基于数据预测与智能视频检测的绿通系统、方法及应用

技术领域

本发明属于图像识别技术领域，尤其涉及基于数据预测与智能视频检测的绿通系统、方法及应用。

背景技术

高速公路鲜活农产品绿通车辆由于通行费减免政策，存在货物不一致、虚报瞒报现象的出现，故一般收费车道工作人员需要对车辆货物进行检查。现阶段一般采取人工查验、摄像机查验、X光查验、大数据记录查验方法，但是这些方法均存在不足。

人工查验由于货物堆放较多，很难直接看到农产品内部是什么状态，且翻动耗费时间长造成车道拥堵，可能造成农产品的损坏；摄像机查验方法由于普通摄像机无法从外部观察货物内部，内窥式摄像机则需要多个点插入检查，一方面货物紧密情况下很难插入，一方面还是耗时较长对农产品有损伤；X光查验能够快速对物体进行拍照扫描，准确度高速度快。但是外场使用存在辐射对收费员和司机健康有危害，且X光查验对厢式货车这样全封闭的车辆无法穿透，效果不好；大数据登记溯源方式则在于对车辆、货物预登记检查从而实现快速绿通查验，但是问题在于现阶段无法建立一套全国统一的登记平台，而货车拉运鲜活农产品可能会跨越多个省份。且无法追踪货车在中途换车厢、调整货物等信息，存在不足。

通过上述分析，现有技术存在的问题及缺陷为：

(1)现有技术中，针对绿通车辆查验，所采用的技术手段均不完善，存在人为、环境等限制，很难实现绿通车辆的快速查验。

(2)现有技术中绿通车辆快速查验系统，查验速度慢，检测准确度差，使得车辆通行效率低。

发明内容

为克服相关技术中存在的问题，本发明公开实施例提供了基于数据预测与智能视频检测的绿通系统、方法及应用。

所述技术方案如下：一种基于数据预测算法与智能视频检测的绿通检测方法包括：

S1，获取车辆的基础数据以及基础计算数据；所述车辆的基础数据包括车辆车型、空载重量、货箱体积；所述基础计算数据包括车型、车牌、轴数、重量、长度、宽度、车体特征；

S2，利用AI摄像机(单独的摄像机或者手持的平板来获得农产品信息)获取处于收费车道的车辆拉载的农产品信息，并进行识别；

S3，基于步骤S1获取的数据，以及步骤S2识别后的农产品信息，并结合外界环境影响因素，根据递归算法与AI智能演算以及进行比对，得到符合车辆通行的模型；

S4，对比对后的车辆是否符合规定结果，进行显示。

在一个实施例中，在步骤S1中，根据绿通鲜活农产品品种目录、国内货车品牌种类，得到农产品重量、相应的体积与理论密度，并通过试验检测、收费站实测数据、专家评测得到农产品运输车辆密度体积比较值；

通过整理各个货车厂家的货运车辆数据，得到基础数据，并通过试验检测、收费站实测数据、专家评测得到车辆重量数据。

在一个实施例中，在步骤S1中，基础数据再通过智能算法进行学习，通过积累数据与算法得到最终的基础计算数据。

本发明主要的思路是一个误差的结果，货物重量的密度、重量理论值和实际值肯定有误差，通过大量数据的积累，得到合理的误差值，从而提高识别的准确度。

在一个实施例中，在步骤S2中，AI摄像机包括车型识别摄像机，用于获取车辆的车牌、车型、厂家、总轴数数据，并获取拉载的农产品货物的体积数据，以及利用称重设备获取拉载的农产品货物的重量。

在一个实施例中，拉载的农产品货物的体积数据获取方法包括：

根据车辆的车牌、车型、厂家、总轴数数据，采用智能算法与图像识别对拉载的农产品货物的体积进行识别。

具体包括：采用固定摄像机或者手持摄像机拍摄货车货仓总体的照片，通过AI识别车体的长度、宽度和高度，如采用泡沫板等包装得到间隙，通过AI摄像机得到车辆的轴数，通过智能算法识别货物的种类，通过以上方法得到车辆基本的载货种类，货物长度、宽度、高度，货物之间码放的间隙实际参数。

在一个实施例中，在步骤S3中，基于步骤S2获取的拉载的农产品货物的重量、车型与体积数据，步骤S1获取的车辆的基础数据，结合气温、气压环境修正参数，根据递归算法与AI智能演算，得出车辆是否符合免费规定的结果；

具体地，绿通车辆通行的本质是通过设备所得到的特征，验证车辆所表现出来的特征和测量的参数是否符合理论上的计算结果，从而快速认证是否存在违规逃费的情况，是一种数字模型的验证；

递归算法是将车辆通过的数据分解为车体验证、重量验证、轴数验证、密度验证、货物种类验证几个方面，通过权重的形式对理论数据与实际数据进行对比，在一定允许误差范围内进行判定的过程。

在步骤S4中，根据绿通车辆是否符合免费规定的结果，利用显示屏显示，并进行语音播报。

在一个实施例中，利用收费站出口处计重车道对绿通车辆不符合免费规定的结果进行复测。

本发明的另一目的在于提供一种实施所述基于数据预测算法与智能视频检测的绿通检测方法的基于数据预测算法与智能视频检测的绿通系统包括：

大数据模块，用于获取车辆的基础数据以及基础计算数据；所述车辆的基础数据包括车辆车型、空载重量、货箱体积；

车型与体积识别模块，利用AI摄像机获取处于收费车道的车辆车型，以及拉载的农产品体积信息，并进行识别；

所述称重模块，用于绿通车辆到达收费车道后，称重设备得到车辆的总体质量；

比对与计算模块，用于根据称重模块、车型与体积识别模块得到的数据，与大数据模块中获取的车辆、拉载的农产品的重量比进行比对，结合气温、气压环境修正参数，得出绿通车辆是否符合免费规定的结果；

显示与复测模块，用于绿通车辆是否符合免费规定的结果，在现场显示屏显示，并进行语音播报；以及用于在收费站出口处计重车道进行复测；

智能算法模块，用于根据大数据模块的基础参数，结合车辆装载农产品实测数据、已有绿通车辆通行数据、环境影响因素，根据递归算法与AI智能演算，得到符合绿通车辆通行的模型。

本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于数据预测算法与智能视频检测的绿通检测方法。

本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述基于数据预测算法与智能视频检测的绿通检测方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：

第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：

(1)避免了传统的人工检验、摄像头插入检验、X光检验的不足，检测速度快。

(2)采用大数据结合AI算法的方式，技术水平高，可结合白名单等方式实现智能化的管理。

本发明创新在于设备放置的位置和大数据得到的模型算法，以及对图像的精准识别技术与算法，解决了现有技针对绿通车辆查验，所采用的技术手段均不完善，存在人为、环境等限制，很难实现绿通车辆的快速查验的问题。本发明提供的一种基于计算机视觉目标检测、车型识别、车辆称重、模型比对算法、大数据对比的绿通车辆快速查验系统，实现了绿通车辆快速查验，提高了车辆通行效率与检测准确度。

第二、把技术方案看作一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：

本发明检测速度快：所有数据在车辆进入收费车道后即可处理，避免采用人工或者摄像机穿刺检测等速度较慢的方式。如采用人工或摄像机穿刺的方式，每辆车一般需要5-15分钟的处理时间，如采用本方式，一般可在15-60秒完成绿通车辆通行。

本发明准确度高：

绿通检测核心的因素是绿通车辆运输不属于鲜活农产品目录的货物，这些货物由于体积或者质量的不同，很难做到与所申报的农产品质量比一致。如申报了大白菜，经过模型验算后的密度应为177KG/M

本发明智能化程度高：进入车道的运输车辆均通过现场的智能化设备对图像进行处理，通过车标、轴数、外形尺寸等找到相应的车型数据，车厢装载的货物均通过现场的智能化设备对图像进行处理，得到货物装载的高度、长度、宽度数据，快速判断，不需要人工介入。货车所拉的农产品数据可采用图像自动识别技术，精准识别所拉的农产品名称，从而避免人为干预。

本发明智能化模型与大数据的应用：大数据全面录入市场上所有的货车数据，以及绿通清单上的蔬菜相应数据，并通过理论计算、实际试验验证、已有数据比对等过程，结合迭代模型算法，创造出绿通车辆通行验证模型，从而实现智能化的绿通管控。

本发明提供了一套有效的检测模型：绿通检测常用的人工检验和摄像机检验所得到的数据不具备统一的标准，故结果往往出现争议，采用此方法检测有统一的检测标准，便于在实际工作中实施采用。

第三、作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：

(1)本发明采用数据模型的方式来处理绿通业务，所需要的数据来源均是货车车道已有的设备，如重量数据来自于已有的地秤，车牌数据来自于车道的车牌识别仪，车型数据来自车道的AI摄像机，货物图像来自于收费站工作人员的绿通宝手持终端，故不需要额外的硬件投资。技术的核心是数据模型与AI算法，故商业价值较高。国内每个收费站均有1-4条绿通车道，故需求量巨大，具有较高的商业价值。

(2)国内现阶段绿通的检测方式主要还是通过人工查验的方式，检测速度慢，准确率低，容易造成货车拥堵。而且对于厢式货车，很难通过人工、X光、摄像机检验的方式来检验。此技术方案可以快速实现绿通车辆货物的查验，且过程均通过数据和照片的方式记录，避免了人工的误差。

(3)货车绿通查验一直是收费站管理人员比较头疼的问题，本发明的核心是人工查验速度慢、准确率低，且存在人为的因素。而采用摄像机或者X光均存在各种不足，无法满足各种场景。故绿通查验一直在寻求一种快速、稳定、高效的检测方式，本方案就是通过数据模型与AI算法实现了这一目的。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法流程图；

图2是本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法原理图；

图3是本发明实施例提供的基于数据预测算法与智能视频检测的绿通系统示意图；

图中：1、大数据模块；2、车型与体积识别模块；3、称重模块；4、比对与计算模块；5、显示与复测模块；6、智能算法模块。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

一、解释说明实施例：

实施例1

如图1所示，本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法包括：

S101，获取车辆的基础数据以及基础计算数据；所述车辆的基础数据包括车辆车型、空载重量、货箱体积；所述基础计算数据包括车型、车牌、轴数、重量、长度、宽度、车体特征；

S102，利用AI摄像机获取处于收费车道的车辆拉载的农产品信息，并进行识别；

S103，基于步骤S101获取的数据，以及步骤S102识别后的农产品信息，并结合外界环境影响因素，根据递归算法与AI智能演算以及进行比对，得到符合车辆通行的模型；

S104，对比对后的车辆是否符合规定结果，进行显示。

实施例2

基于本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法，在一优选实施例中，在步骤S101中，根据绿通鲜活农产品品种目录、国内货车品牌种类，得到农产品重量、相应的体积与理论密度，并通过试验检测、收费站实测数据、专家评测得到农产品运输车辆密度体积比较值；

通过整理各个货车厂家的货运车辆数据，得到基础数据，并通过试验检测、收费站实测数据、专家评测得到车辆重量数据。

实施例3

基于本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法，在一优选实施例中，在步骤S101中，基础数据再通过智能算法进行学习，通过积累数据与算法得到最终的基础计算数据。

实施例4

基于本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法，在一优选实施例中，在步骤S102中，AI摄像机包括车型识别摄像机，用于获取车辆的车牌、车型、厂家、总轴数数据，并获取拉载的农产品货物的体积数据，以及利用称重设备获取拉载的农产品货物的重量。

在一优选实施例中，拉载的农产品货物的体积数据获取方法包括：

根据车辆的车牌、车型、厂家、总轴数数据，采用智能算法与图像识别对拉载的农产品货物的体积进行识别。其中，智能算法采用BP神经网络算法或智能交互算法。

实施例5

基于本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法，在一优选实施例中，在步骤S103中，基于步骤S102获取的拉载的农产品货物的重量、车型与体积数据，步骤S101获取的车辆的基础数据，结合气温、气压环境修正参数，根据递归算法与AI智能演算，得出车辆是否符合免费规定的结果；

实施例6

基于本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法，在步骤S104中，根据绿通车辆是否符合免费规定的结果，利用显示屏显示，并进行语音播报。

在一优选实施例中，利用收费站出口处计重车道对绿通车辆不符合免费规定的结果进行复测。

实施例7

如图2所示，本发明实施例提供的基于数据预测算法与智能视频检测的绿通检测方法，包括：图像识别货物种类：AI图像识别蔬菜种类、间隔、包装等参数。

车辆识别：车牌、车型、轴数等；

称重模块：重量、车厢长度、宽度、高度。

实施例8

如图3所示，本发明实施例提供的基于数据预测算法与智能视频检测的绿通系统包括大数据模块1、车型与体积识别模块2、称重模块3、比对与计算模块4、显示与复测模块5、智能算法模块6部分组成，包括硬件、软件等系统。

其核心是基于货车拉载与所述货物如不一致，则车辆的质量比(即密度)会存在差异，通过大数据积累与智能模型计算，即可确定绿通车辆不符合减免通行费规定。

所述大数据模块1：

根据国家绿通鲜活农产品品种目录、国内货车品牌种类，得到农产品重量、相应的体积与理论密度，并通过试验检测、收费站实测数据、专家评测等手段得到合理的农产品运输车辆密度体积比较值；通过整理各个货车厂家的货运车辆数据，得到基础的车辆车型、空载重量、货箱体积等基础数据，并通过试验检测、收费站实测数据、专家评测等手段得到合理的车辆重量数据。以上数据再通过智能算法进行学习，通过积累数据与算法得到最终的基础计算数据。

所述车型与体积识别模块2：

绿通车辆到达收费车道后，车型识别摄像机得到车辆的车牌、车型、厂家、总轴数等数据，并根据侧面、上方摄像机得到货物的高度、长度、宽度信息，收费员根据车辆绿通单据提供的信息录入拉载的农产品名称、重量等信息。厢式货车则由收费员现场拍照通过AI自动识别，并确认农产品识别正确与否、货物是否装满参数。

车型与体积识别需要采用智能算法与图像识别，根据车标、轴数等信息得到确切的车辆类型信息，并根据图像智能识别货物的体积等数据。

所述称重模块3：

绿通车辆到达收费车道后，称重设备得到车辆的总体质量。

所述比对与计算模块4：

根据称重模块、车型与体积识别模块得到的数据，与大数据模块中关于此类货车、货物的质量比进行比对，结合气温、气压等环境修正参数，国家绿通政策中关于绿通货物占总质量80％以上的规定，得出绿通车辆是否符合免费规定的结果。

所述显示与复测模块5：

绿通车辆是否符合免费规定的结果，会在现场显示屏显示，并进行语音播报。如货车司机提出异议，可以前往收费站出口处计重车道复测。

所述智能算法模块6：

智能算法模块主要根据大数据模块的基础参数，结合车辆装载农产品实测数据、已有绿通车辆通行数据、环境影响因素等，根据递归算法与AI智能演算，得到最为符合绿通车辆通行的模型，从而对比指导其它模块的工作。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

二、应用实施例：

应用例1

(1)在大数据库中输入东风商用车天锦KR，该货车自重6.63吨，货箱长度6.8米，宽度2.46米，装货高度2.1米。

此货车理论空载质量魏6.63吨，运输体积为35.1288立方米。

根据现场调查取样，此类货车实际平均重量为6.97吨。

根据专家意见与模型计算，最终取此类货车重量为6.83吨。

根据大数据库中数据，选取两种绿通产品参数如下：

大白菜0.0105吨/立方米。

苹果0.54吨/立方米。

以上数据为经过理论计算、实际测量、专家采用模型算法得到的应用数据。

(2)绿通车道通行一辆东风商用车天锦KR，申报所拉蔬菜为大白菜，现场摄像机计算得出货物长度为6.71×2.42×2.3米，体积为54.046立方米，货物为满车装载；现场称重货车总重量为7.46吨。

(3)货物重量为7.46吨-6.63吨＝0.83吨，货物密度为0.83吨/54.046立方米＝0.0154吨/立方米。

(4)理论大白菜运输体积为0.0105吨/立方米，所得数据0.0154吨/立方米超过规定的20％浮动范围。判定车辆有不符合绿通规定的嫌疑。

(5)再次检测后发现白菜下方放有不符合绿通目录的农产品，不符合绿通减免通行费的规定，不予减免通行费。

(6)绿通车道再次通行一辆东风商用车天锦KR，申报所拉蔬菜为苹果，现场摄像机计算得出货物长度为6.71×2.42×2.3米，体积为54.046立方米，货物为满车装载；现场称重货车总重量为35.81吨。

(7)货物重量为35.81吨-6.63吨＝29.18吨，货物密度为29.18吨/54.046立方米＝0.539吨/立方米。

(8)理论大白菜运输体积为0.54吨/立方米，所得数据0.539吨/立方米不超过规定的20％浮动范围。判定车辆有符合绿通规定，予以交通费减免。

应用例2

本发明实施例还提供了一种计算机设备，该计算机设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

应用例3

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。

应用例4

本发明实施例还提供了一种信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤，所述信息数据处理终端不限于手机、电脑、交换机。

应用例5

本发明实施例还提供了一种服务器，所述服务器用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤。

应用例6

本发明实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。

三、实施例相关效果的证据：

/>

以上所述，仅为本发明较优的具体的实施方式，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，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。