CN117173637A - 无人值守检斤防作弊方法、装置、系统及可读介质 - Google Patents

Abstract

本发明涉及自动称重领域，尤其涉及无人值守检斤防作弊方法、装置、系统及可读介质。一种无人值守检斤防作弊方法，包括：获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。通过获取待称重货车的水箱的出水管的图像，进而对该出水管图像进行识别，判定是否处于打开状态，若是就判定已经放水完成，进而对货车进行称重，也就是确保司机不能通过水箱放水的方式干扰精准称重，全自动完成水箱是否放空水检测，无需要人工参与，有效节省人力成本，且实时检测水箱是否排空，无需事后追查。

Description

无人值守检斤防作弊方法、装置、系统及可读介质

技术领域

本发明涉及自动称重领域，尤其涉及无人值守检斤防作弊方法、装置、系统及可读介质。

背景技术

无人值守称重系统已在煤矿、焦化、钢铁冶炼、采矿冶金、石油化工、水泥、建材、粮食、食品、饲料、农产品收购、畜牧业、港口码头等多个行业得到了广泛的应用，对提高企业管理水平、堵塞管理漏洞、降低消耗、控制成本、规范生产秩序、提高工作效率、提高经济效益等起到了非常积极的作用。传统的无人值守智能称重系统通过多种手段代替人工进行防作弊监测，包括车辆不完全上磅监测、更换车牌监测、表头遥控干扰监测等，但是在水箱作弊上司机在过毛重前把水箱加满水，卸完货后把水放掉，从而影响净重值给收货单位造成损失。

目前的自动称重系统重的监测系统存在的缺陷和不足包括：1、通过人工在检斤现场检查的方式查看车辆水箱是否被放空，检查人员需要24小时值班，非常浪费人力资源；2、通过视频监控和图像抓拍的方式检查水箱开关是否已打开，这种方式只能事后查证，不能做到实时监测；3、车辆水箱检查过程耗时较长，车辆过磅需要排队等候。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供无人值守检斤防作弊方法、装置、系统及可读介质，可有效防止司机在过毛重前把水箱加满水，卸完货后把水放掉，从而影响净重值给收货单位造成损失。

为了达到上述目的，本发明采取了以下技术方案：

一方面，本发明提供一种无人值守检斤防作弊方法，包括：

获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；

使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；所述判定数据包括水管打开、水管关闭；所述第一识别模型基于神经网络模型构建；

当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。

进一步的，在获取第一图像前，还包括：

获取待称重货车图像；

使用车型识别模型对所述待称重货车图像进行识别得到车型数据；所述车型识别模型基于神经网络模型构建；

基于所述车型数据确定水箱位置；

获取对应的所述水箱位置的第一图像。

进一步的，在的到所述车型数据后，还执行：

基于所述车型数据获取所述待称重货车的多个风险部位；

获取待称重货车对应每个所述风险部位的第二图像；

基于第二识别模型对所述第二图像进行识别，得到风险数据；所述第二识别模型基于神经网络模型构建；

基于所述风险数据执行示警操作。

进一步的，所述风险数据包括异常信息、无异常信息；

基于所述风险数据执行示警操作，具体包括：

当所述风险数据为异常信息时，对外发出示警信息。

进一步的，基于第二识别模型对所述第二图像进行识别，得到风险数据，具体包括：

若通过所述第二识别模型对所述第二图像进行识别，判定所述第二图像中具有水箱图像，则风险数据为异常信息，否则所述风险数据为无异常信息。

进一步的，当所述风险数据为异常信息时，还包括：

将所述第二图像输入到所述第一识别模型中进行识别，得到对应的出水管图像的判定数据，当所述判定数据为水管打开时，对所述待称重货车进行称重工作，否则对外发出示警信息。

进一步的，当所述判定数据为水管关闭时，对外发出示警信息。

另一方面，本发明提供一种无人值守检斤防作弊装置，包括：

获取模块，用于获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；

识别模块，用于使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；所述判定数据包括水管打开、水管关闭；所述第一识别模型基于神经网络模型构建；

称重模块，用于当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。

另一方面，本发明提供一种无人值守检斤防作弊系统，包括：

地磅；

一个或多个摄像头，用于获取检测图像；所述检测图像包括包含有待称重货车的水箱的出水管图像的第一图像、对应每个风险部位的第二图像、待称重货车图像；

所述的无人值守检斤防作弊装置，分别与所述地磅、所述摄像头连接。

另一方面，本发明提供一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的无人值守检斤防作弊方法。

相较于现有技术，本发明提供的无人值守检斤防作弊方法、装置、系统及可读介质，具有以下有益效果：

使用本发明提供的无人值守检斤防作弊方法，通过获取待称重货车的水箱的出水管的图像，进而对该出水管图像进行识别，判定是否处于打开状态，若是就判定已经放水完成，进而对货车进行称重，也就是确保司机不能通过水箱放水的方式干扰精准称重，全自动完成水箱是否放空水检测，无需要人工参与，有效节省人力成本，且实时检测水箱是否排空，无需事后追查。

附图说明

图1是本发明提供的无人值守检斤防作弊方法的流程图。

图2是本发明提供的无人值守检斤防作弊方法一种实施方式流程图。

图3是本发明提供的基于车型获取第一图像过程的流程图。

图4是本发明提供的进行风险检测的流程图。

图5是本发明提供的无人值守检斤防作弊装置的结构框图。

图6是本发明提供的无人值守检斤防作弊系统的示意图。

具体实施方式

为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本领域技术人员应当理解，前面的一般描述和下面的详细描述是本发明的示例性和说明性的具体实施例，不意图限制本发明。

本文中术语“包括”，“包含”或其任何其他变体旨在覆盖非排他性包括，使得包括步骤列表的过程或方法不仅包括那些步骤，而且可以包括未明确列出或此类过程或方法固有的其他步骤。同样，在没有更多限制的情况下，以“包含...一个”开头的一个或多个设备或子系统，元素或结构或组件也不会没有更多限制，排除存在其他设备或其他子系统或其他元素或其他结构或其他组件或其他设备或其他子系统或其他元素或其他结构或其他组件。在整个说明书中，短语“在一个实施例中”，“在另一个实施例中”的出现和类似的语言可以但不一定都指相同的实施例。

除非另有定义，否则本文中使用的所有技术和科学术语具有与本发明所属领域的普通技术人员通常所理解的相同含义。

货车在下坡需要长时间刹车时刹车蹄片与车鼓摩擦产生大量的热，刹车鼓非常烫，需要通过水箱输送水滴进行降温，车辆上磅前放临时放空水箱不会对货车行车安全造成影响，货车在离场时再进行水箱充水。因此，在发明中结合管理制度的要求，送货车辆在上磅前司机先把车辆的水箱开关打开并放空水箱里的水，然后，送货车辆排空水箱的水后保持水箱开关为打开状态进行上磅。

请参阅图1-图2、图6，本发明提供一种无人值守检斤防作弊方法，应用于自动称重系统，适用于货车水箱安装在车辆两则并且水箱排水开关不被遮挡的情况下监测使用。

自动称重系统包括控制装置、音柱、LED显示屏、摄像头、地磅和补光灯等设备，主要是通过摄像头监控并结合智能AI算法识别出水箱开关是否处于打开状态，如果水箱开关处于打开状态则判定为水箱内的水已放空水，如果水箱开关为关闭状态侧通过显示屏文字提示和语音播报提醒的方式提示司机放空水箱并保持水箱排水开关为打开状态再重新上磅。所述控制装置包括计算机、服务器等智能设备。自动称重系统中的各个部件之间基于工业互联网进行数据交互。

无人值守检斤防作弊方法包括：

获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；具体的，在本实施例中，所述第一图像通过摄像头实时获取，摄像头装设在对应水箱出水管的位置处。进一步的，可以在地磅的周围布设多个摄像头，在使用时，仅获取其中一个摄像头传输的数据，或者在多个图像中，针对每个拍摄的图像均作为第一图像进行识别。

使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；所述判定数据包括水管打开、水管关闭；所述第一识别模型基于神经网络模型构建；在具体操作时，若是这对一辆待称重货车进行了多个角度方位的图像获取，此时针对多个第一图像均进行识别，其中存在出水管的第一图像的判定数据均为水管打开的情况下，就继续对货车进行称重操作。

当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。

当所述判定数据为水管关闭时，对外发出示警信息。

使用本发明提供的无人值守检斤防作弊方法，通过获取待称重货车的水箱的出水管的图像，进而对该出水管图像进行识别，判定是否处于打开状态，若是就判定已经放水完成，进而对货车进行称重，也就是确保司机不能通过水箱放水的方式干扰精准称重，全自动完成水箱是否放空水检测，无需要人工参与，有效节省人力成本，且实时检测水箱是否排空，无需事后追查。

在一些实施例中，所述第一识别模型的生成过程包括：

获取第一训练集，所述第一训练集包括多个第一训练样本，所述第一训练样本为具有货车的水箱的出水管图像以及对应的工作状态标签；所述工作状态标签包括打开状态、关闭状态；

使用第一训练集对初始化的神经网络模型进行训练得到所述第一识别模型。优选的，所述第一识别模型内置在控制装置中。

进一步的，在一些实施例中，第一识别模型内置在摄像头中形成第一智能摄像头，对外输出所述判定数据到控制装置，控制装置接收到该判定数据后，当所述判定数据为水管打开时，驱动地磅执行对所述待称重货车的称重操作。当所述判定数据为水管关闭时，驱动音柱或LED显示屏对外发出示警信息。

具体实施时，可以是送货车辆上磅后进入智能摄像头的识别区域，智能识别摄像头对水箱开关状态进行识别并通过网络上报识别结果给检斤磅房内的控制装置。

计算机接收到智能摄像头返回的识别结果，如果接收到的结果为水箱开关是关闭状态，则计算机程序通过网络向LED屏幕发送“请打开水箱开关，放空水箱后重新上磅”文字提醒，并同时向音柱发送文字的语音播报提醒。

LED显示屏及音柱接收计算机发过来的信息做出响应。

进一步的，请参阅图3，作为优选方案，本实施例中，在获取第一图像前，还包括：

获取待称重货车图像；

使用车型识别模型对所述待称重货车图像进行识别得到车型数据；所述车型识别模型基于神经网络模型构建；

基于所述车型数据确定水箱位置；

获取对应的所述水箱位置的第一图像。在本实施例中，先拍摄待称重货车的图像，进而确定待称重货车的车辆类型，进而确定该种型号的货车其水箱的出水管的位置，进而拍摄对应出水管的第一图像，因此更加能够更加灵活的对货车的水箱进行拍照。

在一些实施例中，所述车型识别模型的生成过程包括：

获取车型训练集，所述车型训练集包括多个车型训练样本，所述车型训练样本为货车图像以及车型标签；

使用车型训练集对初始化的神经网络模型进行训练得到所述车型识别模型。优选的，所述车型识别模型内置在控制装置中。

在一些实施例中，针对不同的货车车型，关联有对应的水箱位置数据，也就是只要得到货车车型数据就可以快速知道给车型的水箱位置数据，进而快速找到对应的水箱位置，进一步找到出水管位置。

在一些实施例中，所述车型识别模型内置在摄像头中形成车型识别摄像头，对外输出车型数据到控制装置。控制装置在接收到车型数据后，会调取对应车型数据的货车的水箱位置数据，并驱动对应的第一智能摄像头进行获取第一图像数据，进而得到判定数据。

进一步的，为了进一步防止司机在货车上的其他位置加装水箱，而无法直接观察，请参阅图4，作为优选方案，本实施例中，在的到所述车型数据后，还执行：

基于所述车型数据获取所述待称重货车的多个风险部位；

获取待称重货车对应每个所述风险部位的第二图像；

基于第二识别模型对所述第二图像进行识别，得到风险数据；所述第二识别模型基于神经网络模型构建；

基于所述风险数据执行示警操作。在本实施例中，当确定了带称重货车的类型后，就可以确定该车的多个容易加装水箱的位置作为风险位置，例如底盘、尾部等不显眼位置。进一步的，对应获取第二图像的摄像头也装设在能够拍摄到对应风险位置的地方，例如装设在地磅上，朝上用于拍摄车底。然后，获取每个风险位置的第二图像，进而判定是否有外置悬挂物，同时判定外置悬挂物是否为水箱、水桶等，若是，就对外进行示警，能够快速发现货车是否被改装过。示警的方式可以通过语音播报的方式，例如播放语音“有外置水箱。请将其中出水管打开后，重新称重”。LED显示屏显示“请打开水箱开关，放空水箱后重新上磅”文字信息，同时音柱播放相应的声音提示。

在一些实施例中，所述第二识别模型的生成过程包括：

获取第二训练集，所述第二训练集包括多个第二训练样本，所述第二训练样本为具有货车的水箱的出水管图像以及对应的工作状态标签；所述工作状态标签包括打开状态、关闭状态；

使用第二训练集对初始化的神经网络模型进行训练得到所述第二识别模型。优选的，所述第二识别模型内置在控制装置中。

在一些实施例中，第一识别模型内置在摄像头中形成第一智能摄像头，对外输出所述风险数据到控制装置。

进一步的，作为优选方案，本实施例中，所述风险数据包括异常信息、无异常信息；

基于所述风险数据执行示警操作，具体包括：

当所述风险数据为异常信息时，对外发出示警信息；

当所述风险数据为非异常信息时，则对待称重货车进行称重操作。

进一步的，作为优选方案，本实施例中，基于第二识别模型对所述第二图像进行识别，得到风险数据，具体包括：

若通过所述第二识别模型对所述第二图像进行识别，判定所述第二图像中具有水箱图像，则风险数据为异常信息，否则所述风险数据为无异常信息。具体的，当货车上悬挂有外置水箱或水桶时，所述风险信息为异常信息，否则为无异常信息。在本实施例中，只要有外置水箱存在就对外发出示警信息，提醒值班人员进行现场干预，并将图像信息进行存档。

进一步的，作为优选方案，本实施例中，当所述风险数据为异常信息时，还包括：

将所述第二图像输入到所述第一识别模型中进行识别，得到对应的出水管图像的判定数据，当所述判定数据为水管打开时，对所述待称重货车进行称重工作，否则对外发出示警信息。在本实施例中，当悬挂有外置水箱，且该水箱的出水管是关闭状态时，所述风险信息为异常信息，否则为无异常信息。即可保证及时在货车上悬挂有外置水箱的情况下，也对该水箱是否已经放水完毕进行检测，进一步提升防作弊的效果。

预先对多种车辆水箱的现场进行拍摄，并对水箱开启状态和关闭状态的图片进行训练，使用目标检测和动作识别等AI技术，通过训练得出一套可对车辆水箱开关状态识别的模型。

进一步的，在一些实施例中，可以将第一识别模型和第二识别模型集成到同一摄像头中，形成AI智能摄像头。

相应的，请参阅图5，本发明还提供一种无人值守检斤防作弊装置，包括：

获取模块，用于获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；

识别模块，用于使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；所述判定数据包括水管打开、水管关闭；所述第一识别模型基于神经网络模型构建；

称重模块，用于当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。

相应的，请参阅图6，本发明还提供一种无人值守检斤防作弊系统，包括：

地磅；

一个或多个摄像头，用于获取检测图像；所述检测图像包括包含有待称重货车的水箱的出水管图像的第一图像、对应每个风险部位的第二图像、待称重货车图像；

所述的无人值守检斤防作弊装置，分别与所述地磅、所述摄像头连接。

具体实施时，可以为在检斤磅房内安装计算机，用于无人值守称重设备的联动控制。在汽车衡左右两侧居中位置安装AI智能识别摄像头，摄像头的视野范围覆盖货车侧面水箱安装的位置，摄像头通过网络与磅房内的计算机连接。在摄像头旁边安装补光灯，用于对货车水箱排水开关照明以提高摄像头识别率。在检斤磅房的墙上安装音柱，并通过网络与检斤房内的计算机连接。在汽车衡前后出后安装LED显示屏，并通过网络与检斤房内的计算机连接。在检斤磅房内的计算机上安装软件程序用于接收AI智能识别摄像头的数据并联动控制LED显示屏和音柱发送提示指令。

相应的，本发明还提供一种计算机可读介质，存储有计算机程序，所述计算机程序被处理器执行时实现所述的无人值守检斤防作弊方法。

计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种无人值守检斤防作弊方法，其特征在于，包括：

获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；

使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；所述判定数据包括水管打开、水管关闭；所述第一识别模型基于神经网络模型构建；

当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。

2.根据权利要求1所述的无人值守检斤防作弊方法，其特征在于，在获取第一图像前，还包括：

获取待称重货车图像；

使用车型识别模型对所述待称重货车图像进行识别得到车型数据；所述车型识别模型基于神经网络模型构建；

基于所述车型数据确定水箱位置；

获取对应的所述水箱位置的第一图像。

3.根据权利要求2所述的无人值守检斤防作弊方法，其特征在于，在的到所述车型数据后，还执行：

基于所述车型数据获取所述待称重货车的多个风险部位；

获取待称重货车对应每个所述风险部位的第二图像；

基于第二识别模型对所述第二图像进行识别，得到风险数据；所述第二识别模型基于神经网络模型构建；

基于所述风险数据执行示警操作。

4.根据权利要求3所述的无人值守检斤防作弊方法，其特征在于，所述风险数据包括异常信息、无异常信息；

基于所述风险数据执行示警操作，具体包括：

当所述风险数据为异常信息时，对外发出示警信息。

5.根据权利要求4所述的无人值守检斤防作弊方法，其特征在于，基于第二识别模型对所述第二图像进行识别，得到风险数据，具体包括：

若通过所述第二识别模型对所述第二图像进行识别，判定所述第二图像中具有水箱图像，则风险数据为异常信息，否则所述风险数据为无异常信息。

6.根据权利要求5所述的无人值守检斤防作弊方法，其特征在于，当所述风险数据为异常信息时，还包括：

将所述第二图像输入到所述第一识别模型中进行识别，得到对应的出水管图像的判定数据，当所述判定数据为水管打开时，对所述待称重货车进行称重工作，否则对外发出示警信息。

7.根据权利要求1所述的无人值守检斤防作弊方法，其特征在于，当所述判定数据为水管关闭时，对外发出示警信息。

8.一种无人值守检斤防作弊装置，其特征在于，包括：

获取模块，用于获取第一图像；所述第一图像包含有待称重货车的水箱的出水管图像；

识别模块，用于使用第一识别模型对所述第一图像进行识别，得到对应的所述出水管图像的判定数据；所述判定数据包括水管打开、水管关闭；所述第一识别模型基于神经网络模型构建；

称重模块，用于当所述判定数据为水管打开时，执行对所述待称重货车的称重操作。

9.一种无人值守检斤防作弊系统，其特征在于，包括：

地磅；

一个或多个摄像头，用于获取检测图像；所述检测图像包括包含有待称重货车的水箱的出水管图像的第一图像、对应每个风险部位的第二图像、待称重货车图像；

权利要求8所述的无人值守检斤防作弊装置，分别与所述地磅、所述摄像头连接。

10.一种计算机可读介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的无人值守检斤防作弊方法。