本發明專利技術提供了一種智能化檢斤系統及智能化檢斤方法，涉及智能監控系統技術領域，智能化檢斤包括：檢斤設備單元用于獲取待測車輛的基礎數據，所述基礎數據包括當前載重數據和圖像數據；數據處理單元用于基于深度學習模型對所述圖像數據進行識別，得到圖像識別結果，根據所述圖像識別結果和預設目標對所述載重數據進行劃分，得到臨時類別數據；數據分析單元用于對所述臨時類別數據和所述圖像識別結果進行綜合分析，得到最終分析結果。本發明專利技術實現了自動化的數據處理和分析流程，以減少了人工操作，提高了整體的工作效率。并可通過高精度的稱重設備和深度學習模型確保了數據的準確性。
【技術實現步驟摘要】
本專利技術涉及智能監控系統，具體而言，涉及一種智能化檢斤系統及智能化檢斤方法。
技術介紹
1、隨著交通運輸業的快速發展，車輛超載問題日益凸顯，不僅對道路基礎設施造成損害，也嚴重威脅著道路交通安全。為了有效監控和管理車輛載重，智能化檢斤系統應運而生，智能化檢斤系統通過自動化技術提高檢斤效率和準確性。
2、傳統的智能化檢斤系統采用了人工操作配合基礎自動化設備，例如地磅和基礎稱重傳感器。這些系統在數據處理和分析方面具有一定的能力，但在精度和實時性方面表現一般，這在現代物流和交通管理的高標準要求下顯得有所不足。而隨著技術的發展，對更高精度和實時性的需求日益增長，傳統的檢斤系統對車輛載重的精細化管理方面存在一定的局限性。
技術實現思路
1、本專利技術解決的問題是上述現有技術問題中的一個或者多個。
2、為解決上述問題，本專利技術提供一種智能化檢斤系統及智能化檢斤方法。
3、第一方面，本專利技術提供了一種智能化檢斤系統，包括：
4、檢斤設備單元，用于獲取待測車輛的基礎數據，所述基礎數據包括當前載重數據和圖像數據；
5、數據處理單元，用于基于深度學習模型對所述圖像數據進行識別，得到圖像識別結果，根據所述圖像識別結果和預設目標對所述載重數據進行劃分，得到臨時類別數據；
6、數據分析單元，用于對所述臨時類別數據和所述圖像識別結果進行綜合分析，得到最終分析結果。
7、可選地，所述檢斤設備單元包括稱重設備和圖像采集設備；</p>8、所述稱重設備用于獲取待測車輛的當前載重數據；
9、所述圖像采集設備用于采集所述待測車輛的圖像數據，所述圖像數據包括車牌數據和駕駛員人臉圖像數據。
10、可選地，所述深度學習模型包括多尺度卷積模塊，深度可分離卷積模塊和多任務輸出模塊，所述基于深度學習模型對所述圖像數據進行識別，得到圖像識別結果，包括：
11、對所述圖像數據進行預處理，得到臨時圖像數據；
12、通過所述多尺度卷積模塊對臨時圖像數據進行特征提取，得到多尺度特征數據；
13、通過深度可分離卷積模塊對所述多尺度特征數據進行數據處理，得到臨時特征數據；
14、通過所述多任務輸出模塊對所述臨時特征數據進行識別，得到所述圖像識別結果，所述圖像識別結果包括車輛編碼數據、車輛類型數據、車牌數據和貨物類型數據。
15、可選地，所述根據所述圖像識別結果和預設目標對所述載重數據進行劃分，得到臨時類別數據，包括：
16、將所述圖像識別結果與所述載重數據進行關聯，并基于所述預設目標對關聯后的數據進行劃分，得到所述臨時類別數據；
17、其中，所述預設目標包括超重閾值和安全標準。
18、可選地，所述對所述臨時類別數據和所述圖像識別結果進行綜合分析，得到最終分析結果，包括：
19、將所述臨時類別數據和所述圖像識別結果進行融合，得到融合數據；
20、獲取所述待測車輛的的歷史數據，并對所述歷史數據和所述融合數據進行綜合分析，得到所述最終分析結果。
21、可選地，所述對所述歷史數據和所述融合數據進行綜合分析，得到所述最終分析結果，包括：
22、獲取預設分析指標；
23、基于所述預設分析指標，對所述歷史數據和所述融合數據進行分析，得到所述最終分析結果。
24、可選地，所述預設分析指標包括合規指標、超載率指標和行為識別指標，基于所述預設分析指標，對所述歷史數據和所述融合數據進行分析，得到所述最終分析結果，包括：
25、當所述預設分析指標為所述合規指標時，計算所述融合數據與所述歷史數據的變化數據，并基于所述變化數據判斷所述待測車輛的合規風險；
26、當所述預設分析指標為所述超載率指標時，根據所述歷史數據計算所述待測車輛的超載率，并與所述融合數據進行比較，確定所述待測車輛的變化趨勢；
27、當所述預設分析指標為所述行為識別指標時，將所述歷史數據根據設定時間間隔進行劃分，得到時間序列數據，基于所述時間序列數據確定特定超載模式，并根據所述特定超載模式對所述融合數據進行分析，得到所述待測車輛的當前對應的所述特定超載模式。
28、可選地，所述的智能化檢斤系統還包括加密單元、顯示單元和存儲單元；
29、所述加密單元用于對處理過程中的數據進行加密處理；
30、所述顯示單元用于對用戶可視化展示；
31、所述存儲單元用于存儲所述的智能化檢斤系統的歷史數據。
32、可選地，所述的智能化檢斤系統還包括告警單元用于當所述待測車輛存在異常情況時，發出警報信息并通知管理人員。
33、第二方面，本專利技術提供了一種智能化檢斤方法，應用于所述的智能化檢斤系統，所述智能化檢斤方法，包括：
34、獲取待測車輛的基礎數據，所述基礎數據包括當前載重數據和圖像數據；
35、基于深度學習模型對所述圖像數據進行識別，得到圖像識別結果，根據所述圖像識別結果和預設目標對所述載重數據進行劃分，得到臨時類別數據；
36、對所述臨時類別數據和所述圖像識別結果進行綜合分析，得到最終分析結果。
37、本專利技術的智能化檢斤系統及智能化檢斤方法有益效果是：該智能化檢斤系統通過結合先進的稱重技術和深度學習算法，實現了對車輛載重的自動化和智能化管理。
38、檢斤設備單元可通過使用如高精度稱重傳感器，這些傳感器能夠測量車輛的實時載重數據，并且具有快速響應能力，以適應動態稱重的需求。再通過例如高分辨率攝像頭，用于捕捉車輛的圖像，這些圖像數據對于后續的深度學習識別至關重要。根據精確的車輛載重數據，有助于確保稱重過程的準確性和可靠性，而通過圖像數據采集，為深度學習模型提供了豐富的信息源，為后續的自動化處理和分析打下基礎。
39、數據處理單元利用已訓練好的深度學習模型對圖像數據進行處理，識別出車輛編碼、類型、車牌號碼和貨物類型等關鍵信息，根據圖像識別結果，結合預設的目標(如超重閾值和安全標準等)，將載重數據劃分為不同的類別，形成臨時類別數據。而對于深度學習模型的引入大大提高了圖像識別的準確性，減少了人工干預，提高了處理速度。并通過預設目標的設置，系統能夠自動對車輛進行分類，為后續的數據分析和決策提供支持。
40、最后數據分析單元對臨時類別數據和圖像識別結果進行分析，例如可通過獲取待測車輛的歷史數據，并與臨時類別數據和圖像識別進行對比分析，以得出最終的分析結果。通過歷史數據的對比分析，系統能夠識別出潛在的問題和風險，為管理決策提供數據支持。
41、因此，本專利技術實現了自動化的數據處理和分析流程，以減少了人工操作，提高了整體的工作效率。并可通過高精度的稱重設備和深度學習模型確保了數據的準確性。在系統運行中，可通過實時監控和分析，系統能夠及時發現超載等安全隱患，采取措施預防事故。且可通過綜合分析結果為管理層提供了有本文檔來自技高網
...
【技術保護點】
1.一種智能化檢斤系統，其特征在于，包括：
2.根據權利要求1所述的智能化檢斤系統，其特征在于，所述檢斤設備單元包括稱重設備和圖像采集設備；
3.根據權利要求2所述的智能化檢斤系統，其特征在于，所述深度學習模型包括多尺度卷積模塊，深度可分離卷積模塊和多任務輸出模塊，所述基于深度學習模型對所述圖像數據進行識別，得到圖像識別結果，包括：
4.根據權利要求3所述的智能化檢斤系統，其特征在于，所述根據所述圖像識別結果和預設目標對所述載重數據進行劃分，得到臨時類別數據，包括：
5.根據權利要求1所述的智能化檢斤系統，其特征在于，所述對所述臨時類別數據和所述圖像識別結果進行綜合分析，得到最終分析結果，包括：
6.根據權利要求5所述的智能化檢斤系統，其特征在于，所述對所述歷史數據和所述融合數據進行綜合分析，得到所述最終分析結果，包括：
7.根據權利要求6所述的智能化檢斤系統，其特征在于，所述預設分析指標包括合規指標、超載率指標和行為識別指標，基于所述預設分析指標，對所述歷史數據和所述融合數據進行分析，得到所述最終分析結果，包括：
8.根據權利要求1所述的智能化檢斤系統，其特征在于，還包括加密單元、顯示單元和存儲單元；
9.根據權利要求1所述的智能化檢斤系統，其特征在于，還包括告警單元用于當所述待測車輛存在異常情況時，發出警報信息并通知管理人員。
10.一種智能化檢斤方法，其特征在于，應用于如權利要求1至9任一項所述的智能化檢斤系統，所述智能化檢斤方法包括：
...
【技術特征摘要】
1.一種智能化檢斤系統，其特征在于，包括：
2.根據權利要求1所述的智能化檢斤系統，其特征在于，所述檢斤設備單元包括稱重設備和圖像采集設備；
3.根據權利要求2所述的智能化檢斤系統，其特征在于，所述深度學習模型包括多尺度卷積模塊，深度可分離卷積模塊和多任務輸出模塊，所述基于深度學習模型對所述圖像數據進行識別，得到圖像識別結果，包括：
4.根據權利要求3所述的智能化檢斤系統，其特征在于，所述根據所述圖像識別結果和預設目標對所述載重數據進行劃分，得到臨時類別數據，包括：
5.根據權利要求1所述的智能化檢斤系統，其特征在于，所述對所述臨時類別數據和所述圖像識別結果進行綜合分析，得到最終分析結果，包括：
6.根據權利要求5所述...
【專利技術屬性】
技術研發人員：姜宏志，
申請(專利權)人：中國第一重型機械股份公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。