楊皓程，杜芊芊，唐秀昌，胡琦瑤

（1.西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710127；2.西北大學(xué) 數(shù)學(xué)學(xué)院，陜西 西安 710127）

0 引 言

我國幅員遼闊，公路運(yùn)輸業(yè)已成為我國國民經(jīng)濟(jì)賴以生存和發(fā)展的命脈。2014—2018年間，我國公路貨運(yùn)總量增長了近30%；2017年，我國物流業(yè)社會物流總額達(dá)到252.8萬億元，貨運(yùn)量達(dá)到479億噸，快遞業(yè)務(wù)量突破400億件。貨車司機(jī)在運(yùn)輸途中經(jīng)常在安保措施較為薄弱的高速公路、國道服務(wù)區(qū)和偏僻的公路停車場停車休息。不法分子借機(jī)對貨車油箱進(jìn)行盜竊，3 min就可偷走200 L柴油，造成巨大的經(jīng)濟(jì)損失。本文設(shè)計(jì)了一種基于Arduino的貨車油箱防盜系統(tǒng)，可以為長期奔波在外的貨車司機(jī)提供財(cái)產(chǎn)安全保障。

1 整體架構(gòu)

本文設(shè)計(jì)的油箱防盜系統(tǒng)下位機(jī)基于Arduino嵌入式開發(fā)板，使用搭載安可信高清攝像機(jī)模塊的ESP32-CAM開發(fā)板作為視頻采集模塊，用諧振式水深傳感器模擬貨車油表。上位機(jī)則由服務(wù)端和客戶端組成。服務(wù)端用于接收下位機(jī)上傳的圖片信息并判斷周圍環(huán)境是否存在危險，同時為客戶端傳輸攝像頭所發(fā)送的圖像。貨車司機(jī)可以在服務(wù)端判定當(dāng)前環(huán)境存在危險時收到提醒，同時也可以控制攝像頭轉(zhuǎn)向查看貨車周圍環(huán)境并使用聲光報(bào)警系統(tǒng)對不法分子進(jìn)行驅(qū)趕。系統(tǒng)整體架構(gòu)如圖1所示。

圖1 系統(tǒng)整體架構(gòu)

ESP32-CAM模塊被安裝在油箱頂部的舵機(jī)上，通過通用異步收發(fā)器與Arduino進(jìn)行通信。同時，液位傳感器所收集到的油量信息也通過串口傳輸至Arduino開發(fā)板，經(jīng)換算處理后與實(shí)時環(huán)境圖像信息一同傳遞至上位機(jī)服務(wù)器。

當(dāng)位于下位機(jī)的HC-SR501人體紅外傳感器探測到周圍環(huán)境有人通過時，攝像頭開始向服務(wù)器的識別程序定時發(fā)送環(huán)境圖片。當(dāng)程序無法完全準(zhǔn)確判斷時，可以控制舵機(jī)旋轉(zhuǎn)以獲得多個角度的環(huán)境圖像進(jìn)行綜合判斷。一旦發(fā)現(xiàn)可疑人員和可疑物品，則向客戶端發(fā)送警告，并同時發(fā)出聲光報(bào)警進(jìn)行驅(qū)趕操作。當(dāng)車輛油量異常下降時，也會通過服務(wù)端向用戶報(bào)告情況，做到提前判斷和事后判斷相結(jié)合，有效減少司機(jī)損失，大大提高運(yùn)輸安全性。

2 系統(tǒng)硬件設(shè)計(jì)

2.1 數(shù)據(jù)采集

本方案采用基于ATMEGA 2560芯片的Arduino微控制器，其擁有多達(dá)54路的數(shù)字輸入輸出，符合需大量I/O接口的設(shè)計(jì)需求，且后期的功能擴(kuò)展性也尤為突出。其中16路可作為PWM輸出，另有16 路模擬輸入，4 路UART接口，1個16 MHz晶體振蕩器，并可兼容ArduinoUNO設(shè)計(jì)的擴(kuò)展板。完全可以滿足本方案需求。

由于Arduino只有8 KB的SRAM，無法滿足圖片存儲、發(fā)送的需求，故采用帶有4MPSRAM的ESP32-CAM開發(fā)板作為WiFi和高清攝像頭模塊。ESP32開發(fā)板模塊采用體積小的803.11b/g/n WiFi+BT/BLE Soc模塊，其低功耗雙核CPU主頻可達(dá)240 MHz，可滿足高清視頻傳輸需求。

本文將使用上述兩模塊完成以下功能：

（1）使用OV2640攝像頭模塊進(jìn)行高清圖像采集。

（2）使用UART接收來自諧振式液位傳感器的油量信息。

（3）使用ESP32自帶的WiFi模塊通過TCP-IP協(xié)議向上位機(jī)服務(wù)器傳輸實(shí)時圖像，方便進(jìn)一步處理。

（4）使用PWM輸出控制舵機(jī)使攝像頭可以進(jìn)行多角度采集。

（5）使用GPIO控制聲光報(bào)警系統(tǒng)。

2.2 數(shù)據(jù)傳輸

本文使用HTTP協(xié)議與上位機(jī)服務(wù)器進(jìn)行通信。首先，OV2640模塊和液位傳感器采集到的信息將存儲在PSRAM中。然后，使用wifi.begin（）函數(shù)啟動ESP32的網(wǎng)絡(luò)服務(wù)功能；循環(huán)使用server.handleClient（）函數(shù)檢查上位機(jī)是否發(fā)送HTTP請求。如果收到請求，則將圖片和液位信息以字符串的形式發(fā)送。

服務(wù)器使用Python語言中的request庫進(jìn)行數(shù)據(jù)收發(fā)，定時向ESP32模塊所在的IP地址發(fā)送請求以得到數(shù)據(jù)。

2.3 諧振式液位傳感器

為測量卡車油箱中液位情況，本文使用諧振式水位傳感器（如圖2所示），用水壓氣管的空氣壓力大小判斷水位高低。通過引入嘴進(jìn)入傳感器氣室，氣室上面是封閉的，與水位成正比的氣壓被傳到隔膜上；導(dǎo)板嵌裝在隔膜上，當(dāng)水位上升時，氣壓增大，導(dǎo)板向上移動，當(dāng)水位下降時，氣壓降低，導(dǎo)板向下移動。導(dǎo)板移動會導(dǎo)致傳感器中電感線圈磁通量增大。根據(jù)式（1）所示的電容電感并聯(lián)諧振頻率公式，并經(jīng)單片機(jī)處理后判定水位高低。

圖2 諧振式水位傳感器

3 系統(tǒng)軟件設(shè)計(jì)

3.1 基于深度學(xué)習(xí)的圖像識別系統(tǒng)

為了識別停車環(huán)境下的可疑人員和可疑物品，本文采用基于YOLO算法的深度學(xué)習(xí)框架進(jìn)行目標(biāo)識別。與R-CNN、Fast R-CNN等將檢測內(nèi)容分為物體類別（分類）、物體位置（回歸）的網(wǎng)絡(luò)相比，YOLO將物體檢測作為回歸問題求解，訓(xùn)練和檢測都在同一個網(wǎng)絡(luò)中運(yùn)行，故得到了百倍于其他神經(jīng)網(wǎng)絡(luò)的識別速度。直接從圖片像素出發(fā)，得到分類和概率。YOLO的算法流程如圖3所示，其特征提取主要步驟如下：

圖3 YOLO算法流程

（1）將輸入圖像劃分為×個均等大小的格子，每個格子負(fù)責(zé)檢測此格子中存在的物體。

（2）假如被測物體中心恰好落在格子中，方格將預(yù)測并提取目標(biāo)特征。每一個方格會預(yù)測出個包含物體的矩形區(qū)域（Bounding box）信息和個物體屬于某類別的置信度（準(zhǔn)確率）。Bounding box信息包含物體邊界框的中心坐標(biāo)(,)、邊界框高度與寬度(,)和置信度。代表預(yù)測邊界框和標(biāo)簽邊界框的IOU（Intersection Over Union）與目標(biāo)存在概率的乘積。

YOLO算法是將目標(biāo)檢測看成回歸問題，所以它采用的是均方差損失函數(shù)，最簡單的為平方差損失函數(shù)，即（預(yù)測坐標(biāo)-實(shí)際坐標(biāo)）+（預(yù)測概率-實(shí)際概率）。損失函數(shù)如下：

Loss由坐標(biāo)誤差、IOU誤差、分類誤差組成，表達(dá)式分別為：

相對于基于region proposal的Fast R-CNN等傳統(tǒng)物體識別算法，YOLO將物體檢測作為回歸問題進(jìn)行求解，在保證準(zhǔn)確率的情況下獲得了較高的檢測速度。同時，由于YOLO在推理和訓(xùn)練的過程中可以一次性得到整張圖的信息，YOLO的背景誤檢率低；而基于region proposal的諸多檢測算法均采用“滑動檢測”，即一次只能得到候選框中部分信息，容易將背景（非物體）誤檢為物體。貨車停車環(huán)境復(fù)雜，使用YOLO可以大大降低誤檢率。

3.2 模型訓(xùn)練

本文采用Keras框架訓(xùn)練出可以檢測人和部分偷油工具的YOLOv3模型。

本文以偷油常見工具PVC軟管、面包車和人作為樣本進(jìn)行訓(xùn)練。通過request庫爬取相關(guān)圖片并進(jìn)行篩選。收集輸油管、車、人的圖片共672張。

由于原始數(shù)據(jù)較少，為提高訓(xùn)練效果，需要對原始數(shù)據(jù)進(jìn)行預(yù)處理。首先，將圖片統(tǒng)一裁剪；之后，對圖片分別進(jìn)行剪裁、旋轉(zhuǎn)；最后，標(biāo)記圖片中待檢對象，轉(zhuǎn)換為VOC2007格式并進(jìn)行歸一化處理。

將darknet版本的YOLO model進(jìn)行適當(dāng)?shù)男薷暮螅ń档蚮ilter層以適應(yīng)更少種類的檢測）轉(zhuǎn)換為Keras model；然后，導(dǎo)入預(yù)處理完成的圖片，隨機(jī)劃分訓(xùn)練集、測試集、驗(yàn)證集，使用GPU進(jìn)行訓(xùn)練，根據(jù)數(shù)據(jù)情況將訓(xùn)練次數(shù)設(shè)為1 000次。如圖4所示，經(jīng)過訓(xùn)練，Loss穩(wěn)定在20左右，模型收斂，基本滿足使用要求。圖5和圖6是對輸油管、面包車和人的識別結(jié)果。

圖4 訓(xùn)練次數(shù)與損失的關(guān)系

圖5 輸油管識別結(jié)果

圖6 面包車和人的識別結(jié)果

3.3 下位機(jī)程序設(shè)計(jì)

當(dāng)系統(tǒng)開機(jī)布防后，將使用digitalRead（）函數(shù)獲取人體紅外傳感器返回的信號；也會通過Serial1.read（）函數(shù)實(shí)時讀取油箱液位數(shù)據(jù)。當(dāng)判斷有人經(jīng)過時，啟動ESP32-CAM攝像機(jī)模塊對周圍環(huán)境進(jìn)行取景；同時使用analogWrite（）函數(shù)輸出PWM方波控制舵機(jī)轉(zhuǎn)動，將四周的環(huán)境圖像通過TCP協(xié)議傳輸至服務(wù)器。當(dāng)收到服務(wù)器判斷環(huán)境危險或油箱液位在短時間內(nèi)快速下降的信息后，啟動聲光報(bào)警系統(tǒng)。

3.4 手機(jī)端程序設(shè)計(jì)

本文使用HTML5+JavaScript開發(fā)WebAPP，并通過Android SDK中的WebView組件將HTML打包為APP。APP通過TCP協(xié)議與服務(wù)器進(jìn)行通信，實(shí)現(xiàn)過程分為4個步驟：建立Socket 對象，通過IP與端口連接；創(chuàng)建接收與發(fā)送的資源配置；建立監(jiān)聽循環(huán)機(jī)制；跳出循環(huán)關(guān)閉連接。

APP實(shí)現(xiàn)的具體功能如下：

（1）可以實(shí)時查看貨車油箱周圍環(huán)境圖像、剩余油量。

（2）當(dāng)服務(wù)器端檢測到貨車周圍環(huán)境存在危險時，及時向用戶推送通知并回傳環(huán)境圖像。

圖7和圖8為軟件程序在不同環(huán)境下的運(yùn)行狀態(tài)展示。

圖7 環(huán)境安全時程序運(yùn)行狀態(tài)

圖8 環(huán)境危險時程序運(yùn)行狀態(tài)

4 結(jié) 語

本文設(shè)計(jì)了一種基于Arduino的貨車油箱防盜系統(tǒng)，其上位機(jī)由服務(wù)器和手機(jī)APP組成，下位機(jī)由Arduino及配套的ESP32-CAM模塊、諧振式水位傳感器模塊、聲光報(bào)警模塊、紅外傳感模塊組成。通過OV2640攝像頭采集圖像數(shù)據(jù)、諧振式水位傳感器采集油量信息并通過ESP32上傳至服務(wù)器進(jìn)行識別，判斷周圍環(huán)境是否安全，并在發(fā)現(xiàn)可疑人員和物品或油箱油量短時間內(nèi)大量減少時啟用聲光報(bào)警系統(tǒng)并通知車主。與市面上同類產(chǎn)品相比，具有智能化程度高、可以提前預(yù)測等優(yōu)點(diǎn)，較大程度上避免損失，擁有廣闊的市場前景。