机器视觉的挖运匹配计量方法，其特征在于，根据本次装运的运输车装载图片判断此次装车是否满载，通过机器视觉实现，具体实现方法为：建立运输车装载图片分类模型，输入样本输车装载图片进行...
【专利技术属性】
技术研发人员：郭军，陈苏飞，吴建，
申请(专利权)人：湖南黑鲸数据科技有限公司，
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。