CN111145556A - 黑烟车车牌识别方法、系统、设备和可读存储介质 - Google Patents
黑烟车车牌识别方法、系统、设备和可读存储介质 Download PDFInfo
- Publication number
- CN111145556A CN111145556A CN201911341411.6A CN201911341411A CN111145556A CN 111145556 A CN111145556 A CN 111145556A CN 201911341411 A CN201911341411 A CN 201911341411A CN 111145556 A CN111145556 A CN 111145556A
- Authority
- CN
- China
- Prior art keywords
- smoke
- vehicle
- motor vehicle
- emission
- license plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000779 smoke Substances 0.000 title claims abstract description 245
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000862 absorption spectrum Methods 0.000 claims description 45
- 238000010521 absorption reaction Methods 0.000 claims description 34
- 238000001228 spectrum Methods 0.000 claims description 30
- 230000003287 optical effect Effects 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 10
- 239000002245 particle Substances 0.000 claims description 10
- 239000004065 semiconductor Substances 0.000 claims description 10
- 230000008033 biological extinction Effects 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 7
- 235000019504 cigarettes Nutrition 0.000 claims 3
- 238000001514 detection method Methods 0.000 abstract description 14
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 238000012423 maintenance Methods 0.000 abstract description 8
- 238000012360 testing method Methods 0.000 abstract description 8
- 239000007789 gas Substances 0.000 description 170
- 230000009102 absorption Effects 0.000 description 32
- 230000003595 spectral effect Effects 0.000 description 12
- 238000004847 absorption spectroscopy Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000003344 environmental pollutant Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 231100000719 pollutant Toxicity 0.000 description 5
- 238000001658 differential optical absorption spectrophotometry Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000041 tunable diode laser absorption spectroscopy Methods 0.000 description 4
- 229910052724 xenon Inorganic materials 0.000 description 4
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000001285 laser absorption spectroscopy Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Abstract
本发明公开了一种黑烟车车牌识别方法、系统、设备和可读存储介质，该黑烟车车牌识别方法包括以下步骤：采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值；将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；抓拍识别的黑烟车的车辆行驶视频；对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。本发明公开的黑烟车车牌识别方法、系统、设备和可读存储介质，可准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
Description
技术领域
本发明涉及机动车尾气处理领域，尤其公开了一种黑烟车车牌识别方法、系统、设备和可读存储介质。
背景技术
近年来，随着经济的快速发展和城镇现代化进程的不断推进，机动车保有量剧增。急剧增多的机动车在为人民群众带来方便的同时，也加重了环境污染。据报道，随着机动车保有量快速增加，我国部分城市空气开始呈现出煤烟和机动车尾气复合污染的特点，直接影响群众健康。近几年来，京津冀地区空气质量总体改善，但二氧化氮平均浓度下降幅度远低于其他污染物。重污染天气期间，硝酸盐是PM2.5组分中占比最大且上升最快的组分。北京、天津、上海等15个城市大气PM2.5源解析工作结果显示，本地排放源中移动源对PM2.5浓度的贡献范围为13.5％至52.1％。机动车是机动车大气污染排放的主要贡献者，其排放的CO和HC超过80％，NOX和PM超过90％。按车型分类，货车排放的NOX和PM明显高于客车，其中重型货车是主要贡献者；客车CO和HC排放量明显高于货车。按燃料分类，柴油车排放的NOX接近机动车排放总量的70％，PM超过90％；汽油车CO和HC排放量较高，CO超过机动车排放总量的80％，HC超过70％。占机动车保有量7.8％的柴油货车，排放了57.3％的NOX和77.8％的PM，是机动车污染防治的重中之重。
为了有效降低机动车排放对环境空气质量的污染，发现并治理高排放的车辆，对于改善城市空气质量状况是非常必要的。因此，加强机动车尾气污染防治工作，尤其是强化机动车尾气排放监管工作，是防治此类污染的重要手段，机动车污染物排放遥感检测方法是机动车尾气排放监管的重要技术手段之一。然而，现有机动车污染物排放遥感检测方法中，对黑烟车的识别，只是通过拍照，通过图像进行识别。
因此，现有机动车污染物排放遥感检测方法中无法对黑烟车进行自动识别，是一件亟待解决的技术问题。
发明内容
本发明提供了一种黑烟车车牌识别方法、系统、设备和可读存储介质，旨在解决现有机动车污染物排放遥感检测方法中无法对黑烟车进行自动识别的技术问题。
根据本发明的一个方面，提供一种黑烟车车牌识别方法，该黑烟车车牌识别方法包括以下步骤：
采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值；
将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；
抓拍识别的黑烟车的车辆行驶视频；
对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。
进一步地，尾气排放因子包括CO、CO2、NO、HC和尾气不透光烟度，采集被测机动车的尾气排放信息，获取被测机动车的排放烟度值的步骤包括：
选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；
采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；
采用色散紫外差分吸收光谱装置对被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中尾气不透光烟度的排放烟度值。
进一步地，采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值的步骤包括：
采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；
对获取的连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；
采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。
进一步地，计算出的NO和HC的浓度，由以下关系式表述：
I(λ)＝I0(λ)exp{-L[σi(λ)Ci+ε(λ)]}
式中，I0(λ)为入射光在波长λ处相对强度；I(λ)为出射光在波长λ处相对强度；L为光程；Ci为第i种气体浓度；σi(λ)为第i种气体的吸收系数；ε(λ)为粒子散射因素导致的消光系数。
根据本发明的另一方面，还提供一种黑烟车车牌识别系统，该黑烟车车牌识别系统包括：
获取模块，用于采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值；
比较模块，用于将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；
抓拍模块，用于抓拍识别的黑烟车的车辆行驶视频；
图像处理模块，用于对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。
进一步地，尾气排放因子包括CO、CO2、NO、HC和尾气不透光烟度，获取模块包括：
第一获取单元，用于选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；
第二获取单元，用于采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；
第三获取单元，用于采用色散紫外差分吸收光谱装置对被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中尾气不透光烟度的排放烟度值。
进一步地，第二获取单元包括：
获取子单元，用于采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；
识别子单元，用于对获取的连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；
计算子单元，用于采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。
进一步地，计算出的NO和HC的浓度，由以下关系式表述：
I(λ)＝I0(λ)exp{-L[σi(λ)Ci+ε(λ)]}
式中，I0(λ)为入射光在波长λ处相对强度；I(λ)为出射光在波长λ处相对强度；L为光程；Ci为第i种气体浓度；σi(λ)为第i种气体的吸收系数；ε(λ)为粒子散射因素导致的消光系数。
此外，本发明还提供一种计算机设备，包括存储器和处理器，存储器存储有黑烟车车牌识别程序，处理器执行黑烟车车牌识别程序时实现上述的黑烟车车牌识别方法的步骤。
此外，本发明还提供一种计算机可读存储介质，其上存储有黑烟车车牌识别程序，黑烟车车牌识别程序被处理器执行时实现上述的黑烟车车牌识别方法的步骤。
本发明所取得的有益效果为：
本发明公开的黑烟车车牌识别方法、系统、设备和可读存储介质，通过采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值；将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；抓拍识别的黑烟车的车辆行驶视频；对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。本发明公开的黑烟车车牌识别方法、系统、设备和可读存储介质，可准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
附图说明
图1为本发明黑烟车车牌识别方法一实施例的流程示意图；
图2为图1中采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值的步骤一实施例的细化流程示意图；
图3为图2中采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值的步骤一实施例的细化流程示意图；
图4为本发明黑烟车车牌识别系统一实施例的功能模块框图；
图5为图4中获取模块一实施例的功能模块连接示意图；
图6为图5中第二获取单元一实施例的功能模块连接示意图。
附图标号说明：
10、获取模块；20、比较模块；30、抓拍模块；40、图像处理模块；11、第一获取单元；12、第二获取单元；13、第三获取单元；121、获取子单元；122、识别子单元；123、计算子单元。
具体实施方案
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
如图1所示，图1为本发明黑烟车车牌识别方法第一实施例的流程示意图，在第一实施例中，该黑烟车车牌识别方法包括以下步骤：
步骤S100、采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值。
运用汽车尾气排放检测仪采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值。其中，尾气排放因子包括尾气不透光烟度，排放烟度值为定容量排气所透过的滤纸的染黑度数值。
步骤S200、将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车。
对道路行驶车辆的尾部特征进行模式识别，提取车辆尾气特征，进行特征比对，判断车辆的排放烟度阈值，对冒黑烟车辆进行标记，将获取的被测机动车的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，若被测机动车的排放烟度值大于排放烟度阈值，则判定被测机动车为黑烟车。
步骤S300、抓拍识别的黑烟车的车辆行驶视频。
利用车辆识别装置，对行驶中的黑烟车进行非接触式监控，采用抓拍方式获取黑烟车在道路行驶中的车辆行驶视频。
步骤S400、对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。
对抓拍的黑烟车的车辆视频进行图像处理，利用图像识别处理算法，获取黑烟车的车牌信息，并计算林格曼黑度等级，后上传到机动车尾气遥感检测系统管理平台，为车辆冒黑烟的污染行为提供相关处罚依据。
本实施例公开的黑烟车车牌识别方法，通过采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值；将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；抓拍识别的黑烟车的车辆行驶视频；对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。本实施例公开的黑烟车车牌识别方法，可准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
优选地，请见图2，本实施例公开的黑烟车车牌识别方法，步骤S100包括：
步骤S110、选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值。
采用TDLAS(Tunable Diode LaserAbsorption Spectroscopy，可调谐半导体激光吸收光谱)技术，利用激光波长的可调谐性，选用近红外波段的可调谐半导体激光吸收光谱装置对被测机动车尾气中的CO和CO2进行遥测，获取被测机动车尾气中CO和CO2的连续光谱及排放烟度值。
步骤S120、采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值。
利用UV-DOAS(紫外差分光谱)技术，同种气体在不同光谱波段有不同的吸收，不同气体在同一光谱波段的吸收叠加作用，采用以氙灯作为光源的紫外差分吸收光谱装置对被测机动车尾气中的NO和HC进行遥测，获取被测机动车尾气中的NO、HC的连续光谱及排放烟度值。
步骤S130、采用色散紫外差分吸收光谱装置对被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中CO、CO2、NO、HC、尾气不透光烟度的排放烟度值。
运用DUV(色散紫外差分吸收光谱)技术，光被吸收和散射后强度衰减，采用色散紫外差分吸收光谱装置对被测机动车尾气中的尾气不透光烟度进行遥测，获取被测机动车尾气中CO、CO2、NO、HC、尾气不透光烟度的连续光谱及排放烟度值。
本实施例公开的黑烟车车牌识别方法，通过选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；采用色散紫外差分吸收光谱装置对被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中CO、CO2、NO、HC、尾气不透光烟度的排放烟度值。本实施例公开的黑烟车车牌识别方法，通过三种不同的装置来对尾气中的不同气体进行遥测，可准确获取被测机动车排放尾气中的尾气排放因子的排放烟度值，从而准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
进一步地，请见图3，本实施例公开的黑烟车车牌识别方法，步骤S120包括：
步骤S121、采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱。
利用UV-DOAS技术，同种气体在不同光谱波段有不同的吸收，不同气体在同一光谱波段的吸收叠加作用，采用以氙灯作为光源的紫外差分吸收光谱装置对被测机动车尾气中的NO和HC进行遥测，获取被测机动车尾气中的NO和HC的连续光谱。
步骤S122、对获取的连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC。
采用同种气体在不同光谱波段有不同的吸收，不同气体在同一光谱波段的吸收重叠作用，通过对获取的连续光谱的分析，识别出被测机动车尾气中的NO和HC，同时测量多种气体。
步骤S123、采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。
采用差分光学吸收光谱算法其对识别出的NO和HC的连续光谱数据进行处理，计算出被测机动车尾气中NO和HC的浓度，得到排放烟度值。
其中，计算出的NO和HC的浓度，由以下关系式表述：
I(λ)＝I0(λ)exp{-L[σi(λ)Ci+ε(λ)]} (1)
公式(1)中，I0(λ)为入射光在波长λ处相对强度；I(λ)为出射光在波长λ处相对强度；L为光程；Ci为第i种气体浓度；σi(λ)为第i种气体的吸收系数；ε(λ)为粒子散射因素导致的消光系数。
由公式(1)可知，普通的算法根本无法区分光衰减是气体吸收引起的还是粒子散射等非吸收引起的，而差分吸收算法是将气体的吸收分解为两部分：
σi(λ)＝σir(λ)+σis(λ) (2)
公式(2)中，σir(λ)是第i种气体随波长较快变化部分的吸收系数，σis(λ)是第i种气体随波长较慢变化部分的吸收系数。
由公式(2)可知，σir(λ)是随波长快速变化的部分(即高频部分)，σis(λ)是随波长缓慢变化的部分(即低频部分)，而粒子散射等因素导致的消光作用都是随波长缓慢变化的。显然，吸收中随波长快速变化的部分只与气体吸收有关，对其进行相应的算值便可得到相关气体的浓度。
本实施例公开的黑烟车车牌识别方法，采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；获取的连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。本实施例公开的黑烟车车牌识别方法，采用差分光学吸收光谱算法对识别出的NO和HC进行计算，获得被测机动车排放尾气中的NO和HC的排放烟度值，可准确获取被测机动车排放尾气中的尾气排放因子的排放烟度值，从而准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
如图4所示，本发明还提供一种黑烟车车牌识别系统，图4为本发明黑烟车车牌识别系统第一实施例的功能模块框图，在本实施例中，黑烟车车牌识别系统包括获取模块10、比较模块20、抓拍模块30和图像处理模块40，其中，获取模块10，用于采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值；比较模块20，用于将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；抓拍模块30，用于抓拍识别的黑烟车的车辆行驶视频；图像处理模块40，用于对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。
获取模块10运用汽车尾气排放检测仪采集在道路行驶中的被测机动车的尾气排放因子，获取被测机动车的排放烟度值。其中，尾气排放因子包括CO、CO2、NO、HC和尾气不透光烟度，排放烟度值为定容量排气所透过的滤纸的染黑度数值。
比较模块20对道路行驶车辆的尾部特征进行模式识别，提取车辆尾气特征，进行特征比对，判断车辆的排放烟度阈值，对冒黑烟车辆进行标记，将获取的被测机动车的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，若被测机动车的排放烟度值大于排放烟度阈值，则判定被测机动车为黑烟车。
抓拍模块30利用车辆识别装置，对行驶中的黑烟车进行非接触式监控，采用抓拍方式获取黑烟车在道路行驶中的车辆行驶视频。
图像处理模块40对抓拍的黑烟车的车辆视频进行图像处理，利用图像识别处理算法，获取黑烟车的车牌信息，并计算林格曼黑度等级，后上传到机动车尾气遥感检测系统管理平台，为车辆冒黑烟的污染行为提供相关处罚依据。
本实施例公开的黑烟车车牌识别系统，采用获取模块、比较模块、抓拍模块和图像处理模块，通过采集在道路行驶中的被测机动车的尾气排放因子，通过获取模块获取被测机动车的排放烟度值；比较模块将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；抓拍模块抓拍识别的黑烟车的车辆行驶视频；图像处理模块对抓拍的车辆视频进行图像处理，获取黑烟车的车牌信息。本实施例公开的黑烟车车牌识别系统，可准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
优选地，请见图5，图5为图4中获取模块一实施例的功能模块连接示意图，在本实施例中，尾气排放因子包括CO、CO2、NO、HC和尾气不透光烟度，获取模块10包括第一获取单元11、第二获取单元12和第三获取单元13，其中，第一获取单元11，用于选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；第二获取单元12，用于采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；第三获取单元13，用于采用色散紫外差分吸收光谱装置对被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中尾气不透光烟度的排放烟度值。
第一获取单元11采用TDLAS(Tunable Diode LaserAbsorption Spectroscopy，可调谐半导体激光吸收光谱)技术，利用激光波长的可调谐性，选用近红外波段的可调谐半导体激光吸收光谱装置对被测机动车尾气中的CO和CO2进行遥测，获取被测机动车尾气中CO和CO2的连续光谱及排放烟度值。
第二获取单元12利用UV-DOAS(紫外差分光谱)技术，同种气体在不同光谱波段有不同的吸收，不同气体在同一光谱波段的吸收叠加作用，采用以氙灯作为光源的紫外差分吸收光谱装置对被测机动车尾气中的NO和HC进行遥测，获取被测机动车尾气中的NO、HC的连续光谱及排放烟度值。
第三获取单元13运用DUV(色散紫外差分吸收光谱)技术，光被吸收和散射后强度衰减，采用色散紫外差分吸收光谱装置对被测机动车尾气中的尾气不透光烟度进行遥测，获取被测机动车尾气中CO、CO2、NO、HC、尾气不透光烟度的连续光谱及排放烟度值。
本实施例公开的黑烟车车牌识别系统，获取模块采用第一获取单元、第二获取单元和第三获取单元，第一获取单元通过选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；第二获取单元采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；第三获取单元采用色散紫外差分吸收光谱装置对被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中CO、CO2、NO、HC、尾气不透光烟度的排放烟度值。本实施例公开的黑烟车车牌识别系统，通过三种不同的装置来对尾气中的不同气体进行遥测，可准确获取被测机动车排放尾气中的尾气排放因子的排放烟度值，从而准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
参见图6，图6为图5中第二获取单元一实施例的功能模块连接示意图，在本实施例中，第二获取单元12包括获取子单元121、识别子单元122和计算子单元123，其中，获取子单元121，用于采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；识别子单元122，用于对获取的连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；计算子单元123，用于采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。
获取子单元121利用UV-DOAS技术，同种气体在不同光谱波段有不同的吸收，不同气体在同一光谱波段的吸收叠加作用，采用以氙灯作为光源的紫外差分吸收光谱装置对被测机动车尾气中的NO和HC进行遥测，获取被测机动车尾气中的NO和HC的连续光谱。
识别子单元122采用同种气体在不同光谱波段有不同的吸收，不同气体在同一光谱波段的吸收重叠作用，通过对获取的连续光谱的分析，识别出被测机动车尾气中的NO和HC，同时测量多种气体。
计算子单元123采用差分光学吸收光谱算法其对识别出的NO和HC的连续光谱数据进行处理，计算出被测机动车尾气中NO和HC的浓度，得到排放烟度值。
其中，计算出的NO和HC的浓度，由以下关系式表述：
I(λ)＝I0(λ)exp{-L[σi(λ)Ci+ε(λ)]} (3)
公式(3)中，I0(λ)为入射光在波长λ处相对强度；I(λ)为出射光在波长λ处相对强度；L为光程；Ci为第i种气体浓度；σi(λ)为第i种气体的吸收系数；ε(λ)为粒子散射因素导致的消光系数。
由公式(3)可知，普通的算法根本无法区分光衰减是气体吸收引起的还是粒子散射等非吸收引起的，而差分吸收算法是将气体的吸收分解为两部分：
σi(λ)＝σir(λ)+σis(λ) (2)
公式(4)中，σir(λ)是第i种气体随波长较快变化部分的吸收系数，σis(λ)是第i种气体随波长较慢变化部分的吸收系数。
由公式(4)可知，σir(λ)是随波长快速变化的部分(即高频部分)，σis(λ)是随波长缓慢变化的部分(即低频部分)，而粒子散射等因素导致的消光作用都是随波长缓慢变化的。显然，吸收中随波长快速变化的部分只与气体吸收有关，对其进行相应的算值便可得到相关气体的浓度。
本实施例公开的黑烟车车牌识别系统，第二获取单元采用获取子单元、识别子单元和计算子单元，获取子单元采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；识别子单元对获取的连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；计算子单元采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。本实施例公开的黑烟车车牌识别系统，采用差分光学吸收光谱算法对识别出的NO和HC进行计算，获得被测机动车排放尾气中的NO和HC的排放烟度值，可准确获取被测机动车排放尾气中的尾气排放因子的排放烟度值，从而准确识别出黑烟车的车牌；检测范围广，测试速度快；监测精度高，常规维护费用低。
此外，本发明还提供一种计算机设备，包括存储器和处理器，存储器存储有黑烟车车牌识别程序，处理器执行黑烟车车牌识别程序时实现上述的黑烟车车牌识别方法的步骤。
其中，激光光谱控制程序被执行时所实现的方法可参照本发明黑烟车车牌识别方法各个实施例，此处不再赘述。
此外，本发明还提供一种计算机可读存储介质，其上存储有黑烟车车牌识别程序，黑烟车车牌识别程序被处理器执行时实现上述的黑烟车车牌识别方法的步骤。
其中，激光光谱控制程序被执行时所实现的方法可参照本发明黑烟车车牌识别方法各个实施例，此处不再赘述。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种黑烟车车牌识别方法，其特征在于，所述黑烟车车牌识别方法包括以下步骤：
采集在道路行驶中的被测机动车的尾气排放因子，获取所述被测机动车的排放烟度值；
将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；
抓拍识别的所述黑烟车的车辆行驶视频；
对抓拍的所述车辆视频进行图像处理，获取所述黑烟车的车牌信息。
2.如权利要求1所述的黑烟车车牌识别方法，其特征在于，
所述尾气排放因子包括CO、CO2、NO、HC和尾气不透光烟度，采集在道路行驶中的被测机动车的尾气排放因子，获取所述被测机动车的排放烟度值的步骤包括：
选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；
采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；
采用色散紫外差分吸收光谱装置对所述被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中尾气不透光烟度的排放烟度值。
3.如权利要求2所述的黑烟车车牌识别方法，其特征在于，
所述采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值的步骤包括：
采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；
对获取的所述连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；
采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。
4.如权利要求3所述的黑烟车车牌识别方法，其特征在于，
计算出的NO和HC的浓度，由以下关系式表述：
I(λ)＝I0(λ)exp{-L[σi(λ)Ci+ε(λ)]}
式中，I0(λ)为入射光在波长λ处相对强度；I(λ)为出射光在波长λ处相对强度；L为光程；Ci为第i种气体浓度；σi(λ)为第i种气体的吸收系数；ε(λ)为粒子散射因素导致的消光系数。
5.一种黑烟车车牌识别系统，其特征在于，所述黑烟车车牌识别系统包括：
获取模块(10)，用于采集在道路行驶中的被测机动车的尾气排放因子，获取所述被测机动车的排放烟度值；
比较模块(20)，用于将获取的排放烟度值与预设在排放烟度数据库中的排放烟度阈值进行比较，识别黑烟车；
抓拍模块(30)，用于抓拍识别的所述黑烟车车辆的行驶视频；
图像处理模块(40)，用于对抓拍的所述车辆视频进行图像处理，获取所述黑烟车的车牌信息。
6.如权利要求5所述的黑烟车车牌识别系统，其特征在于，
所述尾气排放因子包括CO、CO2、NO、HC和尾气不透光烟度，所述获取模块(10)包括：
第一获取单元(11)，用于选用可调谐半导体激光吸收光谱装置对被测机动车排放尾气中的CO和CO2进行遥测，获取被测机动车排放尾气中的CO和CO2的排放烟度值；
第二获取单元(12)，用于采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中的NO和HC的排放烟度值；
第三获取单元(13)，用于采用色散紫外差分吸收光谱装置对所述被测机动车排放尾气中的尾气不透光烟度进行遥测，获取被测机动车排放尾气中尾气不透光烟度的排放烟度值。
7.如权利要求6所述的黑烟车车牌识别系统，其特征在于，
所述第二获取单元(12)包括：
获取子单元(121)，用于采用紫外差分吸收光谱装置对被测机动车排放尾气中的NO和HC进行遥测，获取被测机动车排放尾气中NO和HC的连续光谱；
识别子单元(122)，用于对获取的所述连续光谱进行识别，识别出被测机动车排放尾气中的NO和HC；
计算子单元(123)，用于采用差分光学吸收光谱算法对识别出的NO和HC进行计算，计算出被测机动车尾气中NO和HC的浓度，获得被测机动车排放尾气中的NO和HC的排放烟度值。
8.如权利要求7所述的黑烟车车牌识别系统，其特征在于，
计算出的NO和HC的浓度，由以下关系式表述：
I(λ)＝I0(λ)exp{-L[σi(λ)Ci+ε(λ)]}
式中，I0(λ)为入射光在波长λ处相对强度；I(λ)为出射光在波长λ处相对强度；L为光程；Ci为第i种气体浓度；σi(λ)为第i种气体的吸收系数；ε(λ)为粒子散射因素导致的消光系数。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有黑烟车车牌识别程序，其特征在于，所述处理器执行所述黑烟车车牌识别程序时实现权利要求1至4中任一项所述的黑烟车车牌识别方法的步骤。
10.一种计算机可读存储介质，其上存储有黑烟车车牌识别程序，其特征在于，所述黑烟车车牌识别程序被处理器执行时实现如权利要求1至4中任一项所述的黑烟车车牌识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911341411.6A CN111145556A (zh) | 2019-12-24 | 2019-12-24 | 黑烟车车牌识别方法、系统、设备和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911341411.6A CN111145556A (zh) | 2019-12-24 | 2019-12-24 | 黑烟车车牌识别方法、系统、设备和可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111145556A true CN111145556A (zh) | 2020-05-12 |
Family
ID=70519463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911341411.6A Pending CN111145556A (zh) | 2019-12-24 | 2019-12-24 | 黑烟车车牌识别方法、系统、设备和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111145556A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862621A (zh) * | 2020-07-21 | 2020-10-30 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍系统 |
| CN112289022A (zh) * | 2020-09-29 | 2021-01-29 | 西安电子科技大学 | 基于时空背景比对的黑烟车检测判定及系统 |
| CN115825215A (zh) * | 2022-10-18 | 2023-03-21 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、系统、介质及平台 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
| CN204439537U (zh) * | 2014-12-31 | 2015-07-01 | 重庆川仪自动化股份有限公司 | 基于紫外差分算法的气体分析仪测量装置 |
| CN106383097A (zh) * | 2016-11-16 | 2017-02-08 | 浙江多普勒环保科技有限公司 | 基于可调谐激光器的机动车尾气遥感检测系统及方法 |
| CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
| CN107478590A (zh) * | 2017-08-08 | 2017-12-15 | 南京新远见智能科技有限公司 | 一种结合机动车智能视觉识别与尾气遥感检测的方法 |
| CN207396336U (zh) * | 2017-11-08 | 2018-05-22 | 河南省赛斯电子科技有限公司 | 光程检测机动车尾气装置 |
| CN108362664A (zh) * | 2018-03-30 | 2018-08-03 | 华电智控（北京）技术有限公司 | 机动车尾气遥测设备及系统 |
| CN208060384U (zh) * | 2018-04-08 | 2018-11-06 | 华电智控（北京）技术有限公司 | 一种多光程机动车尾气遥测系统和装置 |
| CN109406435A (zh) * | 2018-12-14 | 2019-03-01 | 安徽皖仪科技股份有限公司 | 烟气连续在线监测系统 |
| CN109781648A (zh) * | 2017-11-15 | 2019-05-21 | 朱德麒 | 一种机动车尾气遥感检测系统 |
-
2019
- 2019-12-24 CN CN201911341411.6A patent/CN111145556A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101726466A (zh) * | 2009-12-01 | 2010-06-09 | 康宇 | 多车道机动车尾气遥测装置 |
| CN204439537U (zh) * | 2014-12-31 | 2015-07-01 | 重庆川仪自动化股份有限公司 | 基于紫外差分算法的气体分析仪测量装置 |
| CN106383097A (zh) * | 2016-11-16 | 2017-02-08 | 浙江多普勒环保科技有限公司 | 基于可调谐激光器的机动车尾气遥感检测系统及方法 |
| CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
| CN107478590A (zh) * | 2017-08-08 | 2017-12-15 | 南京新远见智能科技有限公司 | 一种结合机动车智能视觉识别与尾气遥感检测的方法 |
| CN207396336U (zh) * | 2017-11-08 | 2018-05-22 | 河南省赛斯电子科技有限公司 | 光程检测机动车尾气装置 |
| CN109781648A (zh) * | 2017-11-15 | 2019-05-21 | 朱德麒 | 一种机动车尾气遥感检测系统 |
| CN108362664A (zh) * | 2018-03-30 | 2018-08-03 | 华电智控（北京）技术有限公司 | 机动车尾气遥测设备及系统 |
| CN208060384U (zh) * | 2018-04-08 | 2018-11-06 | 华电智控（北京）技术有限公司 | 一种多光程机动车尾气遥测系统和装置 |
| CN109406435A (zh) * | 2018-12-14 | 2019-03-01 | 安徽皖仪科技股份有限公司 | 烟气连续在线监测系统 |
Non-Patent Citations (7)
| Title |
|---|
| CULSHAW B 等: "Fibre optic techniques for remote spectroscopic methane detection-From concept to system realisation", 《SENSORS & ACTUATORS》 * |
| 天津市圣威科技发展有限公司: "张家港市首次开展机动车尾气遥测检查", 《新浪博客》 * |
| 王铁栋 等: "基于可调谐半导体激光技术的机动车尾气中CO、CO2遥测", 《红外与激光工程》 * |
| 王铁栋 等: "机动车尾气遥测技术和应用研究", 《大气与环境光学学报》 * |
| 董凤忠 等: "机动车尾气的道边在线实时监测(上)", 《测试技术学报》 * |
| 赵金宝 等: "小型化汽车尾气遥测光学装置", 《中国仪器仪表》 * |
| 陈晴: "机动车尾气遥感监测系统研究与应用分析", 《天津职业院校联合学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111862621A (zh) * | 2020-07-21 | 2020-10-30 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍系统 |
| CN112289022A (zh) * | 2020-09-29 | 2021-01-29 | 西安电子科技大学 | 基于时空背景比对的黑烟车检测判定及系统 |
| CN112289022B (zh) * | 2020-09-29 | 2022-02-25 | 西安电子科技大学 | 基于时空背景比对的黑烟车检测判定方法及系统 |
| CN115825215A (zh) * | 2022-10-18 | 2023-03-21 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、系统、介质及平台 |
| CN115825215B (zh) * | 2022-10-18 | 2023-09-26 | 上海市环境科学研究院 | 实际道路机动车有机物排放快速定量方法、系统、介质及平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111145556A (zh) | 黑烟车车牌识别方法、系统、设备和可读存储介质 | |
| US10055906B1 (en) | System and method to detect emissions OBD false failures | |
| CN1141569C (zh) | 遥测废气的装置 | |
| CN112113912B (zh) | 一种柴油车排放遥感大数据监测系统及监测方法 | |
| Carslaw et al. | Recent evidence concerning higher NOx emissions from passenger cars and light duty vehicles | |
| Keskinen et al. | Can real-world diesel exhaust particle size distribution be reproduced in the laboratory? A critical review jorma keskinen | |
| CN110243762A (zh) | 机动车尾气遥测和监管系统及自学习高排污车辆判定算法 | |
| US8838396B2 (en) | Remote vehicle emissions sensing system and method for differentiating water from hydrocarbons | |
| US10337989B2 (en) | System and method to detect vehicle emissions noncompliance | |
| CN106781512A (zh) | 基于城市物联网的汽车尾气智能检测与监督系统及方法 | |
| CN106650287A (zh) | 一种基于mlp神经网络的机动车尾气排放因子估计方法 | |
| CN109238987B (zh) | 一种多光谱汽车尾气监测装置 | |
| Peitzmeier et al. | Real-world vehicle emissions as measured by in situ analysis of exhaust plumes | |
| CN108335490A (zh) | 一种手持式尾气黑烟智能识别视频监测系统及方法 | |
| CN106323886A (zh) | 一种基于电子环保卡的汽车尾气污染物监测方法和系统 | |
| CN111122479A (zh) | 垂直固定式机动车尾气监控系统 | |
| CN207636476U (zh) | 一种汽车尾气遥感检测系统 | |
| CN109409217A (zh) | 一种基于大数据的机动车排气遥感监测系统及方法 | |
| CN112394040A (zh) | 一种机动车排污监管系统及方法 | |
| CN110749561A (zh) | 移动式机动车尾气遥测系统 | |
| CN111122497A (zh) | 机动车监测方法、系统、设备和可读存储介质 | |
| KR101756791B1 (ko) | 오염물질 배출농도의 질량 환산 결과를 이용한 연비계산 방법 | |
| CN111145557A (zh) | 机动车类型的识别方法、系统、设备和可读存储介质 | |
| CN111122478A (zh) | 机动车尾气浓度检测系统、方法、设备和可读存储介质 | |
| CN112767665A (zh) | 一种车辆在线实时远程监测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
| RJ01 | Rejection of invention patent application after publication |