CN114693278A - 一种机动车检验监管智能化审核系统和方法 - Google Patents
一种机动车检验监管智能化审核系统和方法 Download PDFInfo
- Publication number
- CN114693278A CN114693278A CN202210486032.1A CN202210486032A CN114693278A CN 114693278 A CN114693278 A CN 114693278A CN 202210486032 A CN202210486032 A CN 202210486032A CN 114693278 A CN114693278 A CN 114693278A
- Authority
- CN
- China
- Prior art keywords
- auditing
- information
- positioning
- supervision
- vehicle
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种机动车检验监管智能化审核系统和方法,所述系统包括:服务端、客户端。所述服务端包括:人工智能识别服务器硬件、服务守护系统、图像数据定位与识别系统、文字定位与识别系统、信息储存系统。所述客户端包括:机动车检验监管审核工位、智能审核系统、一键审核系统、一键查询系统、红黄牌管理系统、车辆拉黑系统。所述方法:客户端将机动车检验监管人工审核车辆流程自动化,将审核车辆的图像数据以及基本信息发送到服务端,服务端将数据进行处理、定位、识别后将识别过程、识别结果、判定结论实时展现到客户端,客户端将根据判定结果和预设的检测预警模型自动执行是否通过,以此自动循环达到智能化审核代替人工审核。
Description
技术领域
本发明涉及机动车检验监管技术领域,具体涉及一种机动车检验监管智能化审核系统和方法。
背景技术
机动车检验监管工作是对机动车安全技术检验机构进行监督管理,主要是对检验的机动车上传的资料照片、外观照片、工位截图、检验视频进行人工审核,根据审核结果判定给予是否发放年检合格标志。2019年以来全国启用了统一版机动车检验监管审核系统,全国所有需要进行车辆检验的信息均上传此系统进行人工审核。随着检验车辆的逐渐增加,人工审核速度已经满足不了业务量增加,由于工作人员少、业务堆积、群众投诉案件增加,寻求一种智能化的自动审核系统和方法迫在眉睫,目前现存有的智能化审核系统对数据处理、定位、识别过程和识别结果仅存在于后端服务器,判定结果仅在机动车检验监管审核系统网页中对应照片标题下方显示“合格”与“不合格”字样,无法给予审核人员更一目了然的直接反馈,识别过程和识别结果有待考究,还需人工进行比对和点击,没有做到减轻人工审核的工作量,即使使用软件自动点击也无法做到速度的最大化,面对庞大的业务量也略显杯水车薪,达不到全流程无需人工干预的智能化自动审核。人工审核过程中需要对重点车辆和嫌疑车辆进行公告查询、原始信息查询、历史检验信息查询,繁琐的查询步骤增加了单笔审核业务的时间,缺少便捷的查询系统和方法。
发明内容
本发明提供了一种机动车检验监管智能化审核系统和方法,利用深度学习、人工智能结合硬件设备搭建服务器,形成一套完整的处理数据的机动车检验监管智能化审核系统,优化复杂环境任意尺寸图像数据定位与识别、文字数据定位与识别的精准度、正确率和效率,解决服务器高并发、毫秒级响应的问题,结合此系统采用识别过程与识别结果在审核过程中实时展现的方式,利用计算机程序依据服务器返回数据自动控制审核流程,实现机动车检验监管审核全流程智能化自动审核,开发的一键查询系统、车辆拉黑系统、红黄牌管理系统可辅助任意形式审核工作,解决机动车检验监管审核工作量大带来的一系列直接和间接的工作压力,高效、精确、快捷地代替人工审核,有效地减少审核业务的堆积,提高了群众满意度。
根据本申请的一个方面,提供了一种机动车检验监管智能化审核系统,包括:服务端、客户端,其中服务端用于接收数据,对数据进行储存、处理、定位、识别并返回处理后的图像数据、识别结果、待请求数据;客户端用于实时获取检验监管审核数据自动或人工发送至服务端,依据服务端返回数据进行自动判定或人工判定检验监管审核结果,并执行自动审核通过与否或人工审核通过与否。
所述服务端如图1包括:人工智能识别服务器硬件、服务器守护系统、图像数据定位与识别系统、文字定位与识别系统、信息储存系统。
所述客户端如图1包括:机动车检验监管审核工位、智能审核系统、一键审核系统、红黄牌管理系统、一键查询系统、车辆拉黑系统。
所述人工智能识别服务器硬件,经过技术配置的计算机,可运行服务端所包含的系统,具有对接收的数据进行储存、处理、定位、识别并返回数据功能的硬件载体。
所述服务器守护系统,服务守护系统可批量开启图像数据定位与识别系统、文字定位与识别系统,分配给开启的系统不同的通讯端口,对于客户端不同的数据请求类型进行平均分配转发,对系统产生的返回数据准确的返回给客户端,服务守护系统对已开启的图像数据定位与识别系统、文字定位与识别系统进行监控行为,发现系统所含功能工作不正常可重启该系统所含功能。
所述图像数据定位与识别系统,可对接收的图像数据进行编码转换、裁剪、旋转、压缩、灰度处理,调用定位模型对图像数据关键点进行定位并生成坐标数据,对定位出的图像数据信度进行排序,选取最高信度的图像数据依据对应的坐标数据裁剪生成定位图像,将定位图像返回于客户端中,对于客户端请求需要识别的,本系统调用识别模型对定位图像进行识别产生识别结果,将定位图像和识别结果返回于客户端中。
所述文字定位与识别系统,可对接收的图像数据进行编码转换、裁剪、旋转、压缩、灰度处理,调用定位识别模型对处理后的图像数据中的文字进行定位并生成坐标,对坐标内的文字进行识别生成识别结果,将定位出的文字坐标和识别结果返回于客户端中。
所述信息储存系统,可存储红黄牌管理信息、车辆拉黑信息、文件共享信息、可供客户端直接调用。
所述检验监管审核工位,可承载客户端并能够运行检验监管审核系统的计算机硬件设备,可具备具有语音输入语音输出设备。
所述智能审核系统,采用HTML DOM Document对象的网页填表操作,自动执行机动车检验监管审核系统登录、车辆抽取至车辆审核界面的获取,可以实时自动获取审核中车辆的文本数据和图像数据展现到本系统中,将图像数据进行编码转换、裁剪、旋转、压缩、灰度等预处理发送至服务端,实时将接收服务端返回图像数据和识别结果展现于本系统,通过服务端返回的数据和机动车检验监管审核系统中的车辆信息、资料照片信息、外观照片信息自动比对,结合智能审核系统中所设置的预警模型进行检查自动给出判定结果,并依据判定结果自动执行点击审核通过与不通过,然后继续自动抽取车辆审核,对机动车检验监管系统出现的网络故障、分配故障、本系统可自动执行重新登录,以此循环实现全流程智能化代替人工审核的效果。
所述一键审核系统,采用HTML DOM Document对象的网页填表操作,将机动车检验监管审核系统正常审核过程中操作随机抽取至审核通过与否多个操作步骤缩减到人工一键操作,进入审核界面时统自动获取机动车检验监管审核系统中的图像数据发送至服务端,根据服务端返回的识别结果与机动车检验监管审核系统中的车辆信息、资料照片信息、外观照片信息自动比对并给出判定,将判定结果以不同颜色高亮关键字的方式标记于机动车检验监管审核系统网页中对应的图像栏目标题,人工依据直接的视觉反馈进行操作一键审核通过与否,通过时采用调用审核网页的Java script函数,实现半自动智能审核效果。
所述红黄牌管理系统,对自动获取审核中车辆的基本信息,对检测单位违规操作信息以文本和图像数据方式上传到服务端,红黄牌管理系统可对检测单位违规数量进行日统计排名、月统计排名、年统计排名,并支持日、月、年查询违规详情和违规照片。
所述一键查询系统,机动车检验监管审核过程中无需登录其他系统设置条件查询,只需一键就可自动根据实时审核车辆信息调取出当前车辆的原始信息、历史检验信息以文字和图像数据直接展现到客户端。
所述车辆拉黑系统,机动车检验监管审核中对于不通过的原因进行拉黑上传,当下次审核时会以弹窗、颜色视觉、声音方式强烈提示审核人员。
根据本申请的一个方面,提供了一种机动车检验监管智能化审核方法,利用深度学习、人工智能识别将机动车检验监管全审核流程半自动化和全自动化,车辆原始信息、历史检验信息查询一键化,所述机动车检验监管智能化审核方法包括如下步骤:
(1)机动车检验监管审核流程自动化执行;
(2)审核车辆信息实时获取和息处理上传;
(3)上传信息的储存、处理、定位、识别与数据返回;
(4)依据返回数据信息执行审核通过与否。
所述步骤(1),机动车检验监管审核系统账号、密码、验证码自动填写登录,自动执行抽取审核车辆至进入审核界面,自动执行审核通过与否,自动检测审核车辆过程中审核系统所出现的网络故障,并重新执行流程,一键获取实时审核车辆的原始信息和历史检验信息。
所述步骤(2),采用多线程实时获取审核中的车辆文本信息和图像信息,采用多线程对图像信息进行重新编码、裁剪、压缩上传至服务端。
所述步骤(3),利用端口转发和分布式部署服务端所包含的系统,依据客户端不同类型的请求,服务端对上传图像数据进行编码转换、裁剪、旋转、压缩、灰度处理,然后进行关键点定位和识别并返回定位图像、定位坐标和识别结果,采用以日期创建文件夹的方式对红黄牌管理信息和车辆拉黑信息进行储存。
所述步骤(4),审核车辆过程中,图像数据定位识别过程和结果、文字定位识别过程和结果、一键查询系统返回数据信息可实时、直观的、可视化返回并展现到客户端中,并以视觉、听觉提示判定结果,依据判定结果自动执行或人工一键执行通过与否,可配合红黄牌管理系统、车辆拉黑系统、一键查询系统使用。
技术方案
本发明采用的技术方案包括:
(1)深度学习框架及神经网络解决方案。
(2)图像数据定位和识别解决方案。
(3)文字数据定位和识别解决方案。
(4)图像处理解决方案。
(5)服务器部署和守护解决方案。
(6)一键查询解决方案。
(7)审核流程解决方案。
(8)数据储存和查询解决方案。
(9)语音播放和控制解决方案。
(10) 主要编程语言的解决方案。
所述技术方案(1)深度学习框架及神经网络解决方案包括:CC框架和VGG+VOC0712+SSD神经网络组成的定位训练方案、CC框架和RESNET+LSTM+CTC神经网络组成的识别训练方案。
所述CC框架和VGG+VOC0712+SSD神经网络组成的定位训练方案,能够兼顾不同尺寸的图像数据进行训练,能够解决同一复杂背景图像数据不同物体分类定位精度和准确率更高、漏检率低,定位速度实测能够达到100毫秒以内能够更好地兼顾准确性和实时性。
所述CC框架和RESNET+LSTM+CTC神经网络组成的识别训练方案,能够兼顾不同尺寸的图像数据且使用更少的样本达到更高准确率,能够解决复杂背景下长序列字符的识别,例如行驶证编号、车架号等,实测识别速度能够达到50毫秒以内。
所述技术方案(2)图像数据定位和识别解决方案包括:行驶证定位识别方案、车辆定位识别方案、车架号定位识别方案、CMA章和公章定位方案。主要解决复杂环境定位更加精确、识别更加高效,本所有方案的定位和识别均采用GPU计算。
所述行驶证定位识别方案,行驶证定位与识别主要针对行驶证发证日期和编号,行驶证照片为高拍仪拍摄,尺寸宽高平均为1200×1600像素,行驶证部分均占整个图像的五分之一大小,直接定位行驶证发证日期和编号成功率低,本方案采用分步定位方法,首先定位出图像数据中行驶证部分,然后再定位行驶证中的发证日期和编号,最后识别出结果。对于行驶证照片拍摄摆放角度偏差较大的进行顺时针或逆时针旋转90度。本方案采用行驶证照片样本3000份进行标注和训练,训练完成后调用行驶证定位模型对行驶证照片进行定位截取出行驶证部分,对行驶证部分的发证日期和编号进行标注和训练,训练完成后调用发证日期和编号定位模型对行驶证部分进行定位截取出发证日期和编号并保存,最后采用1万份发证日期部分和1万份行驶证编号部分进行识别训练,定位和识别的正确率能够达到95%以上,对于识别不正确的采用灰度处理后进行识别,可提高识别成功率。
所述车辆定位识别方案,车辆定位与识别主要针对车辆定位、车牌定位、三脚架定位、车牌识别。本方案收集10000份不同尺寸、不同车辆类型的左前45度照片和10000份右后45度照片,对图像数据的车辆、三脚架、号牌、进行标注,然后进行定位训练获得车辆定位模型,调用车辆定位模型定位并截取出号牌图像部分,收集3万份号牌图像进行识别训练从而获得识别正确率为95%以上的号牌号码识别模型。
所述车架号定位识别方案,本方案收集3000份不同尺寸的车架号照片进行标注和训练,获得识别率为95%以上的车架号定位模型,调用车架号定位模型对30000份车架号进行定位并截取出车架号部分,对30000份车架号部分进行识别训练获得识别正确率为百90%以上的车架号识别模型,由于车架号照片拍摄角度不同,定位过程中采用atan2计算出倾斜角度并进行旋转获得一个水平的矩形车架号图像,旋转过程中自动对图像扩充边界防止定位坐标溢出原图像,对图像进行180度旋转获得另一个矩形车架号图像,这两种矩形车架号图像进行识别,最终根据车架号编排规则得出最准确的车架号识别结果。
所述CMA章和公章定位方案,由于CMA章存在检测报告单照片的左上角,本方案收集1000份检测报告单照片,将每张十字均分为4份取左上角部分照片进行定位训练,获得识别率为95%以上的CMA章定位模型,由于公章存在检测报告单照片的上半部分,本方案收集1000份检测报告单照片,将每张水平分为2份取上半部分照片进行定位训练,获得识别率为95%以上的公章定位模型。
所述技术方案(3)文字数据定位和识别解决方案包括:牌照申请表定位与识别方案、尾气报告单定位与识别方案、检验报告单定位与识别方案,本所有方案的定位和识别均采OCR文字识别方案,用CPU计算。采用开源的OCR通用文字识别,能够识别图像中所有印刷体文字,识别准确率高,并能够定位文字坐标,识别速度根据图像中文字的多少而变化。
所述牌照申请表定位与识别方案,将牌照申请表照片水平平均为5份,取从上至下第3部分,将第3部分平均分为左右2部分,取右部分进行OCR识别出车辆号牌号码部分。
所述尾气报告单定位与识别方案,将尾气报告单照片片水平平均为3份,取从上至下第1部分,将第1部分水平分5份,取从左向右前3部分进行OCR识别出车辆号牌号码和车架号。
所述检验报告单定位与识别方案,将检验报告单片水平平均为3份,取从上至下第1部分,将第1部分水平分2份,取从左向右前1部分进行OCR识别出车辆号牌号码和车架号。
所述技术方案(4)图像处理解决方案包括:图像编码、图像裁剪、图像压缩、图像旋转、图像灰度处理。
所述图像编码,主要对图像进行bmp编码和jpg编码转换。
所述图像裁剪,先将图像进行bmp编码,利用位图数据进行裁剪后进行jpg编码获得裁剪后的图像数据。
所述图像压缩,将图像进行0至100图像质量针对不同照片进行调节压缩。
所述图像旋转,采用opencv的矩阵类仿射变换进行根据不同角度对图像进行旋转。
所述图像灰度处理,采用Opencv的颜色转换对图像进行灰度处理。
所述技术方案(5)服务器部署和守护解决方案包括:服务器定位识别功能调用方案、服务器守护方案。
所述服务器定位识别功能调用方案包括:行驶证照片定位与识别、车辆照片定位与识别、车架号照片定位与识别、CMA章和公章定位、文字定位与识别的调用,本方案采用E2EE敏捷开发框架,能够解决快速创建API,调用稳定高效且可视化,便于统计。
所述服务器守护,主要有一键开启所有服务器定位和识别功能,可以根据需求一键开启每个服务的个数,并分配给每个服务不同端口号进行通信,所有接收数据先到达服务器守护,由服务器守护分配给不同的服务器定位识别功能进行数据处理,并把处理后的数据返回到客户端实现端口转发。能够解决大量数据的高并发请求且稳定不崩溃。服务守护还具有检测服务器定位识别运行的功能,对于工作不正常的服务器定位识别功能可实现重启服务器。本方案采用HPSocket4C高性能通讯框架,能够应对高并发请求。
所述技术方案(6)一键查询解决方案包括:一键查询原始信息、一键查询历史检验信息。本方案将之前查询一辆车的原始信息和历史检验信息耗时3分钟缩减至10秒钟。
所述一键查询原始信息,查询原始信息主要对嫌疑车辆检验照片和原始照片进行对比来发现车辆是否改装或其他部位改动,正常查询流程需要登录第三方查验系统和现在的全国统一版查验系统,输入车架号对车辆的注册登记业务信息和转入登记业务信信息进行查询,本方案采用协议方式,利用cookies后台登录和查询,采用多线程将业务信息和图像信息一键展现出来。
所述一键查询历史检验信息,查询历史检验信息主要对比该车辆的历史检验是否出现外观变动,正常查询需要切换检验监管审核系统查询界面,根据号牌号码点击查询获取每一条历史检验信息,并逐个点击进去查看,不能同时打开所有信息进行比对,本方案采用协议方式,利用cookies后台查询历史检验信息并多线程获取历史检验照片,实现一键把所有信息和照片按照顺序同时展现到客户端进行对比。
所述技术方案(7)审核流程解决方案包括:自动化流程审核解决方案、半自动化流程审核解决方案。
所述自动化流程审核解决方案,主要作用于非重点车辆审核,采用基于HTML DOMDocument对象的网页元素操作和调用审核网页的Java script函数,实现模拟人工审核过程中对每个步骤的网页操作,全部交由客户端自动信息获取发送至服务端进行定位识别,依据返回信息进行比对,执行自动通过与否,自动化流程中还可控制开始运行、终止运行、暂停运行、继续运行。对于嫌疑车辆可暂停运行,进行一键查询、红黄牌上传或车辆拉黑。
所述半自动化流程审核解决方案,主要作用于重点车辆,基于自动化流程解决方案,将车辆审核过程半自动化,抽取审核车辆流程至审核判定通过与否流程人工一键化,将抽取审核车辆至审核判定多个连续网页点击操作实现一键自动化。
所述技术方案(8)数据储存和查询解决方案包括:红黄牌管理数据储存与查询,车辆拉黑数据储存与查询。
所述红黄牌管理数据储存与查询,按照年月日创建ini格式的配置文件储存文本信息,按照年月日创建文件夹储存图像信息,解决无需配置数据库易于部署且查询速度快的问题。
所述车辆拉黑数据储存与查询,采用一个txt文件储存信息,解决无需配置数据库易于部署且查询速度快的问题。
所述技术方案(9)语音播放和控制解决方案,语音播放不同音效在审核车辆流程中的关键节点进行提示,语音控制采用windows系统自带的语音识别对客户端进行简单的语音控制运行、暂停、继续、终止、通过、确定等简单操作。
所述技术方案(10) 主要编程语言的解决方案,服务端和客户端主要使用的编程语言为易语言,易语言易于快速开发,可视化操作,可整合各个技术领域的编程语言优点并协作开发,可拓展功能丰富,对服务器搭建领域、深度学习领域、人工智能领域、流程控制领域兼容性较高。
附图说明
图1为本发明的检验监管智能化审核系统示意图。
图2为本发明的检验监管智能化审核方法流程示意图。
具体实施方式
本发明为了进一步理解检验监管智能化审核系统和方法,结合附图和实施例进行详细描述,使本发明的实施例目的、特征和优点能够更加明显易懂,此处所描述的实施例仅用于解释本发明,本发明的保护范围以权利要求的保护范围为准。
实施案例1:
机动车检验监管是公安交管部门的重要日常工作之一,如车辆管理所远程检验监管中心日常对检验机构远程监督和对检验车辆进行远程审核,现如今随着车辆检验业务量的不断增加和堆积,人工审核已经远远满足不了高强度、高效率、高精准的工作需求,日复一日的高强度的紧张工作对工作人员的身心健康都造成一定程度的损伤,然而工作效果并不理想,群众排队等待时间长,如未完成检验业务的审核,群众将无法办理其他机动车业务,明显感觉到群众投诉案件的增加,智能审核将是时势所趋。
现有技术只能对审核项目进行后端智能识别,识别过程和识别结果无法展现到审核人员面前,只能将最终判定结果以文字“合格”和“不合格”输出到对应的审核项目下,现有技术无法做到全自动化智能审核以完全代替人工审核,使用与未使用现有的智能审核系统区别不是特别明显,未提高效率还需要人工审核。现有智能审核技术成本极高,服务器硬件设施需要数台,硬件加软件成本超百万以上,成本高阻碍本技术领域的应用与发展。
本发明只需一台硬件服务器,主要采用深度学习、人工智能、服务端和客户端软硬件结合来解决代替人工审核的一种机动车检验监管智能化审核系统和方法,本发明可以针对非重点和重点车型选择智能审核和一键审核,可配合一键查询、红黄牌管理、车辆拉黑、来提高工作效率,尤其是智能审核真正意义上解放了人力。以下是为某支队车管所远程检验监管中心的具体实施例详解。
本实施例主要从两个方面进行描述,一方面为系统的构建,另一方面为流程方法的使用。
一方面为系统的构建,服务端中人工智能识别服务器硬件采用CPU为16核32线程运行4.5Ghz、内存为32G运行3600Mhz、显卡采用显存8G运行1500Mhz、运行环境为windows7或windows10系统均为64位,安装显卡驱动及对应的CUDA驱动,将服务守护系统、图像数据定位与识别系统、文字定位与识别系统、信息储存系统等所包含的模型文件和服务文件一并打包拷贝到人工智能识别服务器硬件系统中的任意位置,人工智能识别服务器硬件可放置任意内网位置,为了缩减延迟本实施例将其放置并接入检验监管中心主交换机。
如图1,直接运行服务守护系统一键即可开启图像数据定位与识别系统所包含的定位或识别功能、文字定位与识别系统所包含的定位或识别功能、信息储存功能。本实施例利用服务守护系统共开启行驶证照片定位与识别1个端口、车辆照片定位与识别1个端口、车架号照片定位与识别3个端口、CMA章公章定位1个端口、文字定位与识别9个端口。开启整个服务大约需要10秒左右,整个过程一键化,关闭服务一键化需要1秒,开启服务后可选择打服务守护功能,实时监控各个功能运行状态并做日志记录,对于运行异常的功能可进行选择性地单独重启,对于数据请求服务端可实时可视请求的图像数据,对于不同的API请求均有日志记录。
至此整个服务端全部运行,所含操作全部一键化,对于本领域的相关人员无需设置网络,服务端的服务地址即为windows系统设置的内网地址,无需配置任何支持运行库、数据库等复杂操作,简单易懂方便快捷。分布式部署可以保证整个系统的平稳运行,端口转发可应对高并发的API请求,本实施例共计13客户端,请求数据类型多数为图像数据,峰值同时请求100余条,相应均速为200毫秒以内,服务端经过技术方案的优化,把低成本的智能识别服务器硬件的性能发挥到极致。
客户端采用的检验监管审核工位为任意硬件配置的计算机,可选配任意语音输出和输入设备,运行环境为windows7系统64位,采用IE8或IE9浏览器,直接将客户端软件拷贝到检验监管审核工位计算机的任意位置,客户端软件为小于5M的EXE文件,可直接运行,输入上述服务端服务地址、检验监管审核系统的账号密码即可使用。客户端软件采用了主色调为银白和浅蓝的搭配主题,窗口界面主要有,红黄牌管理界面、车辆拉黑界面、识别测试界面、文件共享界面、年月日查询界面、一键查询历史检验信息界面、一键查询原始信息界面、图像查看器界面、提示框界面、公告查询一键登录界面、专网一键登录界面、一键审核界面、智能审核界面,客户端软件还具有自动更新功能。
所述红黄牌管理界面为客户端的主要界面,主要包含:车辆违规信息当天上传数据统计及详情展示栏、公告展示栏、违规业务上传操作栏、实时审核车辆信息展示栏。红黄牌管理作为审核工作的一项辅助工具,任何形式的审核过程中对于发现的违规业务,填写违规原因,截取违规部分图像(自动保存截取图像,可上传3张违规图像,截取错误可选择清除重新截取,也可选择保存的图像上传),点击上传,客户端软件将自动获取实时审核的车辆的检测单位、检测时间、号牌号码、车辆类型、违规岗位、违规照片和违规原因一并上传至服务端。
所述车辆拉黑界面,主要包含:车辆拉黑信息列表、车辆拉黑信息上传与删除。车辆拉黑作为审核工作的一项辅助工具,任何方法的审核过程中对于发现的重点业务,填写拉黑原因,点击上传即可将实时审核的车辆上传至服务端,在任何方法的审核过程中,再次审核到该车辆,客户端软件会进行提示。
所述识别测试界面,对实时审核中的行驶证照片、检验报告单照片、尾气报告单照片、牌照申请表照片、车辆左前和右后45度照片、车架号照片等进行手工识别测试,对于发现的问题,方便定位识别模型进行改进和优化。
所述文件共享界面,工作中常用的文件、工具等可进行简单地上传、下载、删除,接入云盘系统可对大型数据储存和共享。
所述年月日查询界面,主要按照年月日查询红黄牌管理上传的信息,对检测机构单位进行红黄牌数量的排名,以及对违规详细信息和照片信息进行查询,对检验监管检测机构的处罚提供依据。
所述一键查询历史检验信息界面,可一键获取实时审核车辆的历史检验信息和照片数据统一展现方便对比。
所述一键查询原始信息界面,可一键获取实时审核车辆的原始信息和照片数据,方便对比。
所述图像查看器界面,主要对客户端显示出的任何图像均可点击查看,具有无损无限放大功能、旋转功能、保存功能。
所述提示框界面,主要对审核过程中产生的任何提示显示弹窗,并伴随提示音效作用,采用黑色和红色主要搭配具有强烈对比的警示效果,主要对任何形式方法的审核中所预设的提示情形进行提示,如车辆脱审、保险过期、人工智能判定不合格、缺少照片、车辆拉黑、多次审核历史等设定情形进行提示。
所述公告查询一键登录界面,无需手动输入账号、密码、验证码自动执行登录公告查询系统。
所述专网一键登录界面,无需手动输入账号、密码、验证码自动执行登录专网系统(专网系统即机动车检验监管审核系统)。
所述一键审核界面,“下一条”按钮功能是将审核过程网页中点击随机抽取车辆、点击车辆详情2步点击缩减到一步点击,“通过”按钮功能是将审核过程网页中1次点击确定按钮、2次弹窗确定按钮等3步缩减到一步点击,可选地,点击“通过”按钮后自动执行“下一条”按钮点击,可将审核过程网页中5步点击缩减至1步点击。信息核查功能是将实时审核的车辆的行驶证照片、检验报告单照片、尾气报告单照片、牌照申请表照片、车辆左前45度照片、车辆右后45度照片、车架号照片、发送至服务端,依据返回的识别结果如行驶证发证日期、行驶证编号、号牌号码、车架号和审核系统的车辆信息进行实时对比,将判定结果合格为绿色不合格为红色的颜色样式高亮对应的审核网页中的标题文字。同时一键审核界面还可配合专网一键登录、红黄牌管理系统、一键查询系统、车辆拉黑系统,还实时展现一键审核当日车辆的数量。
所述智能审核界面,主要有“开始”、“暂停”、“继续”、“终止”、“通过”等按钮对智能审核进行操作,可选地,选择预设条件信息暂停智能审核流程如车辆脱审预警、保险过期预警、缺少照片预警、车辆拉黑预警、多次审核预警等。可选地,选择可语音控制智能审核操作开始、暂停、继续、终止、通过、确定、关闭等。智能审核界面实时获取车辆信息和照片信息展现到本界面,获取的行驶证照片、检验报告单照片、尾气报告单照片、牌照申请表照片、车辆左前45度照片、车辆右后45度照片、车架号照片发送至服务端,依据返回的数据将图像关键点识别出的位置和结果实时展现到本界面,进行对比,给出判定结果执行自动通过或转至人工审核。智能审核界面还对当日的待审车辆、已审车辆、运行时间、自动登录次数进行统计,同时智能审核界面还可以配合专网一键登录、红黄牌管理系统、一键查询系统、车辆拉黑系统进行操作。
另一方面为流程方法的使用,如图2,对于重点车辆使用一键审核系统,运行客户端软件进入一键审核界面,点击专网一键登录进入到机动车检验监管审核平台,通过点击“下一条”按钮即可直接进入车辆审核界面,一键审核系统自动获取关键照片发送至服务端,等待5秒钟左右,依据服务端返回数据信息自动对比,将判定结果以红色或绿色高亮审核系统网页照片上对应的标题,提示框也将根据预设的情形执行是否进行提示,对于嫌疑车辆,工作人员可配合红黄牌管理系统、一键查询系统、车辆拉黑系统进行操作。如果车辆符合检验监管要求可点击“通过”按钮该车将瞬间通过,如勾选“自动点击下一条”,一键审核系统将自动执行通过后随机抽取下一辆。利用一键审核系统工作人员可将繁琐的正常审核点击最多由5步完成缩减至1步完成,查询过程由3分钟可缩减至10秒钟,审核过程由3分钟缩减至30秒以内,极大地提高了工作效率。
对于非重点车辆可使用智能审核系统,运行客户端软件进入智能审核界面,直接点击“运行”按钮,智能审核系统自动执行填写账号、密码、验证码登录到机动车检验监管审核系统网页,自动随机抽取审核车辆进入审核界面,智能审核界面实时获取车辆信息和照片展现到本界面,获取的行驶证照片、检验报告单照片、尾气报告单照片、牌照申请表照片、车辆左前45度照片、车辆右后45度照片、车架号照片发送至服务端,依据返回的数据将图像关键点识别出的位置坐标自动截图并将识别结果一起展现到本界面,进行对比并以红色和绿色在智能审核界面进行标注,每张照片给出判定结果合格与不合格,并综合审核过程中所预设的提示情形执行综合判定该车辆是否合格,最后由智能审核系统执行自动通过或转至人工审核,对于转至人工审核的车辆,工作人员可配合红黄牌管理系统、一键查询系统、车辆拉黑系统进行操作,以此循环达到代替人工审核的效果,对于智能审核任意环节过程中专网系统掉线超时,均进行判断重新执行程序。智能审核系统实测,一个检验监管审核工位工作8小时可自动审核2500余辆非重点机动车,实施例1中该单位每天大约平均需要待审核3000余辆非重点车辆,纯人工审核需要将近10人完成的工作现在只需1人即可完成。
以上是本发明的具体实施例,本发明意在通过对数据的技术处理去解决人工智能代替机动车检验监管人工审核的技术难题,利用技术手段去创造一种检验监管智能化审核系统和方法,来解决当前技术领域所面临的各种问题,对机动车检验监管审核工作的开展具有重要意义。
Claims (19)
1.一种机动车检验监管智能化审核系统,其特征在于,包括:服务端、客户端,其中服务端用于接收数据,对数据进行储存、处理、定位、识别并返回处理后的图像数据、识别结果、待请求数据;客户端用于实时获取检验监管审核数据自动或人工发送至服务端,依据服务端返回数据进行自动判定或人工判定检验监管审核结果,并执行自动审核通过与否或人工审核通过与否。
2.根据权利1所述的一种机动车检验监管智能化审核系统,其特征在于,服务端包括:人工智能识别服务器硬件、服务器守护系统、图像数据定位与识别系统、文字定位与识别系统、信息储存系统。
3.根据权利1所述的一种机动车检验监管智能化审核系统,其特征在于,客户端包括:机动车检验监管审核工位、智能审核系统、一键审核系统、红黄牌管理系统、一键查询系统、车辆拉黑系统。
4.根据权利2所述的人工智能智能识别服务器硬件,其特征在于,经过技术配置的计算机,可运行服务端所包含的系统,具有对接收的数据进行储存、处理、定位、识别并返回数据功能的硬件载体。
5.根据权利2所述的服务守护系统,其特征在于,服务守护系统可批量一键开启图像数据定位与识别系统、文字定位与识别系统,分配给开启系统不同的通信端口,根据客户端不同的数据请求类型进行平均分配转发,对开启系统产生的返回数据准确的返回给客户端,服务守护系统对已开启的图像数据定位与识别系统、文字定位与识别系统进行状态监控,发现工作不正常的系统包含功能可重启该系统包含功能。
6.根据权利2所述的图像数据定位与识别系统,其特征在于,可对接收的图像数据进行编码转换、裁剪、旋转、压缩、灰度处理,调用定位模型对图像数据关键点进行定位并生成坐标数据,对定位出的图像数据信度进行排序,选取最高信度的图像数据依据对应的坐标数据裁剪生成定位图像,将定位图像返回于客户端中,对于客户端请求需要识别的,本系统调用识别模型对定位图像进行识别产生识别结果,将定位图像和识别结果返回于客户端中。
7.根据权利2所述的文字定位与识别系统,其特征在于,可对接收的图像数据进行编码转换、裁剪、旋转、压缩、灰度处理,调用定位识别模型对处理后的图像数据中的文字进行定位并生成坐标,对坐标内的文字进行识别生成识别结果,将定位出的文字坐标和识别结果返回于客户端中。
8.根据权利2所述的信息储存系统,其特征在于,存储红黄牌管理信息、车辆拉黑信息、文件共享信息、可供客户端直接调用。
9.根据权利3所述的机动车检验监管审核工位,其特征在于,可运行客户端所包含的系统的计算机硬件设备,可具备具有语音输入语音输出设备。
10.根据权利3所述的智能审核系统,其特征在于,采用HTML DOM Document对象的网页填表操作,自动执行机动车检验监管审核系统登录、车辆抽取至车辆审核界面的获取,可以实时自动获取审核中车辆的文本数据和图像数据展现到本系统中,将图像数据进行编码转换、裁剪、旋转、压缩、灰度等预处理发送至服务端,实时将接收服务端返回图像数据和识别结果展现于本系统,通过服务端返回的数据和机动车检验监管审核系统中的车辆信息、资料照片信息、外观照片信息自动比对,结合智能审核系统中所设置的预警模型进行检查自动给出判定结果,并依据判定结果自动执行点击审核通过与不通过,通过时采用调用审核网页的Java script函数,然后继续自动抽取车辆审核,对机动车检验监管系统出现的网络故障、分配故障、本系统可自动执行重新登录,以此循环实现全流程智能化代替人工审核的效果。
11.根据权利3所述的一键审核系统,其特征在于,采用HTML DOM Document对象的网页填表操作,将机动车检验监管审核系统正常审核过程中操作随机抽取至审核通过与否多个操作步骤缩减到人工一键操作,进入审核界面时统自动获取机动车检验监管审核系统中的图像数据发送至服务端,根据服务端返回的识别结果与机动车检验监管审核系统中的车辆信息、资料照片信息、外观照片信息自动比对并给出判定,将判定结果以不同颜色高亮关键字的方式标记于机动车检验监管审核系统网页中对应的图像栏目标题,人工依据直接的视觉反馈进行操作一键审核通过与否,通过时采用调用审核网页的Java script函数,实现半自动智能审核效果。
12.依据权利3所述的红黄牌管理系统,其特征在于,自动获取审核中车辆的基本信息,对检测单位违规操作信息以文本和图像数据方式上传到服务端,红黄牌管理系统可对检测单位违规数量进行日统计排名、月统计排名、年统计排名,并支持日、月、年查询违规详情和违规照片。
13.依据权利3所述的一键查询系统,其特征在于,采用协议式后台查询,机动车检验监管审核过程中无需人工登录其他系统设置条件查询,只需一键就可自动根据实时审核车辆信息调取出当前车辆的原始信息、历史检验信息以文本和图像数据直接展现到客户端。
14.依据权利3所述的车辆拉黑系统,其特征在于,机动车检验监管审核中对于重点关注车辆、嫌疑车辆,本系统自动获取车辆基本信息,人工填写拉黑原因进行拉黑上传,当下次审核时会以弹窗、颜色视觉、声音方式强烈提示审核人员。
15.一种机动车检验监管智能化审核方法,其特征在于,利用深度学习、人工智能识别将机动车检验监管审核流程半自动化和全自动化执行,实现人工智能代替人工审核,过程中可选用辅助工具为一键查询系统和车辆拉黑系统,所述机动车检验监管智能化审核方法包括如下步骤:机动车检验监管审核流程自动化执行;审核车辆信息实时获取和息处理上传;上传信息的储存、处理、定位、识别与数据返回;依据返回数据信息执行审核通过与否。
16.依据权利15所述的一种机动车检验监管智能化审核方法,其特征在于,所述步骤机动车检验监管审核流程自动化执行,机动车检验监管审核系统账号、密码、验证码自动填写登录,自动执行抽取审核车辆至进入审核界面,自动执行审核通过与否,自动检测审核车辆过程中审核系统所出现的网络故障,并重新执行流程,自动一键获取实时审核车辆的原始信息和历史检验信息。
17.依据权利15所述的一种机动车检验监管智能化审核方法,其特征在于,所述步骤审核车辆信息实时获取和息处理上传,采用多线程实时获取审核中的车辆文本信息和图像信息,采用多线程对图像信息进行重新编码、裁剪、压缩上传至服务端。
18.依据权利15所述的一种机动车检验监管智能化审核方法,其特征在于,所述步骤上传信息的处理、定位、识别与数据返回,利用端口转发和分布式部署服务端所包含的系统,依据客户端不同类型的请求,服务端对上传图像数据进行编码转换、裁剪、旋转、压缩、灰度处理,然后进行关键点定位和识别并返回定位图像、定位坐标和识别结果,采用以日期创建文件夹的方式对红黄牌管理信息和车辆拉黑信息进行储存。
19.依据权利15所述的一种机动车检验监管智能化审核方法,其特征在于,所述步骤依据返回数据信息执行审核通过与否,审核车辆过程中,图像数据定位识别过程和结果、文字定位识别过程和结果、一键查询系统返回数据信息可实时、直观的、可视化返回并展现到客户端中,并以视觉、听觉提示判定结果,依据判定结果自动执行或人工一键执行通过与否。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486032.1A CN114693278B (zh) | 2022-05-06 | 2022-05-06 | 一种机动车检验监管智能化审核系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210486032.1A CN114693278B (zh) | 2022-05-06 | 2022-05-06 | 一种机动车检验监管智能化审核系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114693278A true CN114693278A (zh) | 2022-07-01 |
CN114693278B CN114693278B (zh) | 2022-10-04 |
Family
ID=82143946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210486032.1A Active CN114693278B (zh) | 2022-05-06 | 2022-05-06 | 一种机动车检验监管智能化审核系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693278B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105632176A (zh) * | 2016-01-18 | 2016-06-01 | 贵港市嘉特电子科技有限公司 | 货运平台车辆数据管理系统及方法 |
CN107330812A (zh) * | 2017-05-13 | 2017-11-07 | 长安大学 | 一种机动车安全技术检验业务信息系统 |
CN110458168A (zh) * | 2019-08-29 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆检测报告的处理方法、装置、计算机设备和存储介质 |
CN112329753A (zh) * | 2021-01-07 | 2021-02-05 | 南昌市微轲联信息技术有限公司 | 一种机动车安检制动视频智能审核的方法 |
-
2022
- 2022-05-06 CN CN202210486032.1A patent/CN114693278B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105632176A (zh) * | 2016-01-18 | 2016-06-01 | 贵港市嘉特电子科技有限公司 | 货运平台车辆数据管理系统及方法 |
CN107330812A (zh) * | 2017-05-13 | 2017-11-07 | 长安大学 | 一种机动车安全技术检验业务信息系统 |
CN110458168A (zh) * | 2019-08-29 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆检测报告的处理方法、装置、计算机设备和存储介质 |
CN112329753A (zh) * | 2021-01-07 | 2021-02-05 | 南昌市微轲联信息技术有限公司 | 一种机动车安检制动视频智能审核的方法 |
Non-Patent Citations (1)
Title |
---|
秦敬哲等: "浅谈机动车安全技术检验监管智能审核系统的应用", 《道路交通管理》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114693278B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111917707B (zh) | 网络安全等级保护中的分级方法、客户端及系统 | |
CN106407078B (zh) | 基于信息交互的客户端性能监控装置及方法 | |
CA2832989C (en) | System and method for automating insurance quotation processes | |
CN110633675A (zh) | 一种基于卷积神经网络的视频中火灾识别系统及方法 | |
CN113360566A (zh) | 一种信息内容监测方法及系统 | |
CN116665096A (zh) | 基于深度学习视觉算法的智慧加油站安全监管方法 | |
CN110336791B (zh) | 一种断点数据传输方法、装置、设备及计算机存储介质 | |
CN114840286B (zh) | 基于大数据的业务处理方法及服务器 | |
CN114419631A (zh) | 一种基于rpa的网管虚拟系统 | |
US20240020960A1 (en) | Neural Network Host Platform for Detecting Anomalies in Cybersecurity Modules | |
CN114693278B (zh) | 一种机动车检验监管智能化审核系统和方法 | |
CN108369647B (zh) | 基于图像的质量控制 | |
CN112822440A (zh) | 生物样本制备监控方法、应用服务器、系统及存储介质 | |
CN111831627A (zh) | 一种计算机数据库云调试维护系统 | |
CN111027937A (zh) | 一种考勤系统 | |
CN110991922A (zh) | 基于企业画像的企业精准分析方法 | |
CN113723071B (zh) | 电子档案校验方法、系统、存储介质及设备 | |
CN114882589A (zh) | 基于智能视频分析的粮仓安全作业预警系统及方法 | |
CN111291259B (zh) | 一种数据筛选方法、装置、电子设备和存储介质 | |
CN113420080A (zh) | 一种毒理学实验数据管理系统 | |
CN111339939A (zh) | 基于图像识别的考勤方法及装置 | |
CN111652215A (zh) | 一种卫星任务控制软件操控考核方法 | |
CN117061788B (zh) | 一种短视频自动化监管与预警方法、设备及存储设备 | |
CN110018946B (zh) | 性能数据的显示方法、装置、设备及计算机可读存储介质 | |
CN112817839B (zh) | 人工智能引擎测试方法、平台及终端、计算设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |