KR102425437B1 - 적재물 자동 식별 기능을 구비하는 고정식 축중기 - Google Patents

적재물 자동 식별 기능을 구비하는 고정식 축중기 Download PDF

Info

Publication number
KR102425437B1
KR102425437B1 KR1020210135755A KR20210135755A KR102425437B1 KR 102425437 B1 KR102425437 B1 KR 102425437B1 KR 1020210135755 A KR1020210135755 A KR 1020210135755A KR 20210135755 A KR20210135755 A KR 20210135755A KR 102425437 B1 KR102425437 B1 KR 102425437B1
Authority
KR
South Korea
Prior art keywords
vehicle
loading
load
weight
control unit
Prior art date
Application number
KR1020210135755A
Other languages
English (en)
Inventor
김종우
정영우
이성민
정승우
Original Assignee
(주)유디엔에스
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by (주)유디엔에스 filed Critical (주)유디엔에스
Priority to KR1020210135755A priority Critical patent/KR102425437B1/ko
Application granted granted Critical
Publication of KR102425437B1 publication Critical patent/KR102425437B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
    • G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/62—Over or under weighing apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G23/00—Auxiliary devices for weighing apparatus
    • G01G23/18—Indicating devices, e.g. for remote indication; Recording devices; Scales, e.g. graduated
    • G01G23/32—Indicating the weight by optical projection means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G9/00—Methods of, or apparatus for, the determination of weight, not provided for in groups G01G1/00 - G01G7/00
    • 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
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Toys (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 적재물 자동 식별 기능을 구비하는 고정식 축중기를 공개한다. 본 발명은 차량의 하중을 측정하는 고정식 축중기에, 차량을 다양한 각도에서 촬영할 수 있는 카메라부를 설치하고, 카메라부에서 촬영된 차량 번호판, 차량의 측면 이미지 및 적재함 이미지를 이용하여, 차량의 과적 여부 뿐만 아니라 차량적재물의 종류 및 적재 불량 유형을 판정하고, 차량의 불법 개조 여부, 적재 부피 초과 여부, 적재량 초과 여부 등과 같은, 차량의 다양한 문제점을 간편하면서도 신속하고 정확하게 판정할 수 있다. 특히, 본 발명은 사전에 다양한 종류의 적재물(골재, 토사, 모래, 시멘트, 혼화재 등)을 적재함에 실은 사진들과 적재 불량의 예들(결속 불량, 미덮개, 편중적재, 낙하위험 등)을 포함한 사진들을 이용하여 학습된 인공 지능 모델을 이용하여, 차량의 적재물 종류 및 적재 불량 유형을 간편하면서도 신뢰성 높게 판정할 수 있다.

Description

적재물 자동 식별 기능을 구비하는 고정식 축중기{Weigh-In-Motion having function of automatic loads identification}
본 발명은 고정식 축중기에 관한 것으로서, 보다 구체적으로는 적재물 자동 식별 기능을 구비하는 고정식 축중기에 관한 것이다.
국내 플랜트 및 레미콘 공장의 경우, 덤프트럭이나 탱크로리와 같은 대형트럭에 원자재를 적재하여 입고를 진행하는데, 이때 현장에서는 원자재 운반트럭의 운전자 혹은 납품사에서 제시한 종이송장을 받고 육안으로 적재함을 확인하여 부피단위(m3, 루배)로 적재량을 관리하고 있다.
그런데, 적재물이 골재처럼 공극이 크거나 비정형 원자재인 경우, 육안으로 부피를 가늠하기가 어렵고, 정확한 적재량을 관리하기가 어려워서, 종이송장에 기입된 물리량에 의존하는 한계가 있다.
몇몇 플랜트의 경우, 정차식 계근대를 활용하여 입고량(ton, 톤)을 측정하기도 하지만, 입고 원자재의 양이 많아 운송차량의 일일 통행량이 많은 경우에는, 기존 정차식 계근대 혹은 종이송장을 활용하여, 인력으로 실시간 입고량을 관리하기엔 한계가 있다.
또한, 입고된 화물 종류에 따라 실시간 재고량을 관리하고 익일 발주량을 산정하기 어려우며, 종이송장의 분실시 납품사에 공급 원자재량에 따른 재료원가 및 운송대금 지급에 분쟁 발생 우려가 있다.
이 뿐만 아니라, 도로 현장의 경우, 주행차량의 과적 단속을 위하여 고속 축중기를 설치하여 과적 혐의차량을 선별하거나, 저속 축중기를 활용하여 선별된 과적 혐의차량을 2차 측정하여 단속에 활용한다.
그러나, 적재불량 단속의 경우, 이동단속원이 육안으로 적재물의 부피 및 적재상태를 확인하여 적재불량 혐의차량을 선별하고, 선별된 혐의차량을 줄자 등으로 2차로 측정하는 고전적인 방식으로 단속업무를 수행하는 것이 현실이다.
또한, 적재불량 혐의차량을 육안으로 선별하는 방식으로는 적재물의 정량적인 부피 초과를 가늠하기 어려운 문제가 있고, 따라서 오로지 단속원의 감에 의지하므로 검차대비 단속율이 매우 저조한 실정이다.
이동단속원이 도로 외곽에서 단속업무 수행하는 경우에도, 주행차량이 대기 위치까지 근접하기 전까지는 적재물의 종류나 높이, 길이, 폭의 제원 초과여부를 정확히 인식하기가 어렵고, 뒤늦게 혐의를 발견하여 단속을 수행하려면 고속으로 주행 중인 차량을 한참을 뒤쫓아야하는 불편함이 있다.
또한, 화물차량의 경우, 가동축 추가 및 적재함 개조 등의 차량출고 후 개조하는 경우가 많고, 차량별로 적재량 및 차량제원이 달라 자동차 등록정보 DB를 확인하지 않고선 차량의 최대적재량 및 부피, 불법개조 여부를 가늠할 수 없어 사실상 이에 대한 단속에 손을 놓고 있는 실정이다.
본 발명이 해결하고자 하는 과제는, 다양한 건축 현장을 출입하는 화물 차량의 적재 중량, 적재물의 종류 및 적재 상태를 종합적으로 판정할 수 있는, 적재물 자동 식별 기능을 구비하는 고정식 축중기를 제공하는 것이다.
상술한 과제를 해결하기 위한 본 발명의 바람직한 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기는, 차량이 통과하는 경로에 설치되어, 차량의 번호판 이미지, 측면 이미지 및 적재함 이미지를 촬영하는 카메라부; 차량의 총중량을 측정하는 중량 측정부; 및 상기 번호판 이미지로부터 차량 번호를 인식하고, 상기 차량 번호에 대응되는 차량 모델 및 차량 제원 정보를 차량 정보 DB 서버로부터 수신하며, 상기 차량의 총중량에 따라서 상기 차량의 과적 여부를 판정하고, 상기 적재함 이미지를 사전에 학습된 인공 지능 모델에 적용하여, 차량의 적재물 종류와 적재 불량 여부 및 적재 불량 유형을 판정하는 제어부를 포함한다.
또한, 상기 제어부는, 상기 차량 제원 정보와 상기 측면 이미지를 이용하여 차량의 적재 부피 초과 여부를 판정할 수 있다.
또한, 상기 제어부는, 상기 측면 이미지로부터 현재 운행중인 차량의 높이, 너비 및 길이를 인식하고, 인식된 차량의 높이, 너비 및 길이를 차량 제원 정보에 포함된 차량의 높이, 너비 및 길이와 각각 비교하여, 적재 부피 초과 여부를 판정할 수 있다.
또한, 상기 인공 지능 모델은, 사전에 정의된 복수 종류의 적재물(골재, 토사, 모래, 시멘트, 혼화재 중 하나 이상을 포함함)을 적재함에 실은 사진들 및 적재 불량의 예들(결속 불량, 미덮개, 편중적재, 낙하위험 중 하나 이상을 포함함)을 포함한 사진들로 학습을 수행하여, 상기 적재함 이미지로부터 적재물의 종류 및 적재 불량 여부 및 적재 불량 유형을 판정할 수 있다.
또한, 본 발명의 바람직한 다른 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기는, 차량의 통과 경로 중 상기 중량 측정부의 전방에 설치되어 차량의 진입을 감지하는 진입 감지 센서; 및 차량의 통과 경로 중 상기 중량 측정부의 후방에 설치되어 차량의 진출을 감지하는 진출 감지 센서;를 포함하는 감지부를 더 포함하고, 상기 중량 측정부는 상기 진입 감지 센서에서 차량을 감지하면 활성화되고, 진출 감지 센서에서 차량의 진출을 감지하면 비활성화될 수 있다.
또한, 상기 중량 측정부는 축 수 및 축간 거리를 더 측정하고, 상기 제어부는 상기 중량 측정부로부터 입력된 축수 및 축간 거리를, 상기 차량 제원 정보에 포함된 축수 및 축간 거리와 비교하여, 차량의 불법 개조 여부를 판정할 수 있다.
또한, 상기 제어부는, 상기 중량 측정부에서 측정된 차량의 총중량에서 상기 차량 제원 정보에 포함된 차량의 공차 중량을 감산하여 차량의 적재 중량을 구하며, 상기 구해진 적재 중량이 상기 차량 제원 정보에 포함된 차량의 최대 적재량을 초과하는지 조사하여 적재량 초과여부를 판정할 수 있다.
또한, 본 발명의 바람직한 다른 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기는, 통과하는 차량에 설치되는 RFID 태그를 판독하여 적재물 종류에 관한 정보를 제어부로 출력하는 RFID 리더기를 더 포함하고, 상기 제어부는, 적재함 이미지를 상기 인공 지능 모델에 입력한 결과, 차량의 적재함이 탱크로리 또는 컨테이너로 판명되는 경우, 상기 RFID 리더기로부터 입력되는 정보로부터 적재물의 종류를 파악할 수 있다.
또한, 상기 제어부는 판정 결과를 관리 서버 및 관리자 단말(단속 단말)로 전송하고, 데이터베이스에 저장하며, 상기 데이터베이스에 저장된 결과를 이용하여 통계정보를 생성할 수 있다.
또한, 상기 통계 정보는, 적재물인 원자재(토사, 골재, 시멘트, 모래 중 적어도 하나를 포함함)별 입고량 및 출고량을 포함하고, 차량 번호별 과적 횟수, 적재 불량 유형별 적재 불량 횟수, 불법 개조 횟수, 적재 부피 초과 횟수, 및 적재량 위반 횟수 중 적어도 하나를 포함할 수 있다.
본 발명은 차량의 하중을 측정하는 고정식 축중기에, 차량을 다양한 각도에서 촬영할 수 있는 카메라부를 설치하고, 카메라부에서 촬영된 차량 번호판, 차량의 측면 이미지 및 적재함 이미지를 이용하여, 차량의 과적 여부 뿐만 아니라 차량적재물의 종류 및 적재 불량 유형을 판정하고, 차량의 불법 개조 여부, 적재 부피 초과 여부, 적재량 초과 여부 등과 같은, 차량의 다양한 문제점을 간편하면서도 신속하고 정확하게 판정할 수 있다.
특히, 본 발명은 사전에 다양한 종류의 적재물(골재, 토사, 모래, 시멘트, 혼화재 등)을 적재함에 실은 사진들과 적재 불량의 예들(결속 불량, 미덮개, 편중적재, 낙하위험 등)을 포함한 사진들을 이용하여 학습된 인공 지능 모델을 이용하여, 차량의 적재물 종류 및 적재 불량 유형을 간편하면서도 신뢰성 높게 판정할 수 있다.
도 1 은 본 발명의 바람직한 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기의 구성을 도시하는 도면이다.
도 2는 본 발명의 바람직한 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기의 설치 예를 도시하는 도면이다.
도 3은 본 발명의 바람직한 실시예에 따른 제어부에 탑재되는 인공 지능 모델의 구조 및 동작 방식을 설명하는 도면이다.
도 4는 본 발명의 바람직한 실시예에 따라서 본 발명의 적재물 자동 식별 기능을 구비하는 고정식 축중기의 동작 과정을 설명하는 도면이다.
이하, 도면을 참고하여 본 발명의 바람직한 실시예를 설명한다.
여기서, 본 발명의 상술한 목적, 특징들 및 장점은 첨부된 도면과 관련된 다 음의 상세한 설명을 통해 보다 분명해질 것이다. 다만, 본 발명은 다양한 변경을 가할 수 있고 여러가지 실시예들을 가질 수 있는 바, 이하에서는 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
도면들에 있어서, 층 및 영역들의 두께는 명확성을 기하기 위하여 과장되어진 것이며, 또한, 구성요소(element) 또는 층이 다른 구성요소 또는 층의 "위(on)" 또는 "상(on)"으로 지칭되는 것은 다른 구성요소 또는 층의 바로 위 뿐만 아니라 중간에 다른 층 또는 다른 구성요소를 개재한 경우를 모두 포함한다. 명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
본 발명과 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 본 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
도 1 은 본 발명의 바람직한 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기의 구성을 도시하는 도면이고, 도 2는 본 발명의 바람직한 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기의 설치 예를 도시하는 도면이다. 또한, 도 3은 본 발명의 바람직한 실시예에 따른 제어부(150)에 탑재되는 인공 지능 모델의 구조 및 동작 방식을 설명하는 도면이다.
도 1 내지 도 3을 참조하면, 본 발명의 바람직한 실시예에 따른 적재물 자동 식별 기능을 구비하는 고정식 축중기(100)(이하, "축중기"로 약칭함)는, 건설 현장 또는 관리 장소(단속 장소, 재고 관리 장소, 하중 측정 장소 등)에 설치되어 진입 및 진출하는 차량의 전체 중량을 측정하여 과적 여부 및 적재량 초과 여부를 판단한다. 또한, 축중기는 차량을 다양한 각도에서 카메라로 촬영하고 촬영된 이미지를 사전에 학습된 인공 지능 모델에 적용하여, 차량의 적재 상태, 적재물의 종류, 적재량 부피 초과 여부 및 불법 개조 여부 등을 종합적으로 판단한다.
아울러, 본 발명의 축중기는 유무선 통신망을 통해서 차량 정보 DB 서버(200), 관리 서버(300), 및 관리자 단말(400)과 연결되고, 차량 정보 DB 서버(200)에 차량 번호를 조회하여 차량 번호에 대응되는 차량의 정보(차량 모델, 차량 제원 정보 등)를 수신한 후, 이를 이용하여 상술한 바와 같은 차량의 과적, 적재 불량, 불법 개조, 적재량 초과, 적재 부피 초과 등을 종합적으로 판단하고, 판단된 사항을 관리 서버(300)로 전송하여 저장 및 관리하거나, 관리자 단말(단속 단말)(400)로 전송하여 실시간 단속을 수행할 수 있다.
도 1을 참고하면, 본 발명의 바람직한 실시예에 따른 축중기는 카메라부(110), RFID 리더기(120), 감지부(130), 중량 측정부(140), 제어부(150) 및 데이터베이스(160)를 포함한다. 카메라부(110)는 번호인식 카메라(111), 측면 카메라(113) 및 적재함 카메라(115)를 포함하고, 감지부(130)는 진입 감지 센서(131) 및 진출 감지 센서(133)를 포함하며, 중량 측정부(140)는 제 1 측정기(141) 및 제 2 측정기(142)를 포함한다. 각 구성요소들의 기능을 설명하면 아래와 같다.
번호인식 카메라(111)는 차량이 통과하는 경로의 전방 또는 후방에 설치되어 차량 번호판을 촬영하여 제어부(150)로 출력하고, 측면 카메라(113)는 차량이 통과하는 경로의 전방 또는 후방에 설치되고, 차량의 전측면 또는 후측면을 비스듬히 촬영하여 제어부(150)로 출력한다. 이 때, 측면 카메라(113)에서 촬영하는 한 장의 이미지 내에 비스듬히 촬영된 차량의 전체 모습이 포함되도록 측면 카메라(113)의 설치 위치가 선정된다.
또한, 적재함 카메라(115)는 차량의 적재함보다 높은 위치에 설치되어, 통과하는 차량의 적재함을 촬영하여 제어부(150)로 출력한다.
RFID 리더기(120)는 차량 통과 경로의 전방 또는 측면에 설치되어 차량에 설치된 RFID 태그(500)로부터 적재물과 관련된 정보를 판독하여 제어부(150)로 출력한다.
진입 감지 센서(131) 및 진출 감지 센서(133)는 차량의 통과 경로상에 설치되어, 차량의 진입 및 진출을 감지하여 제어부(150)로 출력한다. 본 발명의 바람직한 실시예에서는, 도 2에 도시된 바와 같이, 차량의 통과 경로상에 배치되고, 중량 측정부(140)의 전방에 진입 감지 센서(131)를 배치하고, 중량 측정부(140)의 후방에 진출 감지 센서(133)를 배치하여, 진입 감지 센서(131)에서 차량을 감지하면 중량 측정부(140)를 활성화하고, 진출 감지 센서(133)에서 차량의 진출을 감지하면 중량 측정부(140)를 비활성화할 수 있도록 하였다.
중량 측정부(140)는 통과하는 차량의 각 축의 중량(축중량), 축수 및 축간 거리를 측정하여 제어부(150)로 출력한다. 중량 측정부(140)에서 축중량, 축수 및 축간 거리를 측정하는 방식은 다양한 종래 기술들이 적용될 수 있다. 본 발명의 바람직한 실시예에서, 중량 측정기는 서로 사전에 정의된 저리만큼 이격되도록 설치되고, 인가되는 하중을 출력하는 제 1 측정기(141) 및 제 2 측정기(142)를 포함하여 구성된다.
제어부(150)는 하드웨어적으로는 프로세서 및 메모리를 포함하여 구성되고, 기능적으로는 사전에 학습된 인공 지능 모델을 탑재하고, 카메라부(110)로부터 입력된 이미지들을 분석하여 차량의 적재함에 실린 적재물을 식별 및 분류하고, 적재 불량 여부 및 적재 불량 유형을 판단한다.
또한, 제어부(150)는 번호인식 카메라(111)로부터 차량 번호판을 촬영한 이미지를 입력받고, 해당 이미지로부터 차량 번호를 인식하여 차량 정보 DB 서버(200)로부터 차량 번호에 대응되는 차량 모델 및 차량 제원에 관한 차량 정보를 수신한다. 이 때, 차량 제원 정보에는 차량의 축수, 축간 거리, 공차 중량, 최대 적재량, 차체 높이, 차체 너비, 및 차체 길이를 포함한다.
그리고, 제어부(150)는 카메라부(110)에서 입력된 이미지들, 중량 측정부(140)에서 측정된 차량의 축하중, 총중량, 축수, 축간 거리와, 차량 정보 DB 서버(200)로부터 수신된 차량의 차량 모델 및 차량 제원 정보를 이용하여, 차량의 과적, 적재량 초과, 적재 부피 초과 및 불법 개조 여부를 판단하여 관리 서버(300) 및 관리자 단말(400)(단속 단말)로 전송하고, 해당 데이터들을 내부의 데이터베이스(160)에 저장한다.
이하, 보다 구체적으로 제어부(150)가 수행하는 기능들을 설명한다.
먼저, 제어부(150)는 중량 측정부(140)로부터 통과하는 차량의 총중량, 축중량, 축수 및 축간 거리를 입력받는다. 아울러, 제어부(150)는 카메라부(110)로부터 차량의 번호판 이미지, 측면 이미지 및 적재함 이미지를 입력받는다.
그 후, 제어부(150)는 번호판 이미지로부터 차량 번호를 인식하고, 차량의 측면 이미지에 대해서 이미지 프로세싱을 수행하여, 운행중인 차량의 높이, 너비 및 길이를 파악한다. 상기 설명한 바와 같이, 측면 이미지는 차량의 전체 형상을 포함하도록 비스듬히 촬영되므로, 제어부(150)는 측면 이미지에 포함된 차량의 형상을 회전하고 확대 및 축소하고, 정규화하는 등의 이미지 프로세싱을 수행한 후, 해당 이미지로부터 운행 차량의 높이, 너비, 길이 등을 파악한다.
이 때, 제어부(150)는 측면 이미지로부터 차량의 윤곽선을 추출하여 차량의 높이, 너비 및 길이 등을 파악하므로, 과적으로 인해 적재물이 차체 외부로 연장되는 경우에는 연장된 적재물까지 차체로 인식된다.
또한, 제어부(150)는 차량의 측면 이미지 및 적재함 이미지를 사전에 학습된 인공 지능 모델에 적용하여, 차량 모델을 파악하고, 적재물의 종류를 식별 및 분류하며, 적재 불량 유형을 분류한다.
여기서, 도 3을 참조하면, 본 발명의 제어부(150)에 탑재되는 인공 지능 모델은 사전에 다양한 종류의 적재물(골재, 토사, 모래, 시멘트, 혼화재 등)을 적재함에 실은 사진들, 및 적재 불량의 예들(결속 불량, 미덮개, 편중적재, 낙하위험 등)을 포함한 사진들을 학습하여, 입력되는 차량의 이미지에 대해서 적재물의 종류 및 적재 불량 여부 및 적재 불량 유형을 판단할 수 있도록 마련된다. 본 발명의 인공 지능 모델은 이미지 처리에 최적화된 CNN(Convolution Neural Network) 모델로 구현되었으나, 다른 종류의 모델들도 적용 가능함은 물론이다.
여기서, 제어부(150)가 적재함 이미지를 인공 지능 모델을 이용하여 분석한 결과, 차량의 적재함이 탱크로리이거나 컨테이너인 경우에는 적재함 이미지로 적재물의 종류를 식별할 수 없다. 이 경우, 차량의 운전석 또는 사전에 정의된 차량의 위치에, 적재물의 종류를 나타내는 정보를 포함하는 RFID 태그(500)가 설치되고, RFID 리더기(120)가 통과하는 차량의 RFID 태그(500)를 판독하여 적재물 종류에 관한 정보를 제어부(150)로 출력한다. 제어부(150)는 적재함 이미지를 인공 지능 모델에 입력한 결과, 차량의 적재함이 탱크로리 또는 컨테이너로 판명되는 경우, RFID 리더기(120)로부터 입력되는 정보로부터 적재물의 종류를 파악한다.
그 후, 제어부(150)는 상기 인식된 차량 번호를 차량 정보 DB 서버(200)에 조회하여, 차량 모델 정보 및 차량 제원 정보를 포함하는 차량 정보를 수신한다.
제어부(150)는 중량 측정부(140)로부터 입력된 차량의 전체 중량을 기준치와 비교하여 과적 여부를 판정한다.
그 후, 제어부(150)는 인공 지능 모델에서 분류된 적재 불량 유형에 따라서 현재 차량의 적재 불량 여부를 판단한다. 도 3에 도시된 예에서, 적재함 이미지를 인공 지능 모델에 입력한 결과, 적재물의 종류는 골재로 판정되었고, 적재 불량 유형으로는 낙하위험이 94.4%에 해당하는 것으로 분류되었으므로, 제어부(150)는 낙하위험이 있는 적재 불량으로 판정한다.
다음으로, 제어부(150)는 차량 번호판 이미지로부터 인식된 차량 번호와 측면 이미지 및 적재함 이미지로부터 인식된 차량 모델이, 차량 정보 DB 서버(200)로부터 수신한 차량 번호 및 차량 모델과 일치하는지를 확인하고, 차량 번호와 차량 모델이 서로 일치하는 경우에는, 차량 이미지들로부터 파악한 차량의 정보를 신뢰할 수 있다고 판단하여 과적, 부피 초과, 및 불법 개조 여부를 판정한다.
먼저, 제어부(150)는 중량 측정부(140)로부터 입력된 축수 및 축간 거리를, 차량 정보 DB 서버(200)로부터 수신한 차량 제원 정보의 축수 및 축간 거리와 일치하는지 비교하여, 차량의 불법 개조 여부를 판정한다.
또한, 제어부(150)는 차량의 현재 적재 중량이 차량의 최대 적재 중량을 초과하여 적재량 초과에 해당하는지 여부를 판정한다. 이 때, 제어부(150)는 중량 측정부(140)에서 측정된 차량의 총중량에서, 차량 정보 DB 서버(200)로부터 수신된 차량의 공차 중량을 감산하여 현재 통과 차량의 적재 중량을 계산하고, 이를 차량 정보 DB 서버(200)로부터 수신된 차량 제원 정보의 최대 적재량과 비교하여, 현재 적재량이 최대 적재량을 초과하는 경우에는 적재량 초과로 판정한다.
아울러, 제어부(150)는 차량의 제원 정보에 포함된 차체 높이, 차체 너비 및 차체 길이를, 측면 이미지로부터 파악된 차체의 높이, 차체 너비 및 차체 길이와 각각 비교하여, 적재 부피 초과 여부를 판정한다. 여기서, 제어부(150)는 차체, 너비 및 길이 중 어느 하나라도 사전에 정의된 임계치 이상 초과하는 경우에는 적재 부피 초과로 판단한다.
한편, 제어부(150)는 판정 결과를 관리 서버(300) 및 관리자 단말(400)(단속 단말)로 전송하는 한편 데이터베이스(160)에 저장하고, 저장된 결과를 이용하여 통계정보를 생성하여 데이터베이스(160)에 저장하고, 기존에 저장된 통계 정보를 갱신할 수 있다.
이 때, 통계 정보는 적재물인 원자재(토사, 골재, 시멘트, 모래 등)별 입고량 및 출고량을 포함할 수 있고, 차량 번호별로 차량의 과적 횟수, 적재 불량 유형별 적재 불량 횟수, 불법 개조 횟수, 적재 부피 초과 횟수, 및 적재량 위반 횟수 등을 포함할 수 있다.
즉, 본 발명의 고정식 축중기를 차량의 진입로 및 차량의 진출로에 각각 설치한 후, 제어부(150)는 적재물 이미지로부터 적재물을 판정하고, 입차시 차량의 총중량("만차 중량"으로 설정함)에서 출차시의 차량의 총중량("공차 중량"으로 설정함)을 감산하여 적재량을 계산하고, 이를 해당 원자재의 입고량으로 생성할 수 있다.
동일한 방식으로, 출차시 차량의 총중량("만차 중량"으로 설정함)에서 입차시의 차량의 총중량("공차 중량"으로 설정함)을 감산하여 적재량을 계산하고, 이를 해당 원자재의 출고량으로 생성할 수 있다.
또한, 제어부(150)는 적재물 이미지로부터 적재물을 판정하고, 입차시 차량의 총중량("만차 중량"으로 설정함)에서 차량 정보 DB 서버(200)로부터 수신한 차량 제원 정보의 공차 중량을 감산하여 적재량을 계산하고, 이를 해당 원자재의 입고량으로 생성할 수 있다. 동일한 방식으로, 제어부(150)는 출차시 차량의 총중량("만차 중량"으로 설정함)에서 차량 정보 DB 서버(200)로부터 수신한 차량 제원 정보의 공차 중량을 감산하여 적재량을 계산하고, 이를 해당 원자재의 출고량으로 생성할 수도 있다.
도 4는 본 발명의 바람직한 실시예에 따라서 본 발명의 적재물 자동 식별 기능을 구비하는 고정식 축중기의 동작 과정을 설명하는 도면이다.
도 4에 도시된 단계들에서 수행되는 기능은 상기한 도 1 내지 도 3을 참조하여 설명한 것과 동일하므로, 이하에서는 각 단계에서 수행되는 동작들에 대한 자세한 설명은 생략하고, 전체적인 흐름을 중심으로 살펴본다.
도 4를 참조하면, 도 2에 도시된 바와 같이, 중량 측정부(140), 카메라부(110), RFID 리더기(120) 및 감지부(130)가 설치된 본 발명의 바람직한 실시예에 따른 고정식 축중기에 차량이 진입하면, 진입 감지 센서(131)가 차량을 감지하여 제어부(150)로 출력하고, 제어부(150)가 중량 측정부(140)를 활성화하여 차량의 축하중을 측정하고, 축수 및 축간 거리를 측정하는 동시에(S411), 카메라부(110)를 활성화하여 번호 인식 카메라(111)가 차량의 전면인 차량 번호판을 촬영하여 제어부(150)로 출력하고, 측면 카메라(113)가 차량의 측면을 촬영하여 측면 이미지를 제어부(150)로 출력하며, 적재함 카메라(115)가 차량의 적재함을 촬영하여 적재함 이미지를 제어부(150)로 출력하도록 제어한다(S413).
그러면, 제어부(150)는 입력된 차량 번호판 이미지로부터 차량 번호를 인식하고(S421), 측면 이미지에서 차량의 윤곽선을 추출하여 운행중인 차량의 높이, 너비 및 길이를 파악한다(S423).
그 후, 제어부(150)는 사전에 학습된 인공 지능 모델에 측면 이미지 및 적재함 이미지를 적용하여 차량 모델을 판정하고, 적재함에 실린 적재물의 종류를 판정하며, 적재 불량 여부 및 적재 불량 유형을 판정한다(S425).
다음으로, 제어부(150)는 중량 측정부(140)로부터 입력된 차량의 총중량을 기준치와 비교하여 차량의 과적 여부를 판정한다(S431).
그리고, 제어부(150)는 차량 번호판 이미지로부터 인식된 차량 번호를 차량 정보 DB 서버(200)로 전송하고, 차량 정보 DB 서버(200)로부터 차량 번호에 대응되는 차량 모델 및 차량 제원 정보를 수신하고, 상기 S425 단계에서 판정된 차량 모델과 차량 정보 DB 서버(200)로부터 수신된 차량 모델이 일치하는지 여부를 확인한다(S440). 만약, 이미지로부터 인식된 차량 번호와 차량 모델이 차량 정보 DB 서버(200)로부터 수신된 차량 번호 및 차량 모델과 서로 일치한다면, 이는 상기 제 S425 단계에서 이미지로부터 차량 모델과 적재물의 종류 및 적재 불량 유형을 판정하는 과정이 신뢰성 있다고 판단할 수 있으므로, 후술하는 일련의 판정 과정들을 수행한다.
먼저, 제어부(150)는 중량 측정부(140)에서 측정된 축수 및 축간 거리를, 차량 제원 정보에 포함된 축수 및 축간 거리와 비교하여, 불일치 하는 경우에는 불법 개조 차량으로 판정한다(S451).
제어부(150)는 현재 적재 중량을 차량 제원 정보에 포함된 최대 적재량과 비교하여, 현재 적재 중량이 최대 적재량을 초과하는 경우에 적재량 초과라고 판정한다(S453). 제어부(150)는 중량 측정부(140)에서 측정된 차량의 총중량에서, 차량 제원 정보상의 차량의 공차 중량을 감산하여 현재 통과 차량의 적재 중량을 계산하고, 이를 차량 제원 정보상의 최대 적재량과 비교하여, 현재 적재량이 최대 적재량을 초과하는지 여부를 판정한다.
아울러, 제어부(150)는 상기 S423 단계에서 파악된 운행 차량의 높이, 너비 및 길이를 차량 제원 정보상의 차체 높이, 너비 및 길이와 각각 비교하여, 적재 부피의 초과 여부를 판정한다(S455).
제어부(150)는 상술한 제 S425 단계 내지 제 S455 단계의 판정 결과를 내부의 데이터베이스(160)에 저장하는 한편, 관리 서버(300) 및 관리자 단말(400)(단속 단말)로 전송하고(S460), 판정 결과를 포함하는 통계 정보를 생성하여 데이터베이스(160)에 저장하고, 기존 저장된 통계 정보들을 갱신한다(S470).
한편, 상술한 제 S451 단계 내지 제 S455 단계의 판정 과정은 설명의 편의상 순차적으로 수행되는 것으로 설명하였으나, 판정 항목들의 순서는 변경이 가능하고, 동시에 판정하는 것도 가능함을 당업자는 알 수 있을 것이다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
100 : 고정식 축중기 110 : 카메라부
111 : 번호 인식 카메라 113 : 측면 카메라
115 : 적재함 카메라 120 : RFID 리더기
130 : 감지부 131 : 진입 감지 센서
133 : 진출 감지 센서 140 : 중량 측정부
141 : 제 1 측정기 142 : 제 2 측정기
150 : 제어부 160 : 데이터베이스
200 : 차량 정보 DB 서버 300 : 관리 서버
400 : 관리자 단말

Claims (10)

  1. 차량이 통과하는 경로에 설치되어, 차량의 번호판 이미지, 측면 이미지 및 적재함 이미지를 촬영하는 카메라부;
    차량의 총중량을 측정하는 중량 측정부; 및
    상기 번호판 이미지로부터 차량 번호를 인식하고,
    상기 차량 번호에 대응되는 차량 모델 및 차량 제원 정보를 차량 정보 DB 서버로부터 수신하며,
    상기 차량의 총중량에 따라서 상기 차량의 과적 여부를 판정하고,
    상기 적재함 이미지를 사전에 학습된 인공 지능 모델에 적용하여, 차량의 적재물 종류와 적재 불량 여부 및 적재 불량 유형을 판정하는 제어부를 포함하고,
    상기 제어부는
    상기 측면 이미지로부터 현재 운행중인 차량의 높이, 너비 및 길이를 인식하고, 인식된 차량의 높이, 너비 및 길이를 차량 제원 정보에 포함된 차량의 높이, 너비 및 길이와 각각 비교하여, 적재 부피 초과 여부를 판정하며,
    상기 인공 지능 모델은
    사전에 정의된 복수 종류의 적재물(골재, 토사, 모래, 시멘트, 혼화재 중 하나 이상을 포함함)을 적재함에 실은 사진들 및 적재 불량의 예들(결속 불량, 미덮개, 편중적재, 낙하위험 중 하나 이상을 포함함)을 포함한 사진들로 학습을 수행하여, 상기 적재함 이미지로부터 적재물의 종류 및 적재 불량 여부 및 적재 불량 유형을 판정하고,
    상기 제어부는 판정 결과를 관리 서버 및 관리자 단말(단속 단말)로 전송하고, 데이터베이스에 저장하며, 상기 데이터베이스에 저장된 결과를 이용하여 통계정보를 생성하며,
    상기 통계 정보는, 적재물인 원자재(토사, 골재, 시멘트, 모래 중 적어도 하나를 포함함)별 입고량 및 출고량을 포함하고, 차량 번호별 과적 횟수, 적재 불량 유형별 적재 불량 횟수, 불법 개조 횟수, 적재 부피 초과 횟수, 및 적재량 위반 횟수 중 적어도 하나를 포함하고,
    상기 중량 측정부는 축 수 및 축간 거리를 더 측정하고,
    상기 제어부는 상기 중량 측정부로부터 입력된 축수 및 축간 거리를, 상기 차량 제원 정보에 포함된 축수 및 축간 거리와 비교하여, 차량의 불법 개조 여부를 판정하는 것을 특징으로 하는 적재물 자동 식별 기능을 구비하는 것을 특징으로 하는 적재물 자동 식별 기능을 구비하는 고정식 축중기.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    차량의 통과 경로 중 상기 중량 측정부의 전방에 설치되어 차량의 진입을 감지하는 진입 감지 센서; 및
    차량의 통과 경로 중 상기 중량 측정부의 후방에 설치되어 차량의 진출을 감지하는 진출 감지 센서;를 포함하는 감지부를 더 포함하고,
    상기 중량 측정부는 상기 진입 감지 센서에서 차량을 감지하면 활성화되고, 진출 감지 센서에서 차량의 진출을 감지하면 비활성화되는 것을 특징으로 하는 적재물 자동 식별 기능을 구비하는 고정식 축중기.
  6. 삭제
  7. 제 1 항에 있어서, 상기 제어부는
    상기 중량 측정부에서 측정된 차량의 총중량에서 상기 차량 제원 정보에 포함된 차량의 공차 중량을 감산하여 차량의 적재 중량을 구하며, 상기 구해진 적재 중량이 상기 차량 제원 정보에 포함된 차량의 최대 적재량을 초과하는지 조사하여 적재량 초과여부를 판정하는 것을 특징으로 하는 적재물 자동 식별 기능을 구비하는 고정식 축중기.
  8. 제 1 항에 있어서,
    통과하는 차량에 설치되는 RFID 태그를 판독하여 적재물 종류에 관한 정보를 제어부로 출력하는 RFID 리더기를 더 포함하고,
    상기 제어부는, 적재함 이미지를 상기 인공 지능 모델에 입력한 결과, 차량의 적재함이 탱크로리 또는 컨테이너로 판명되는 경우, 상기 RFID 리더기로부터 입력되는 정보로부터 적재물의 종류를 파악하는 것을 특징으로 하는 적재물 자동 식별 기능을 구비하는 고정식 축중기.
  9. 삭제
  10. 삭제
KR1020210135755A 2021-10-13 2021-10-13 적재물 자동 식별 기능을 구비하는 고정식 축중기 KR102425437B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210135755A KR102425437B1 (ko) 2021-10-13 2021-10-13 적재물 자동 식별 기능을 구비하는 고정식 축중기

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210135755A KR102425437B1 (ko) 2021-10-13 2021-10-13 적재물 자동 식별 기능을 구비하는 고정식 축중기

Publications (1)

Publication Number Publication Date
KR102425437B1 true KR102425437B1 (ko) 2022-07-27

Family

ID=82701236

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210135755A KR102425437B1 (ko) 2021-10-13 2021-10-13 적재물 자동 식별 기능을 구비하는 고정식 축중기

Country Status (1)

Country Link
KR (1) KR102425437B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115876300A (zh) * 2022-12-29 2023-03-31 广东长盈科技股份有限公司 一种工业数据集成服务无人值守检斤数据检验方法及系统
CN117520979A (zh) * 2023-11-03 2024-02-06 长沙云软信息技术有限公司 一种基于ocr识别的地磅测量设备及其使用方法
CN117788871A (zh) * 2023-12-26 2024-03-29 海南言发高科技有限公司 一种基于人工智能的车载称重管理方法及平台
CN117520979B (zh) * 2023-11-03 2024-05-31 长沙云软信息技术有限公司 一种基于ocr识别的地磅测量设备及其使用方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190000049A (ko) * 2017-06-22 2019-01-02 조헌 차량의 중량 측정센서
KR102131603B1 (ko) * 2019-12-16 2020-07-08 이수행 무인 계근 자동화 시스템
KR102243493B1 (ko) * 2020-08-10 2021-04-22 주식회사에스에이티 화물 차량의 낙하물 방지를 위한 적재 불량 단속 시스템
KR102296471B1 (ko) * 2021-02-05 2021-09-01 주식회사 알씨 인공지능 기반 차량 적재불량 검출 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190000049A (ko) * 2017-06-22 2019-01-02 조헌 차량의 중량 측정센서
KR102131603B1 (ko) * 2019-12-16 2020-07-08 이수행 무인 계근 자동화 시스템
KR102243493B1 (ko) * 2020-08-10 2021-04-22 주식회사에스에이티 화물 차량의 낙하물 방지를 위한 적재 불량 단속 시스템
KR102296471B1 (ko) * 2021-02-05 2021-09-01 주식회사 알씨 인공지능 기반 차량 적재불량 검출 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115876300A (zh) * 2022-12-29 2023-03-31 广东长盈科技股份有限公司 一种工业数据集成服务无人值守检斤数据检验方法及系统
CN115876300B (zh) * 2022-12-29 2023-10-27 广东长盈科技股份有限公司 一种工业数据集成服务无人值守检斤数据检验方法及系统
CN117520979A (zh) * 2023-11-03 2024-02-06 长沙云软信息技术有限公司 一种基于ocr识别的地磅测量设备及其使用方法
CN117520979B (zh) * 2023-11-03 2024-05-31 长沙云软信息技术有限公司 一种基于ocr识别的地磅测量设备及其使用方法
CN117788871A (zh) * 2023-12-26 2024-03-29 海南言发高科技有限公司 一种基于人工智能的车载称重管理方法及平台

Similar Documents

Publication Publication Date Title
KR102425437B1 (ko) 적재물 자동 식별 기능을 구비하는 고정식 축중기
US9864968B2 (en) Systems and methods for freight tracking and monitoring
JP4667205B2 (ja) 産業廃棄物の輸送管理システム
US9841314B2 (en) Systems and methods for freight tracking and monitoring
US8626541B2 (en) System for managing loading operations of haul vehicles
US8602298B2 (en) Recycling system and method thereof
KR102368084B1 (ko) 운송차량 관리시스템
US10902436B2 (en) Fraud detection system and method
WO2018052583A1 (en) Autonomous vehicle content identification system and associated methods
US8669861B1 (en) Method for establishing a risk profile using RFID tags
CN113515985B (zh) 自助过磅系统、过磅检测方法、设备及存储介质
KR101136393B1 (ko) 과중량 차량 적발 및 단속 시스템
CN109064102A (zh) 一种散装产品流向管控方法、系统、装置及存储介质
CN110782214A (zh) 应用于建筑废弃物回收处理的智慧监管系统
KR102243493B1 (ko) 화물 차량의 낙하물 방지를 위한 적재 불량 단속 시스템
KR100931911B1 (ko) 입출차 모니터링 방법 및 시스템
KR102422616B1 (ko) 인공지능을 이용한 화물 차량 현장 모니터링 시스템 및 방법
CN116957446A (zh) 网络货运管理方法、管理系统、地磅系统及存储介质
CN111465950B (zh) 控制机动车辆的导航的系统和方法
KR20220011021A (ko) 골재 재고 관리 시스템
KR102361722B1 (ko) 운송작업 관리 시스템
KR102549432B1 (ko) 스마트 골재 무인 출하 관리 시스템 및 그 동작 방법
Gomez et al. Iot cargo weight tracking system for supply chains
US11972452B2 (en) Fraud detection system and method
KR102623236B1 (ko) 컨테이너 터미널 게이트 자동화 컨테이너 데미지 검출 시스템 및 이의 실행방법

Legal Events

Date Code Title Description
GRNT Written decision to grant