【技术实现步骤摘要】
本专利技术涉及一种基于视觉识别的计量插件系统及其应用方法，用于计量操作相关行业提高车牌抓拍的成功率。
技术介绍
1、传统的汽车衡无人计量车牌识别主要依靠摄像头完成，现有的海康等主流车牌识别模型在识别厂区自制车牌，以及夜晚、雨天等天气下识别率低，准确率不到85%。同时部分厂商的识别算法不支持自训练，对于重复出现的问题无法迭代造成准确率不高，对厂区车辆计量效率和物流效率造成影响。
技术实现思路
1、本专利技术的目的是针对现有技术存在的问题，提供一种基于视觉识别的计量插件系统及其应用方法，基于云边协同合作，利用云端的大算力资源提高模型训练效率和准确率，利用边缘计算实现实时的基于视觉识别的计量控制。
2、根据本专利技术说明书的一方面，提供一种基于视觉识别的计量插件系统，包括互连的边端和云端，其中，所述边端配置有ai边缘终端、图像采集系统和设备控制系统，所述ai边缘终端获取图像采集系统上传的实时图像数据，根据预置的视觉识别模型进行处理，输出实时计量控制数据至设备控制系统；所述云端配置有ai中台，用于对视觉识别模型进行训练并将训练好的模型下发至ai边缘终端，以及根据ai边缘终端上传的数据进行模型更新迭代。
3、上述技术方案通过云端ai中台的大数据和大算力资源配合来进行视觉识别模型训练，将计量控制流程准确固化到模型中，通过ai边缘终端进行边缘计算，利用其实时可靠的计算服务实现实时的计量控制，在车辆过磅时提供准确快速的车牌识别结果，从而基于云边协同合作，实现了高效、准确的基
4、进一步地，上述技术方案可在原有摄像头识别的基础上，结合新的边缘终端和ai大数据算法模型，不断优化和提升识别率，极大提高作业效率和准确率。
5、作为进一步的技术方案，所述ai边缘终端还配置有视频解码模块和视频编码模块，所述图像采集系统上传的实时图像数据，经由视频解码模块进行解码处理后，输入至视觉识别模型进行处理，处理结果经视频编码后输出。
6、上述技术方案先对图像采集系统上传的实时图像数据进行视频解码，得到可视的图像，以便于视觉识别模型进行图像识别；再对识别后的图像进行视频编码，以便于传输和存储。
7、作为进一步的技术方案，所述ai边缘终端还配置有推理实现模块，用于根据视觉识别模型进行视觉识别；运维工具模块，用于根据视觉识别结果下发实时控制数据给设备控制系统；资产管理模块，用于存储图像及计量数据。
8、上述技术方案将训练好的视觉识别模块预置于ai边缘终端，可便于实时的边缘计算，在接收到图像数据时，快速识别出正确的结果，并在图像识别正确时，直接控制运维工具模块下发控制数据，实现计量现场的快速识别和计量控制。
9、作为进一步的技术方案，所述ai边缘终端还配置有传输模块，用于在视觉识别前，将图像采集系统采集的图像上传至ai中台进行模型训练，并在视觉识别时将未识别出的图像或识别正确率低于预设值的图像以及对应的计量数据上传至ai中台，以及接收ai中台下发的模型数据。
10、进一步地，在未识别出图像或图像识别正确率低于预设值时，可触发报警指令提醒人工启动计量系统进行计量，并记录下计量数据。
11、上述技术方案将未识别到的图像或者识别正确率较低的图像进行筛选保存，并定期或实时上传给ai中台，以便于ai中台进行视觉识别模型的更新迭代，从而使得模型识别准确率稳定提升。
12、作为进一步的技术方案，所述ai中台配置有模型引擎模块，用于根据ai边缘终端上传的图像数据以及计量控制数据进行模型训练，使得训练后的模型在视觉识别正确时输出计量控制数据，在视觉识别失败时上传图像数据，并将训练好的视觉识别模型下发给ai边缘终端，以及根据ai边缘终端上传的识别错误图像进行模型更新迭代。
13、上述技术方案将图像识别和计量控制关联起来，利用图像识别的结果控制设备运行，在图像识别正确时，下发指令控制计量系统开始计量，自动完成车牌识别到计量控制的整个过程，提高了作业效率。
14、进一步地，在图像识别不正确时，可下发报警指令提醒人工打开计量系统开始计量，同时保存和/上传当前的车牌图像及对应的人工计量结果。
15、进一步地，在检测到车辆驶入但未识别到车牌时，可下发报警指令提醒人工识别车牌并启动计量系统开始计量，同时保存和/或上传当前的车牌及对应的人工计量结果。
16、根据本专利技术说明书的一方面，提供一种基于视觉识别的计量插件系统的应用方法，包括：
17、获取实时图像数据；
18、将获取的实时图像数据输入预先构建的视觉识别模型，输出实时控制数据；
19、其中，所述视觉识别模型的预先构建，进一步包括：
20、获取待识别的图像数据及计量控制数据；
21、基于深度学习模型，对获取的数据进行训练，使得训练后的模型在视觉识别正确时输出计量控制数据，在视觉识别失败时上传图像数据。
22、上述技术方案基于深度学习构建视觉识别模型，并将识别结果与计量控制关联起来，通过正确的识别结果自动启动计量过程，并记录计量数据，提高了司磅作业准确率，降低了人工干预成本。
23、作为进一步的技术方案，在获取实时图像数据后，还包括：对获取的实时图像数据进行视频解码，并将解码后的图像数据输入视觉识别模型。
24、作为进一步的技术方案，在模型输出实时控制数据的同时，还包括：对解码的实时图像数据重新进行视频编码，并输出显示。
25、作为进一步的技术方案，在视觉识别模型未识别到图像或识别正确率低于预设值时，还包括：保存当前图像及对应的计量数据，并按照预设的周期上传至ai中台。
26、上述技术方案将未达到要求的车牌图像及对应计量数据进行定期上传，以便于ai中台进行视觉识别模型的更新迭代，从而不断优化和提升识别率。
27、与现有技术相比，本专利技术的有益效果是：
28、本专利技术通过云端ai中台的大数据和大算力资源配合来进行视觉识别模型训练，将计量控制流程准确固化到模型中，通过ai边缘终端进行边缘计算，利用其实时可靠的计算服务实现实时的计量控制，在车辆过磅时提供准确快速的车牌识别结果，从而基于云边协同合作，实现了高效、准确的基于视觉识别的计量控制。
29、本专利技术可在原有摄像头识别的基础上，结合新的边缘终端和ai大数据算法模型，不断优化和提升识别率，极大提高作业效率和准确率。
本文档来自技高网...【技术保护点】
1.一种基于视觉识别的计量插件系统，其特征在于，包括互连的边端和云端，其中，所述边端配置有AI边缘终端、图像采集系统和设备控制系统，所述AI边缘终端获取图像采集系统上传的实时图像数据，根据预置的视觉识别模型进行处理，输出实时计量控制数据至设备控制系统；所述云端配置有AI中台，用于对视觉识别模型进行训练并将训练好的模型下发至AI边缘终端，以及根据AI边缘终端上传的数据进行模型更新迭代。
2.根据权利要求1所述一种基于视觉识别的计量插件系统，其特征在于，所述AI边缘终端还配置有视频解码模块和视频编码模块，所述图像采集系统上传的实时图像数据，经由视频解码模块进行解码处理后，输入至视觉识别模型进行处理，处理结果经视频编码后输出。
3.根据权利要求2所述一种基于视觉识别的计量插件系统，其特征在于，所述AI边缘终端还配置有推理实现模块，用于根据视觉识别模型进行视觉识别；运维工具模块，用于根据视觉识别结果下发实时控制数据给设备控制系统；资产管理模块，用于存储图像及计量数据。
4.根据权利要求3所述一种基于视觉识别的计量插件系统，其特征在于，所述AI边缘终端还
5.根据权利要求1所述一种基于视觉识别的计量插件系统，其特征在于，所述AI中台配置有模型引擎模块，用于根据AI边缘终端上传的图像数据以及计量控制数据进行模型训练，使得训练后的模型在视觉识别正确时输出计量控制数据，在视觉识别失败时上传图像数据，并将训练好的视觉识别模型下发给AI边缘终端，以及根据AI边缘终端上传的识别错误图像进行模型更新迭代。
6.一种基于视觉识别的计量插件系统的应用方法，其特征在于，包括：
7.根据权利要求6所述一种基于视觉识别的计量插件系统的应用方法，其特征在于，在获取实时图像数据后，还包括：对获取的实时图像数据进行视频解码，并将解码后的图像数据输入视觉识别模型。
8.根据权利要求7所述一种基于视觉识别的计量插件系统的应用方法，其特征在于，在模型输出实时控制数据的同时，还包括：对解码的实时图像数据重新进行视频编码，并输出显示。
9.根据权利要求6所述一种基于视觉识别的计量插件系统的应用方法，其特征在于，在视觉识别模型未识别到图像或识别正确率低于预设值时，还包括：保存当前图像及对应的计量数据，并按照预设的周期上传至AI中台。
...【技术特征摘要】
1.一种基于视觉识别的计量插件系统，其特征在于，包括互连的边端和云端，其中，所述边端配置有ai边缘终端、图像采集系统和设备控制系统，所述ai边缘终端获取图像采集系统上传的实时图像数据，根据预置的视觉识别模型进行处理，输出实时计量控制数据至设备控制系统；所述云端配置有ai中台，用于对视觉识别模型进行训练并将训练好的模型下发至ai边缘终端，以及根据ai边缘终端上传的数据进行模型更新迭代。
2.根据权利要求1所述一种基于视觉识别的计量插件系统，其特征在于，所述ai边缘终端还配置有视频解码模块和视频编码模块，所述图像采集系统上传的实时图像数据，经由视频解码模块进行解码处理后，输入至视觉识别模型进行处理，处理结果经视频编码后输出。
3.根据权利要求2所述一种基于视觉识别的计量插件系统，其特征在于，所述ai边缘终端还配置有推理实现模块，用于根据视觉识别模型进行视觉识别；运维工具模块，用于根据视觉识别结果下发实时控制数据给设备控制系统；资产管理模块，用于存储图像及计量数据。
4.根据权利要求3所述一种基于视觉识别的计量插件系统，其特征在于，所述ai边缘终端还配置有传输模块，用于在视觉识别前，将图像采集系统采集的图像上传至ai中台进行模型训练，并在视觉识别时将未识别出的图像...
【专利技术属性】
技术研发人员：杨超，熊伟，朱凯，
申请(专利权)人：宝武集团鄂城钢铁有限公司，
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。