CN117078138B - 一种货车装载信息处理方法和服务器 - Google Patents
一种货车装载信息处理方法和服务器 Download PDFInfo
- Publication number
- CN117078138B CN117078138B CN202311316362.7A CN202311316362A CN117078138B CN 117078138 B CN117078138 B CN 117078138B CN 202311316362 A CN202311316362 A CN 202311316362A CN 117078138 B CN117078138 B CN 117078138B
- Authority
- CN
- China
- Prior art keywords
- loading
- time
- truck
- target
- carriage
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 45
- 238000003672 processing method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种货车装载信息处理方法和服务器，涉及数据处理技术领域。应用于第一服务器，该方法包括：接收车机设备发送的车机设备所在目标货车的第一时间的装载信息，装载信息包括：至少两张装载图像，向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率；接收第二服务器返回的第一时间的车厢装载率。本申请的方法，通过接收第二服务器采用预设训练的装载识别模型针对至少两张装载图像的识别结果，准确的确定目标货车在第一时间的车厢装载率，根据实时的车厢装载率进一步确定目标货车的实时车厢装载情况，便于用户查询目标货车的实时车厢装载情况。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种货车装载信息处理方法和服务器。
背景技术
现在车辆装卸货信息基本是依赖人工记录，对于数据的准确性，无法考察，且无法准确及时获取车辆当前的装载体积数据，无法准确预估后续的配货量。目前，大多数物流公司采用工作人员的经验用于判断车辆厢内的货物是否装满，即通过人工监控每辆车辆厢内的货物装载情况，但是误差较高，且人力成本较高，或者，在车厢顶部安装激光雷达对车厢里的货品进行扫描生成点云，再根据点云构建三维模型，从而精准计算车厢货品的体积，进行计算货车装载率，但是激光雷达价格昂贵，很多货运运营者无法承担。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种货车装载信息处理方法和服务器，以便通过接收第二服务器采用预设训练的装载识别模型针对至少两张装载图像的识别结果，准确的确定目标货车在第一时间的车厢装载率，便于用户查询目标货车的实时车厢装载情况。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种货车装载信息处理方法，应用于第一服务器，所述方法包括：
接收车机设备发送的所述车机设备所在目标货车的第一时间的装载信息，所述装载信息包括：至少两张装载图像，所述至少两张装载图像分别为所述目标货车的车厢内至少两个不同视角下的装载图像；
向第二服务器发送所述至少两张装载图像，使得所述第二服务器根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
接收所述第二服务器返回的所述第一时间的车厢装载率。
在可选的实施方式中，所述方法还包括：
根据所述目标货车在所述第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定所述目标货车在所述第一时间的车厢状态；所述至少一个第二时间为所述第一时间之前的连续至少一个时间；
根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件。
在可选的实施方式中，所述根据所述目标货车所述第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定所述目标货车在所述第一时间的车厢状态，包括：
根据所述第一时间的车厢装载率以及所述第二时间的车厢装载率分别确定所述第一时间的装载等级和所述第二时间的装载等级；
根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态。
在可选的实施方式中，所述根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态，包括：
若所述第一时间的装载等级大于所述第二时间的装载等级，则确定所述车厢状态为正在装货状态；
所述根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件，包括：
根据所述正在装货状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的装货进行事件。
在可选的实施方式中，所述根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态，包括：
若所述第一时间的装载等级小于所述第二时间的装载等级，则确定所述车厢状态为正在卸货状态；
所述根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件，包括：
根据所述正在卸货状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的卸货进行事件。
在可选的实施方式中，所述根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态，包括：
若所述第一时间的装载等级等于所述第二时间的装载等级，则确定所述车厢状态为暂停装卸状态；
所述根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件，包括：
根据所述暂停装卸状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的装卸暂停事件。
在可选的实施方式中，所述方法还包括：
向下游应用设备发送所述目标货车在所述第一时间的状态事件。
第二方面，本申请实施例还提供了一种货车装载信息处理方法，应用于第二服务器，所述方法包括：
接收第一服务器发送的目标货车在第一时间的至少两张装载图像；所述至少两张装载图像为车机设备向第一服务器发送的所述车机设备所在目标货车的第一时间的装载信息；所述至少两张装载图像分别为所述目标货车的车厢内至少两个不同视角下的装载图像；
根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
向所述第一服务器发送所述车厢装载率。
在可选的实施方式中，所述根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率之前，所述方法还包括：
获取所述目标货车对应的多个样本车厢装载图像，每个样本车厢装载图像中具有货物分界线的标记值；
根据所述多个样本车厢装载图像以及所述标记值，训练得到所述装载识别模型。
第三方面，本申请实施例还提供了一种服务器，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当服务器运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行第一方面任一所述的货车装载信息处理方法的步骤，或者，执行第二方面任一所述的货车装载信息处理方法的步骤。
第四方面，本申请实施例还提供了一种货车装载信息处理装置，应用于第一服务器，所述装置包括：
接收模块，用于接收车机设备发送的所述车机设备所在目标货车的第一时间的装载信息，所述装载信息包括：至少两张装载图像，所述至少两张装载图像分别为所述目标货车的车厢内至少两个不同视角下的装载图像；
发送模块，用于向第二服务器发送所述至少两张装载图像，使得所述第二服务器根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
所述接收模块，还用于接收所述第二服务器返回的所述第一时间的车厢装载率。
第五方面，本申请实施例还提供了一种货车装载信息处理装置，应用于第二服务器，所述装置包括：
接收模块，用于接收第一服务器发送的目标货车在第一时间的至少两张装载图像；所述至少两张装载图像为车机设备向第一服务器发送的所述车机设备所在目标货车的第一时间的装载信息；所述至少两张装载图像分别为所述目标货车的车厢内至少两个不同视角下的装载图像；
确定模块，用于根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
发送模块，用于向所述第一服务器发送所述车厢装载率。
第六方面，本申请实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行第一方面任一所述的货车装载信息处理方法的步骤，或者，执行第二方面任一所述的货车装载信息处理方法的步骤。
本申请的有益效果是：
本申请实施例提供了一种货车装载信息处理方法和服务器，该方法应用于第一服务器，包括：接收车机设备发送的车机设备所在目标货车的第一时间的装载信息，装载信息包括：至少两张装载图像，至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像，然后向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率；最后接收第二服务器返回的第一时间的车厢装载率。本申请的方法，通过接收第二服务器采用预设训练的装载识别模型针对至少两张装载图像的识别结果，准确的确定目标货车在第一时间的车厢装载率，根据实时的车厢装载率进一步确定目标货车的实时车厢装载情况，让目标货车的装载过程，完全可视化，便于用户查询目标货车的实时车厢装载情况。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种货车装载信息处理方法的流程示意图之一；
图2为本申请实施例提供的一种货车车厢的结构示意图；
图3（a）为本申请实施例提供的一种装载图像的示意图；
图3（b）为本申请实施例提供的另一种装载图像的示意图；
图4为本申请实施例提供的一种货车装载信息处理方法的流程示意图之二；
图5为本申请实施例提供的一种货车装载信息处理方法的流程示意图之三；
图6为本申请实施例提供的一种货车装载信息处理方法的流程示意图之四；
图7为本申请实施例提供的一种货车装载信息处理方法的流程示意图之五；
图8为本申请实施例提供的一种货车装载信息处理方法的流程示意图之六；
图9为本申请实施例提供的一种货车装载信息处理方法的流程示意图之七；
图10为本申请实施例提供的一种货车装载信息处理方法的流程示意图之八；
图11为本申请实施例提供的又一种装载图像的示意图；
图12为本申请实施例提供的一种货车装载信息处理方法的交互示意图；
图13为本申请实施例提供的一种服务器的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
为了实时获取目标货车在装载或者卸货过程中的车厢装载率，从而根据车厢装载率确定目标货车的实时装载状态，本申请实施例提供了一种货车装载信息处理方法，应用于第一服务器，通过接收车机设备发送的车机设备所在目标货车的第一时间的装载信息，然后向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率，最后接收第二服务器返回的第一时间的车厢装载率，完成对目标货车在装载或者卸货过程中车厢装载率的实时获取。
如下结合附图通过具体示例对本申请实施例提供的货车装载信息处理方法进行详细的解释说明。本申请实施例提供的货车装载信息处理方法可由预先安装有：预设货车装载信息的处理算法或者检测软件的服务器，通过运行算法或者软件实现。图1为本申请实施例提供的一种货车装载信息处理方法的流程示意图之一。图2为本申请实施例提供的一种货车车厢的结构示意图。图3（a）为本申请实施例提供的一种装载图像的示意图。图3（b）为本申请实施例提供的另一种装载图像的示意图。如图1所示，该方法包括：
S101、接收车机设备发送的车机设备所在目标货车的第一时间的装载信息。
装载信息包括：至少两张装载图像，至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像。
在本实施例中，在目标货车的车厢内设置至少两个图像采集设备，通过至少两个图像采集设备实时采集目标货车的车厢内部装载图像，并将采集的装载图像传输至车机设备中，图像采集设备可以为摄像头，如图2所示，目标货车的车厢内部设置了两个摄像头，其中，摄像头A安装在目标货车的车尾上方位置，用于采集朝向目标货车车头的装载图像，摄像头B安装在目标货车的车顶正上方位置，用于采集俯视整个车厢的装载图像，如图3（a）所示，为摄像头A采集的装载图像，如图3（b）所示，为摄像头B采集的装载图像，通过两张装载图像可以回归出车厢内装载货品的边界。
车机设备根据预设时间间隔向第一服务器发送所在目标货车的第一时间的装载信息，即至少两张装载图像，其中，预设时间间隔可设置为3分钟、5分钟，在此不做限制，车机设备采集至少两张装载图像并向第一服务器发送所对应的时间为第一时间。
需要说明的是，第一服务器接收到车机设备发送的装载信息后，还向车机设备返回收到装载信息的确认信号。
S102、向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率。
具体的，第一服务器向第二服务器发送至少两张装载图像，第二服务器采用预先训练的装载识别模型对至少两张装载图像进行识别，确定至少两张装载图像对应的车厢装载率，即确定了目标货车在第一时间的车厢装载率。
S103、接收第二服务器返回的第一时间的车厢装载率。
第二服务器确定目标货车在第一时间的车厢装载率之后，向第一服务器发送第一时间的车厢装载率，第一服务器接收到第二服务器返回的第一时间的车厢装载率，从而可根据第一时间的车厢装载率，确定目标货车在第一时间的车厢装载情况，即目标货车在第一时间为车厢装卸情况。
综上所述，本申请实施例提供了一种货车装载信息处理方法，应用于第一服务器，包括：接收车机设备发送的车机设备所在目标货车的第一时间的装载信息，装载信息包括：至少两张装载图像，至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像，然后向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率；最后接收第二服务器返回的第一时间的车厢装载率。本申请的方法，通过接收第二服务器采用预设训练的装载识别模型针对至少两张装载图像的识别结果，准确的确定目标货车在第一时间的车厢装载率，根据实时的车厢装载率进一步确定目标货车的实时车厢装载情况，让目标货车的装载过程，完全可视化，便于用户查询目标货车的实时车厢装载情况。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式。图4为本申请实施例提供的一种货车装载信息处理方法的流程示意图之二。如图4所示，该方法还包括：
S201、根据目标货车在第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定目标货车在第一时间的车厢状态。
在本实施例中，至少一个第二时间为第一时间之前的连续至少一个时间。示例的，若车机设备根据预设时间间隔（3分钟）向第一服务器发送所在目标货车的第一时间的装载信息，第一时间为12:00，通过第二服务器返回第一时间为12:00的车厢装载率，则一个第二时间可以为11:57，同理，在车机设备向第一服务器发送第一时间的装载信息之前，车机设备先发送第二时间的装载信息，从而通过第二服务器返回第二时间的车厢装载率。
第一服务器通过比较目标货车在第一时间的车厢装载率和至少一个第二时间的车厢装载率，确定目标货车在第一时间的车厢状态，即确定目标货车在第一时间是在装货或者卸货。
S202、根据目标货车在第一时间的车厢状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的状态事件。
其中，第一服务器在接收车机设备发送的车机设备坐在目标货车的第一时间的装载信息时，装载信息还包括：目标货车在第一时间的位置信息，使得第一服务器可以根据目标货车在第一时间的车厢状态、以及第一时间的位置，生成针对目标货车在第一时间的状态事件，其中，状态事件可包括：装货进行事件、卸货进行事件、装卸暂停事件。
可选地，向下游应用设备发送目标货车在第一时间的状态事件。
具体的，下游应用设备可以为用户移动手机、平板等设备，第一服务器生成第一时间的状态事件后，向下游应用设备发送目标货车在第一时间的状态事件，使得用户可通过下游应用设备查看目标货车在第一时间的状态事件。
本申请实施例提供的方法中，根据目标货车在第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定目标货车在第一时间的车厢状态；至少一个第二时间为第一时间之前的连续至少一个时间；根据目标货车在第一时间的车厢状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的状态事件。便于用户查看目标货车的状态事件，并对异常事件进行干预管理。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式。图5为本申请实施例提供的一种货车装载信息处理方法的流程示意图之三。如图5所示，根据目标货车第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定目标货车在第一时间的车厢状态，该方法包括：
S301、根据第一时间的车厢装载率以及第二时间的车厢装载率分别确定第一时间的装载等级和第二时间的装载等级。
在本实施例中，第一服务器将接收的车厢装载率进行等级分类，示例的，可将车厢装载率进行离散化成5个等级，其中，等级1对应的车厢装载率为0%到20%，等级2对应的车厢装载率为20%到40%，等级3对应的车厢装载率为40%到60%，等级4对应的车厢装载率为60%到80%，等级5对应的车厢装载率为80%到100%，从而根据第一时间的车厢装载率，确定第一时间的装载等级、根据第二时间的车厢装载率确定第二时间的装载等级。
S302、根据第一时间的装载等级和第二时间的装载等级，确定目标货车在第一时间的车厢状态。
第一服务器通过比较目标货车在第一时间的装载等级和第二时间的装载等级，确定目标货车在第一时间的车厢状态，即确定目标货车在第一时间是在装货或者卸货。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式。图6为本申请实施例提供的一种货车装载信息处理方法的流程示意图之四。如图6所示，根据第一时间的装载等级和第二时间的装载等级，确定目标货车在第一时间的车厢状态，包括：
S401、若第一时间的装载等级大于第二时间的装载等级，则确定车厢状态为正在装货状态。
在本实施例中，若第一时间的装载等级大于第二时间的装载等级，即第一时间的车厢装载率大于第二时间的车厢装载率，也就是说，目标货车在第一时间与第二时间之间，车厢内的货物增加，则确定第一时间的车厢状态为正在装货状态。
基于上述根据目标货车在第一时间的车厢状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的状态事件，包括：
S402、根据正在装货状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的装货进行事件。
其中，装货进行事件可包括第一时间的位置信息、第一时间的装货等级、第一时间的车厢状态等，使得用户根据装货进行事件，确定目标货车的装载情况。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式。图7为本申请实施例提供的一种货车装载信息处理方法的流程示意图之五。如图7所示，根据第一时间的装载等级和第二时间的装载等级，确定目标货车在第一时间的车厢状态，包括：
S501、若第一时间的装载等级小于第二时间的装载等级，则确定车厢状态为正在卸货状态。
在本实施例中，若第一时间的装载等级小于第二时间的装载等级，即第一时间的车厢装载率小于第二时间的车厢装载率，也就是说，目标货车在第一时间与第二时间之间，车厢内的货物减少，则确定第一时间的车厢状态为正在卸货状态。
根据目标货车在第一时间的车厢状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的状态事件，包括：
S502、根据正在卸货状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的卸货进行事件。
其中，装货进行事件可包括第一时间的位置信息、第一时间的装货等级、第一时间的车厢状态等，使得用户根据卸货进行事件，确定目标货车的装载情况。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式。图8为本申请实施例提供的一种货车装载信息处理方法的流程示意图之六。如图8所示，根据第一时间的装载等级和第二时间的装载等级，确定目标货车在第一时间的车厢状态，包括：
S601、若第一时间的装载等级等于第二时间的装载等级，则确定车厢状态为暂停装卸状态。
在本实施例中，若第一时间的装载等级等于第二时间的装载等级，即第一时间的车厢装载率等于第二时间的车厢装载率，也就是说，目标货车在第一时间与第二时间之间，车厢内的货物不变，则确定第一时间的车厢状态为暂停装卸状态。
需要说明的是，暂停装卸状态可能是在装货过程或者是卸货过程中，暂停装卸货，也可能是目标货车在第一时间处于运输状态，因此第一时间的装载等级和第二时间的装载等级均没有发生变化。
根据目标货车在第一时间的车厢状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的状态事件，包括：
S602、根据暂停装卸状态，以及目标货车在第一时间的位置，生成针对目标货车在第一时间的装卸暂停事件。
其中，装货进行事件可包括第一时间的位置信息、第一时间的装货等级、第一时间的车厢状态等，使得用户根据装卸暂停事件，确定目标货车的装载情况。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式，应用于第二服务器。图9为本申请实施例提供的一种货车装载信息处理方法的流程示意图之七。如图9所示，该方法包括：
S701、接收第一服务器发送的目标货车在第一时间的至少两张装载图像。
在本实施例中，至少两张装载图像为车机设备向第一服务器发送的车机设备所在目标货车的第一时间的装载信息；至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像。
具体的，在目标货车的车厢内设置至少两个图像采集设备，通过至少两个图像采集设备实时采集目标货车的车厢内部装载图像，并将采集的装载图像传输至车机设备中，图像采集设备可以为摄像头，然后车机设备根据预设时间间隔向第一服务器发送所在目标货车的第一时间的装载信息，第一服务器向第二服务器发送至少两张装载图像，使得第二服务器接收到第一服务器发送的目标货车在第一时间的至少两张装载图像。
S702、根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率。
S703、向第一服务器发送车厢装载率。
第二服务器采用预先训练的装载识别模型对至少两张装载图像进行识别，确定至少两张装载图像对应的车厢装载率，即确定了目标货车在第一时间的车厢装载率。
确定目标货车在第一时间的车厢装载率之后，向第一服务器发送第一时间的车厢装载率，使得第一服务器接收到第二服务器发送的第一时间的车厢装载率，从而可根据第一时间的车厢装载率，确定目标货车在第一时间的车厢装载情况。
综上所述，本申请实施例提供了一种货车装载信息处理方法，应用于第二服务器，包括：接收第一服务器发送的目标货车在第一时间的至少两张装载图像；至少两张装载图像为车机设备向第一服务器发送的车机设备所在目标货车的第一时间的装载信息；至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像；根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率；然后向第一服务器发送车厢装载率，本申请的方法，通过采用预设训练的装载识别模型对至少两张装载图像的进行识别，准确确定目标货车在第一时间的车厢装载率，使得第一服务器可根据实时的车厢装载率进一步确定目标货车的实时车厢装载情况，让目标货车的装载过程，完全可视化，便于用户查询目标货车的实时车厢装载情况。
本申请实施例还提供了另一种货车装载信息处理方法的可能实现方式，图10为本申请实施例提供的一种货车装载信息处理方法的流程示意图之八。图11为本申请实施例提供的又一种装载图像的示意图。如图10所示，根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率之前，该方法还包括：
S801、获取目标货车对应的多个样本车厢装载图像，每个样本车厢装载图像中具有货物分界线的标记值。
在本实施例中，获取目标货车对应的多个样本车厢装载图像，每个样本车厢装载图像中具有货物分界线的标记值，具体的，旋转图像将车厢中的货物放置在右侧，将长度方向的尺寸归一化到1，对每个样本车厢装载图像中的货物分界线进行标记，得到0-1中的标记值。
S802、根据多个样本车厢装载图像以及标记值，训练得到装载识别模型。
具体的，采用图像识别主干网络对多个样本车厢装载图像以及对应的标记值进行训练，其中，图像识别主干网络包括：残差神经网络ResNet、卷积神经网络EfficientNet等，结合回归器训练装载识别模型。
其中，图像识别主干网络以EfficientNet为例，最后一层的输入是x，其尺寸为<7×7×1280>，再经过平均池化层，尺寸变为<1×1×1280>，再经过一个全连接层，尺寸变成<1×1×1>，代表货物分界线到边的距离（在长度方向归一化为1，则这个值在0～1之间）。
需要说明的是，若至少两张装载图像包括图像A和图像B，第二服务器通过采用预设训练的装载识别模型对至少两张装载图像进行识别时，首先分别确定图像A和图像B的货物分界线，如图11所示，图像A的货物分界线为h，图像B的货物分界线为w，则第一时间的车厢装载率L为：
其中，H和W均归一化为1，通过上述公式确定目标货车在第一时间的车厢装载率。
本申请实施例提供的方法中，通过获取目标货车对应的多个样本车厢装载图像，每个样本车厢装载图像中具有货物分界线的标记值，根据多个样本车厢装载图像以及标记值，训练得到装载识别模型，使得第二服务器可采用装载识别模型对至少两张装载图像进行识别，准确确定第一时间的车厢装载率。
本申请实施例提供了一种货车装载信息处理系统的可能实现方式，该货车装载信息处理系统包括：第一服务器、第二服务器、车机设备以及下游应用设备，图12为本申请实施例提供的一种货车装载信息处理方法的交互示意图，如图12所示，该过程包括：
S901、车机设备向第一服务器发送车机设备所在目标货车的第一时间的装载信息。
S902、第一服务器向车机设备返回收到装载信息的确认信号。
S903、第一服务器向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率。
S904、第二服务器向第一服务器返回第一时间的车厢装载率。
S905、第一服务器向下游应用设备发送目标货车在第一时间的状态事件。
其中，上述步骤S901-S905的具体内容，在上述步骤S101-S802中均有详细的描述，在此不做赘述。通过货车装载信息处理系统中各设备之间的配合处理，完成对目标货车实时装载率的获取。
如下继续对执行本申请上述任一实施例提供的货车装载信息处理装置、服务器进行相应的解释，其具体的实现过程以及产生的技术效果与前述对应的方法实施例相同，为简要描述，本实施例中未提及部分，可参考方法实施例中的相应内容。
本申请实施例提供的一种货车装载信息处理装置的功能模块示意图。应用于第一服务器，该装置包括：
接收模块，用于接收车机设备发送的车机设备所在目标货车的第一时间的装载信息，装载信息包括：至少两张装载图像，至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像；
发送模块，用于向第二服务器发送至少两张装载图像，使得第二服务器根据至少两张装载图像，采用预先训练的装载识别模型，确定目标货车在第一时间的车厢装载率；
接收模块，还用于接收所第二服务器返回的第一时间的车厢装载率。
本申请实施例还提供的另一种货车装载信息处理装置的功能模块示意图。应用于第二服务器，该装置包括：
接收模块，用于接收第一服务器发送的目标货车在第一时间的至少两张装载图像；至少两张装载图像为车机设备向第一服务器发送的车机设备所在目标货车的第一时间的装载信息；至少两张装载图像分别为目标货车的车厢内至少两个不同视角下的装载图像；
确定模块，用于根据至少两张装载图像，采用预先训练的装载识别模型，确定所目标货车在第一时间的车厢装载率；
发送模块，用于向第一服务器发送车厢装载率。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路（Application Specific Integrated Circuit，简称ASIC），或，一个或多个微处理器，或，一个或者多个现场可编程门阵列（Field Programmable Gate Array，简称FPGA）等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器（Central Processing Unit，简称CPU）或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统（system-on-a-chip，简称SOC）的形式实现。
图13为本申请实施例提供的一种服务器的示意图，该服务器可用于货车装载信息处理。如图13所示，该服务器100包括：处理器110、存储介质120、总线130。
存储介质120存储有处理器110可执行的机器可读指令，当服务器运行时，处理器110与存储介质120之间通过总线130通信，处理器110执行机器可读指令，以执行上述方法实施例的步骤。具体实现方式和技术效果类似，这里不再赘述。
可选地，本申请还提供一种存储介质120，存储介质120上存储有计算机程序，计算机程序被处理器运行时执行上述方法实施例的步骤。具体实现方式和技术效果类似，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（英文：processor）执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文：Read-Only Memory，简称：ROM）、随机存取存储器（英文：Random Access Memory，简称：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种货车装载信息处理方法，其特征在于，应用于第一服务器，所述方法包括：
接收车机设备发送的所述车机设备所在目标货车的第一时间的装载信息，所述装载信息包括：至少两张装载图像，所述至少两张装载图像分别为所述目标货车的车厢内至少两个不同视角下的装载图像，所述至少两个不同视角下的装载图像包括：朝向所述目标货车车头的装载图像和俯视所述目标货车车厢的装载图像；
向第二服务器发送所述至少两张装载图像，使得所述第二服务器根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
接收所述第二服务器返回的所述第一时间的车厢装载率；
根据所述目标货车在所述第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定所述目标货车在所述第一时间的车厢状态；所述至少一个第二时间为所述第一时间之前的连续至少一个时间；
根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件；
所述向第二服务器发送所述至少两张装载图像，使得所述第二服务器根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率，包括：
向第二服务器发送所述至少两张装载图像，使得所述第二服务器根据所述至少两张装载图像的货物分界线以及标记值，采用所述预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
所述第一时间的车厢装载率L的计算公式表示为：
其中，H和W均归一化为1，h和w分别为所述至少两张装载图像的货物分界线。
2.如权利要求1所述的方法，其特征在于，所述根据所述目标货车所述第一时间的车厢装载率以及至少一个第二时间的车厢装载率，确定所述目标货车在所述第一时间的车厢状态，包括：
根据所述第一时间的车厢装载率以及所述第二时间的车厢装载率分别确定所述第一时间的装载等级和所述第二时间的装载等级；
根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态。
3.如权利要求2所述的方法，其特征在于，所述根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态，包括：
若所述第一时间的装载等级大于所述第二时间的装载等级，则确定所述车厢状态为正在装货状态；
所述根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件，包括：
根据所述正在装货状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的装货进行事件。
4.如权利要求2所述的方法，其特征在于，所述根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态，包括：
若所述第一时间的装载等级小于所述第二时间的装载等级，则确定所述车厢状态为正在卸货状态；
所述根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件，包括：
根据所述正在卸货状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的卸货进行事件。
5.如权利要求2所述的方法，其特征在于，所述根据所述第一时间的装载等级和所述第二时间的装载等级，确定所述目标货车在所述第一时间的车厢状态，包括：
若所述第一时间的装载等级等于所述第二时间的装载等级，则确定所述车厢状态为暂停装卸状态；
所述根据所述目标货车在所述第一时间的车厢状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的状态事件，包括：
根据所述暂停装卸状态，以及所述目标货车在所述第一时间的位置，生成针对所述目标货车在所述第一时间的装卸暂停事件。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
向下游应用设备发送所述目标货车在所述第一时间的状态事件。
7.一种货车装载信息处理方法，其特征在于，应用于第二服务器，所述方法包括：
接收第一服务器发送的目标货车在第一时间的至少两张装载图像；所述至少两张装载图像为车机设备向第一服务器发送的所述车机设备所在目标货车的第一时间的装载信息；所述至少两张装载图像分别为所述目标货车的车厢内至少两个不同视角下的装载图像，所述至少两个不同视角下的装载图像包括：朝向所述目标货车车头的装载图像和俯视所述目标货车车厢的装载图像；
根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
向所述第一服务器发送所述车厢装载率；
所述根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率，包括：
根据所述至少两张装载图像的货物分界线以及标记值，采用所述预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率；
所述第一时间的车厢装载率L的计算公式表示为：
其中，H和W均归一化为1，h和w分别为所述至少两张装载图像的货物分界线。
8.如权利要求7所述的方法，其特征在于，所述根据所述至少两张装载图像，采用预先训练的装载识别模型，确定所述目标货车在所述第一时间的车厢装载率之前，所述方法还包括：
获取所述目标货车对应的多个样本车厢装载图像，每个样本车厢装载图像中具有货物分界线的标记值；
根据所述多个样本车厢装载图像以及所述标记值，训练得到所述装载识别模型。
9.一种服务器，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的程序指令，当服务器运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述程序指令，以执行如权利要求1至6任一所述的货车装载信息处理方法的步骤，或者，执行如权利要求7至8任一所述的货车装载信息处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311316362.7A CN117078138B (zh) | 2023-10-12 | 2023-10-12 | 一种货车装载信息处理方法和服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311316362.7A CN117078138B (zh) | 2023-10-12 | 2023-10-12 | 一种货车装载信息处理方法和服务器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117078138A CN117078138A (zh) | 2023-11-17 |
| CN117078138B true CN117078138B (zh) | 2024-02-06 |
Family
ID=88702718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311316362.7A Active CN117078138B (zh) | 2023-10-12 | 2023-10-12 | 一种货车装载信息处理方法和服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117078138B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898044A (zh) * | 2018-04-13 | 2018-11-27 | 顺丰科技有限公司 | 装载率获取方法、装置、系统及存储介质 |
| CN110334986A (zh) * | 2019-06-20 | 2019-10-15 | 吉旗物联科技（上海）有限公司 | 基于货物量方的车辆装卸点识别方法及装置 |
| CN111415106A (zh) * | 2020-04-29 | 2020-07-14 | 上海东普信息科技有限公司 | 货车装载率识别方法、装置、设备及存储介质 |
| CN112037177A (zh) * | 2020-08-07 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种车厢装载率的评估方法和装置以及存储介质 |
| CN114067295A (zh) * | 2021-11-18 | 2022-02-18 | 上海高德威智能交通系统有限公司 | 一种车辆装载率的确定方法、装置及车辆管理系统 |
| CN114463697A (zh) * | 2022-01-25 | 2022-05-10 | 润建股份有限公司 | 一种基于图像识别的装载率计算方法 |
| CN114627432A (zh) * | 2022-03-11 | 2022-06-14 | 圆通全球集运有限公司 | 一种装卸货识别监控系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10127515B2 (en) * | 2008-06-27 | 2018-11-13 | Cargometrics Technologies, Llc | System and method for generating commodity flow information |
-
2023
- 2023-10-12 CN CN202311316362.7A patent/CN117078138B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108898044A (zh) * | 2018-04-13 | 2018-11-27 | 顺丰科技有限公司 | 装载率获取方法、装置、系统及存储介质 |
| CN110334986A (zh) * | 2019-06-20 | 2019-10-15 | 吉旗物联科技（上海）有限公司 | 基于货物量方的车辆装卸点识别方法及装置 |
| CN111415106A (zh) * | 2020-04-29 | 2020-07-14 | 上海东普信息科技有限公司 | 货车装载率识别方法、装置、设备及存储介质 |
| CN112037177A (zh) * | 2020-08-07 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种车厢装载率的评估方法和装置以及存储介质 |
| CN114067295A (zh) * | 2021-11-18 | 2022-02-18 | 上海高德威智能交通系统有限公司 | 一种车辆装载率的确定方法、装置及车辆管理系统 |
| CN114463697A (zh) * | 2022-01-25 | 2022-05-10 | 润建股份有限公司 | 一种基于图像识别的装载率计算方法 |
| CN114627432A (zh) * | 2022-03-11 | 2022-06-14 | 圆通全球集运有限公司 | 一种装卸货识别监控系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117078138A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109767626B (zh) | 一种路边停车巡检方法、系统、巡逻车及服务器 | |
| CN110235152B (zh) | 交通工具服务系统 | |
| US9911030B1 (en) | System and method for evaluating the perception system of an autonomous vehicle | |
| FI108083B (fi) | Automaattinen ajoneuvon tunnistamis- ja asiakkaan auton diagnoosijärjestelmä | |
| CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
| CN105976450A (zh) | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 | |
| CN106230940B (zh) | 一种基于车载智能终端的车辆碰撞检测方法及系统 | |
| CN108701396B (zh) | 一种车前积雪与结冰的检测报警方法、存储介质和服务器 | |
| CN108323210A (zh) | 车辆检测方法、装置、设备及可读存储介质 | |
| CN110992706B (zh) | 一种车辆检测方法、装置以及车路协同系统 | |
| CN112348428B (zh) | 集装箱的监控方法、装置、服务器及存储介质 | |
| US20200409929A1 (en) | Cloud-coupled connected sensor data and telematics | |
| DE102008062105A1 (de) | Proxy-basiertes Transaktions-Genehmigungssystem | |
| CN108389392A (zh) | 一种基于机器学习的交通事故责任认定系统 | |
| CN113515985B (zh) | 自助过磅系统、过磅检测方法、设备及存储介质 | |
| CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
| CN110995771A (zh) | 一种基于物联网的货车陆运监控管理系统 | |
| CN110443119B (zh) | 车厢内货物状态识别方法及装置 | |
| CN117078138B (zh) | 一种货车装载信息处理方法和服务器 | |
| CN110706115A (zh) | 交通事故快速理赔方法、系统以及一种服务器 | |
| CN112712608A (zh) | 用于通过车辆收集性能数据的系统和方法 | |
| CN110782200A (zh) | 一种物流车的智能管理系统及方法 | |
| CN116311901A (zh) | 一种智能交通实时监控系统 | |
| CN114399671A (zh) | 目标识别方法及装置 | |
| JP6906574B2 (ja) | 車載装置及び車両管理システム |
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 |