一种基于OCR识别的地磅测量设备及其使用方法

技术领域

本发明涉及地磅测量设备技术领域，具体为一种基于OCR识别的地磅测量设备及其使用方法。

背景技术

地磅是一种现代化的重量测量设备，它利用了多种智能化技术，其中包括：视觉传感器、重量传感器、数据处理技术和计算机系统，用于在物流、建筑、农业和工地等领域进行材料、货物的重量测量。

但现有的地磅测量设备不能够针对车辆进行快速的模型识别，导致现有的地磅测量设备不能实现对车辆车牌信息的自动识别、对车辆的异常拦截、对货物的快速精确称量和生成对应数据报告，导致地磅测量设备的使用安全性低、称量精度低、浪费人力物力资源和不能实现实时监测和后续查询追踪分析的问题。

因此，本发明提出一种基于OCR识别的地磅测量设备及其使用方法，目的在于解决现有技术存在的上述使用安全性低、称量精度低、浪费人力物力资源和不能实现实时监测和后续查询追踪分析问题，提高地磅测量设备的智能化程度和自动化管理水平。

1、专利文件CN110689271B公开了一种物联网智慧称重综合管理平台及管理方法，上述专利实现了，但上述专利不能实现对进入地磅测量设备检测车辆的识别模型建立和优化功能。

2、专利文件CN115328008B公开了一种垃圾中转站车辆无人调度数据处理装置，上述专利实现了，但上述专利不能实现对进入地磅测量设备进行检测车辆的信息识别和检测功能。

3、专利文件CN112008500B公开了一种地磅称台安装设备及方法，上述专利实现了，但上述专利不能实现对工地车辆进入地磅测量设备检测数据的信息处理功能。

4、专利文件CN112559566B公开了一种基于地磅的合规性监测方法、装置、设备及存储介质，上述专利实现了，但上述专利不能实现对地磅测量设备检测时出现异常情况的响应功能。

综上所述，上述专利不能实现对进入地磅测量设备检测车辆的识别模型建立和优化功能、对进入地磅测量设备进行检测车辆的信息识别和检测功能、对工地车辆进入地磅测量设备检测数据的信息处理功能和对地磅测量设备检测时出现异常情况的响应功能，导致地磅测量设备出现信息采集效率低、识别精度和识别速度低、使用安全性低、使用寿命减短，数据可视化程度低和缺少信息追踪分析的依据；

为此，本申请提出了一种能实现对进入地磅测量设备检测车辆的识别模型建立和优化功能、对进入地磅测量设备进行检测车辆的信息识别和检测功能、对工地车辆进入地磅测量设备检测数据的信息处理功能和对地磅测量设备检测时出现异常情况的响应功能的基于识别技术的工地车辆用地磅测量设备。

发明内容

本发明的目的在于提供一种基于OCR识别的地磅测量设备及其使用方法，以解决上述背景技术中提出的不能实现对进入地磅测量设备检测车辆的识别模型建立和优化功能、对进入地磅测量设备进行检测车辆的信息识别和检测功能、对工地车辆进入地磅测量设备检测数据的信息处理功能和对地磅测量设备检测时出现异常情况的响应功能，导致地磅测量设备出现信息采集效率低、识别精度和识别速度低、使用安全性低、使用寿命减短，数据可视化程度低和缺少信息追踪分析的依据技术问题。

为实现上述目的，本发明提供如下技术方案：一种基于OCR识别的地磅测量设备及其使用方法，包括地磅测量设备主体、数据训练模块、识别检测模块、数据处理模块、用户管理模块，所述数据训练模块用于训练和配置车辆识别模型，构建出实时快速的目标检测模型，所述识别检测模块用于识别车牌信息并完成对工地车辆的数据信息检测，所述数据处理模块用于对识别检测模块采集的数据信息进行整合计算并将数据进行归一化处理，所述用户管理模块用于针对数据处理模块归一化处理的数据进行数据反馈和管理响应。

优选的，所述数据训练模块包括：数据集合训练芯片、数据模型训练微调单元和部署识别单元；

数据集合训练芯片嵌入在地磅测量设备主体内壁底部，数据集合芯片将工地车辆信息、驾驶员信息和货物信息收集存储在芯片内，并将数据建立成数据库实时更新优化；

数据训练微调单元利用数据集合芯片建立的数据库信息构建出一个包含车辆图像和响应标签的数据集，利用数据集配合地磅测量设备管理系统建立基于卷积神经网络的深度学习R-CNN模型进行模型优化迭代，在工地车辆识别时快速调取模型进行对应车辆识别；

部署识别单元将R-CNN模型嵌入到地磅测量设备管理系统中，实时处理图像数据并对比数据处理模块处理后的信息数据进行识别确认和安全反馈。

优选的，所述识别检测模块包括：摄像头模组、光学字符识别OCR软件和负荷细胞传感器；

摄像头模组安装在地磅测量设备主体外壁正面，摄像头模组拍摄工地车辆进入地磅测量设备之前的车牌照片、车辆照片和货物照片，并将车牌照片、车辆照片和货物照片图像信息传输给数据处理模块；

光学字符识别OCR软件安装在地磅测量设备管理系统中的软件库中，光学字符识别OCR软件调取摄像头模组拍摄的车牌照片并自动识别车牌号码字符，并将车牌号码信息上传至数据处理模块；

负荷细胞传感器安装在地磅测量设备主体外壁顶部，负荷细胞传感器用于检测车辆和货物重量，并将重量信息上传至数据处理模块。

优选的，所述数据处理模块包括：数据整合单元、数据计算单元和信息反馈单元；

数据整合单元将摄像头模组、光学字符识别OCR软件和负荷细胞传感器传输来的车牌照片、车辆照片、货物照片图像信息、车牌号码和重量信息进行数据整合分类，并将整合分类后的数据传输给数据计算单元；

数据计算单元将车牌照片、车辆照片、货物照片图像信息、车牌号码和重量信息与数据集合芯片中的数据库信息利用部署识别单元中的R-CNN模型中进行实时处理车辆图像数据、对比货物信息、比对驾驶员信息和货物重量信息，对比完成后标记出异常数据，并将所有异常数据传输给信息反馈单元；

信息反馈单元接收到异常数据后将异常数据分类并界定异常安全等级，异常安全等级分为：一级异常、二级异常和三级异常，并将异常安全等级信号上传至地磅测量设备管理系统中的用户管理模块。

优选的，所述用户管理模块包括：报警响应单元、报告输出单元和数据存储单元；

报警响应单元与地磅测量设备门禁系统和蜂鸣警报器通过信号线连接，报警响应单元接收到异常安全等级信号后控制地磅测量设备门禁系统关闭、发出蜂鸣警报、链接用户管理界面通知管理人员处理异常情况；

报告输出单元用于将数据计算单元处理完毕的数据信息进行可视化表格输出；

数据存储单元用于将报告输出单元输出的可视化报告上传至地磅测量设备管理系统的云端资料库存储，供管理人员及时检索、查看、追踪、和分析历史数据。

优选的，所述信息反馈单元接收到异常数据后将异常数据分类并界定异常安全等级，异常安全等级分为：一级异常、二级异常和三级异常；

一级异常：光学字符识别OCR软件识别的车牌号码为陌生号码；

二级异常：R-CNN模型实时处理的车辆图像数据、对比货物信息、比对驾驶员信息与车牌号码对应的数据集合芯片建立的数据库信息存在差异；

三级异常：负荷细胞传感器检测的货物重量超出数据集合芯片建立的数据库内的标准重量信息。

优选的，所述报警响应单元接收到异常安全等级信号后做出如下响应措施并发出对应的信号指令：

一级异常响应：报警响应单元发出信号指令关闭地磅测量设备门禁系统；

二级异常响应：报警单元发出信号指令链接用户管理系统发出warning警报通知管理人员手动在数据集合芯片内的数据库中补充、更正、录入差异信息；

三级异常响应：报警响应单元发出信号指令开启蜂鸣器发出急促蜂鸣通知驾驶员立即驶出地磅测量设备测量区域。

优选的，所述数据训练微调单元利用数据集建立的深度学习R-CNN模型继续学习管理人员手动补充、更正、录入的差异信息，不断优化R-CNN模型的识别范围和速度，当带有异常信息车辆再次进入地磅测量设备区域时，R-CNN模型利用新的数据库优化识别，完成成功识别放行。

优选的，所述地磅测量设备的使用方法包括以下步骤：

S1、首先，车辆进入地磅测量设备测量区域前，摄像头模组拍摄工地车辆进入地磅测量设备之前的车牌照片、车辆照片和货物照片，并将车牌照片、车辆照片和货物照片图像信息传输给数据处理模块；

S2、然后，光学字符识别OCR软件对车牌照片进行OCR软件识别车牌号码，数据计算单元利用R-CNN深度学习模型对车牌照片、车辆照片和货物照片与数据集合训练芯片内的数据库进行信息比对；

S3、接着，负荷细胞传感器对车辆货物重量进行检测，并将检测数据传输至数据处理模块对数据进行比对和异常反馈；

S4、最后，信息反馈单元将车辆及货物对应的信息传输给用户管理单元做出异常相应措施和生成可视化数据报告。

优选的，所述使用方法还包括以下步骤：

S11、数据整合单元将车牌照片、车辆照片、货物照片图像信息、车牌号码和重量信息进行数据整合分类，数据计算单元对比完成后标记出异常数据，并将所有异常数据传输给信息反馈单元；

S21、当异常信息出现后后，数据训练微调单元利用数据集建立的深度学习R-CNN模型继续学习管理人员手动补充、更正、录入的差异信息，并通过部署识别单元重新部署R-CNN模型，不断进行优化迭代；

S31、负荷细胞传感器对车辆货物重量进行检测后将数据传输至数据处理模块进行重量信息比对和记录；

S41、生成可视化报告后，数据存储单元将可视化报告上传至地磅测量设备管理系统的云端资料库存储。

与现有技术相比，本发明的有益效果是：

1.本发明通过设计有数据训练模块，实现了对进入地磅测量设备检测车辆的识别模型建立和优化功能，提高了对于工地车辆的识别精度和识别速度；

2.本发明通过设计有识别检测模块，实现了对进入地磅测量设备进行检测车辆的信息识别和检测功能，提高了信息采集的效率和地磅检测的自动化程度；

3.本发明通过设计有数据处理模块，实现了对工地车辆进入地磅测量设备检测数据的信息处理和比对功能，提高了地磅测量设备的安全合规性，提高了异常数据处理的闭环效应；

4.本发明通过设计有用户管理模块，实现了对地磅测量设备检测时出现异常情况的响应功能，提高了地磅测量设备的使用安全性，延长了地磅测量设备的使用寿命，提供了检测数据的可视化和信息追踪分析依据。

附图说明

图1为本发明的地磅测量设备示意图；

图2为本发明的数据训练模块示意图；

图3为本发明的识别检测模块示意图；

图4为本发明的数据处理模块示意图；

图5为本发明的用户管理模块示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”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，仅是为了便于描述本发明和简化描述，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发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

请参阅图1-图5，本发明提供的一种实施例：一种基于OCR识别的地磅测量设备及其使用方法，包括地磅测量设备主体、数据训练模块、识别检测模块、数据处理模块、用户管理模块，所述数据训练模块用于训练和配置车辆识别模型，构建出实时快速的目标检测模型，所述识别检测模块用于识别车牌信息并完成对工地车辆的数据信息检测，所述数据处理模块用于对识别检测模块采集的数据信息进行整合计算并将数据进行归一化处理，所述用户管理模块用于针对数据处理模块归一化处理的数据进行数据反馈和管理响应；

进一步，首先，工地车辆进入地磅测量设备检测区域前，识别检测模块对车辆进行车辆识别，其中包括车牌信息、载重信息、货物信息和驾驶员信息，并将上述信息利用数据训练模块内的R-CNN模型进行快速识别车牌号码，然后，数据处理模块对上述信息进行整合、归一化处理，将上述信息与数据训练模块中预先设置的数据进行安全合规性比对，若出现异常情况，则数据处理模块发出异常信号激活用户管理模块对异常情况及时做出响应措施；若未出现异常情况，则数据处理模块将上述识别检测模块检测出的车辆信息和货物重量信息传输至用户管理模块输出可视化数据报告并存储在地磅测量设备管理系统中，供管理人员后续的数据分析与追踪。

实施例2

请参阅图1和图2，本发明提供的一种实施例：一种基于OCR识别的地磅测量设备及其使用方法，所述数据训练模块包括：数据集合训练芯片、数据模型训练微调单元和部署识别单元；

数据集合训练芯片嵌入在地磅测量设备主体内壁底部，数据集合芯片将工地车辆信息、驾驶员信息和货物信息收集存储在芯片内，并将数据建立成数据库实时更新优化；

数据训练微调单元利用数据集合芯片建立的数据库信息构建出一个包含车辆图像和响应标签的数据集，利用数据集配合地磅测量设备管理系统建立基于卷积神经网络的深度学习R-CNN模型进行模型优化迭代，在工地车辆识别时快速调取模型进行对应车辆识别；

部署识别单元将R-CNN模型嵌入到地磅测量设备管理系统中，实时处理图像数据并对比数据处理模块处理后的信息数据进行识别确认和安全反馈；

进一步，部署识别单元将R-CNN模型嵌入在地磅测量设备管理系统中，当车辆进入地磅测量设备之前，对采集到的车辆信息进行R-CNN模型快速识别，利用存储在芯片内的预设信息与采集信息进行模型覆盖比对，判断出信息吻合度；当异常信息出现后，通过管理人员的处理后，对补录的信息进行差异化模型训练，不断对R-CNN识别模型进行优化和迭代，保证对车辆的高效、精确识别。

实施例3

请参阅图1和图3，本发明提供的一种实施例：一种基于OCR识别的地磅测量设备及其使用方法，所述识别检测模块包括：摄像头模组、光学字符识别OCR软件和负荷细胞传感器；

摄像头模组安装在地磅测量设备主体外壁正面，摄像头模组拍摄工地车辆进入地磅测量设备之前的车牌照片、车辆照片和货物照片，并将车牌照片、车辆照片和货物照片图像信息传输给数据处理模块；

光学字符识别OCR软件安装在地磅测量设备管理系统中的软件库中，光学字符识别OCR软件调取摄像头模组拍摄的车牌照片并自动识别车牌号码字符，并将车牌号码信息上传至数据处理模块；

负荷细胞传感器安装在地磅测量设备主体外壁顶部，负荷细胞传感器用于检测车辆和货物重量，并将重量信息上传至数据处理模块；

进一步，摄像头模组负责对进入地磅测量设备检测区域之前的车辆进行拍照信息采集，光学字符识别OCR软件对摄像头模组采集的车牌信息进行合拍号码光学字符快速检出识别，摄像头模组和光学字符识别OCR软件将采集到的车牌照片、车辆照片和货物照片图像信息传输给数据处理模块进行数据处理和模型应用识别，负荷细胞传感器负责对安全进入地磅测量设备的车辆进行重量检测。

实施例4

请参阅图1和图4，本发明提供的一种实施例：一种基于OCR识别的地磅测量设备及其使用方法，所述数据处理模块包括：数据整合单元、数据计算单元和信息反馈单元；

数据整合单元将摄像头模组、光学字符识别OCR软件和负荷细胞传感器传输来的车牌照片、车辆照片、货物照片图像信息、车牌号码和重量信息进行数据整合分类，并将整合分类后的数据传输给数据计算单元；

数据计算单元将车牌照片、车辆照片、货物照片图像信息、车牌号码和重量信息与数据集合芯片中的数据库信息利用部署识别单元中的R-CNN模型中进行实时处理车辆图像数据、对比货物信息、比对驾驶员信息和货物重量信息，对比完成后标记出异常数据，并将所有异常数据传输给信息反馈单元；

信息反馈单元接收到异常数据后将异常数据分类并界定异常安全等级，异常安全等级分为：一级异常、二级异常和三级异常，并将异常安全等级信号上传至地磅测量设备管理系统中的用户管理模块；

进一步，数据整合单元将收集到的车牌照片、车辆照片、货物照片图像信息、车牌号码和重量信息与数据集合芯片中的数据库信息利用部署识别单元中的R-CNN模型中进行实时处理对比，判断出是否存在异常信息，当出现异常信息时，将异常信息标注处理发送给信息反馈单元，信息反馈单元将异常信息分类、界定异常等级，然后信息反馈单元将异常信息传递给用户管理系统做出响应的异常处理举措，完成对进入地磅测量设备检测的车辆的管理。

实施例5

请参阅图1和图5，本发明提供的一种实施例：一种基于OCR识别的地磅测量设备及其使用方法，所述用户管理模块包括：报警响应单元、报告输出单元和数据存储单元；

报警响应单元与地磅测量设备门禁系统和蜂鸣警报器通过信号线连接，报警响应单元接收到异常安全等级信号后控制地磅测量设备门禁系统关闭、发出蜂鸣警报、链接用户管理界面通知管理人员处理异常情况；

报告输出单元用于将数据计算单元处理完毕的数据信息进行可视化表格输出；

数据存储单元用于将报告输出单元输出的可视化报告上传至地磅测量设备管理系统的云端资料库存储，供管理人员及时检索、查看、追踪、和分析历史数据；

进一步，报警响应单元接受到异常情况信号时，针对异常等级做出针对性响应，控制门禁系统关闭和发出蜂鸣警报，必要时通知用户管理系统，并提示管理人员人工加入决策处理，并根据异常信息进行信息补录和管理，优化深度学习R-CNN模型，提高识别效率和精度，当数据处理模块对数据处理完毕后，报告输出单元将根据数据处理模块收集的归一化信息进行可视化报告输出，并通过数据存储单元将报告存储在地磅测量设备管理系统的云端资料库中，便于管理人员进行及时的追踪和分析。

工作原理，首先，工地车辆进入地磅测量设备检测区域前，识别检测模块对车辆进行车辆识别，其中包括车牌信息、载重信息、货物信息和驾驶员信息，并将上述信息利用数据训练模块内的R-CNN模型进行快速识别车牌号码，然后，数据处理模块对上述信息进行整合、归一化处理，将上述信息与数据训练模块中预先设置的数据进行安全合规性比对，若出现异常情况，则数据处理模块发出异常信号激活用户管理模块对异常情况及时做出响应措施；若未出现异常情况，则数据处理模块将上述识别检测模块检测出的车辆信息和货物重量信息传输至用户管理模块输出可视化数据报告并存储在地磅测量设备管理系统中，供管理人员后续的数据分析与追踪。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。