馬世歡,李 偉

(河南工業(yè)職業(yè)技術(shù)學(xué)院電子信息工程學(xué)院，河南 南陽 473000)

0 引言

隨著信息技術(shù)的發(fā)展和推廣，人工智能技術(shù)逐漸滲透到各個傳統(tǒng)產(chǎn)業(yè)領(lǐng)域，智能化水平成為衡量現(xiàn)代企業(yè)綜合實力的重要標(biāo)志[1]。過磅系統(tǒng)是現(xiàn)代企業(yè)稱量的主要組成部分。特別對于涉及大宗商品、原材料和商品的流通領(lǐng)域，過磅系統(tǒng)的效率和準(zhǔn)確性對企業(yè)的正常運轉(zhuǎn)起著非常重要的作用[2-3]。

現(xiàn)代化的過磅系統(tǒng)充分利用信息技術(shù)的進(jìn)步，以人工智能、物聯(lián)網(wǎng)、云計算等先進(jìn)科技對傳統(tǒng)的過磅系統(tǒng)進(jìn)行改造。

我國現(xiàn)有的過磅系統(tǒng)正處于向信息化過渡的起步階段，其穩(wěn)定性、兼容性以及用戶體驗都需要不斷改善。充分利用信息技術(shù)的進(jìn)步，將人工智能、物聯(lián)網(wǎng)、云計算等先進(jìn)科技應(yīng)用于改造升級傳統(tǒng)的過磅系統(tǒng)，已逐漸成為發(fā)展趨勢。越來越多的科研工作者對此進(jìn)行了深入的研究。本文以提升企業(yè)智能化水平為目標(biāo)，設(shè)計、開發(fā)了基于計算機視覺的無人值守過磅系統(tǒng)。該系統(tǒng)改變了傳統(tǒng)過磅系統(tǒng)的工作模式，降低了系統(tǒng)安裝和維護(hù)的復(fù)雜度和成本，提高了過磅速度，保證了稱重數(shù)據(jù)的準(zhǔn)確性和系統(tǒng)的可擴(kuò)展性，能夠幫助企業(yè)實現(xiàn)過磅流程的智能化、數(shù)據(jù)管理的遠(yuǎn)程化。

1 常見的無人值守過磅系統(tǒng)分析

目前廣泛使用的無人值守過磅系統(tǒng)[4]主要通過傳感器取代人工來觀察、判斷車輛的上磅情況，從而實現(xiàn)無人操作。工作時，系統(tǒng)自動進(jìn)行稱重工作，無需工作人員管理。無人值守過磅系統(tǒng)的工作流程如下。

過磅系統(tǒng)管理員先將卡號、駕駛員姓名、車牌號、貨名等信息輸入系統(tǒng)，然后向駕駛員發(fā)卡。汽車開近地磅時，駕駛員刷卡。系統(tǒng)驗證其信息有效后，打開道閘供汽車駛上地磅。當(dāng)汽車完全在地磅上時，對射系統(tǒng)檢測到車尾上磅信號，放下道閘，禁止下一輛車上磅。當(dāng)車輛停穩(wěn)后，系統(tǒng)記錄車輛的實時重量，同時將抓拍的車輛圖像存入系統(tǒng)。如果有打印磅單的需要，則打印出磅單，并抬起道閘，讓已過磅的車輛通過。最后，落下出口道閘，表明過磅流程結(jié)束。

傳統(tǒng)的無人值守過磅系統(tǒng)主要利用地感線圈和紅外線對射來檢測車輛是否在合適的稱重位置。當(dāng)車輛駛?cè)氲匕鯐r，地磅尾部和頭部的紅外線對射，檢測車身是否完全在地磅上。地磅頭部地感線圈檢測車輛完全駛離稱重平臺后，關(guān)閉升降桿。

針對上述問題，基于計算機視覺的過磅系統(tǒng)通過人工智能技術(shù)進(jìn)行車輛運行狀態(tài)的識別和位置的判斷，從而避免大量傳感器的安裝。以下就傳統(tǒng)無人值守過磅系統(tǒng)和基于計算機視覺的無人值守過磅系統(tǒng)進(jìn)行對比分析。兩種過磅系統(tǒng)的對比如表1所示。

2 設(shè)計說明

基于計算機視覺的無人值守過磅系統(tǒng)通過分析傳統(tǒng)無人值守過磅系統(tǒng)的工作流程，采用計算機視覺技術(shù)、人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)對過磅流程進(jìn)行重構(gòu)[5]。系統(tǒng)工作流程如圖1所示。

圖1 系統(tǒng)工作流程圖

系統(tǒng)由地磅、Wi-Fi攝像頭、稱重數(shù)據(jù)采集模塊、車牌識別模塊、物聯(lián)網(wǎng)平臺、車輛運動跟蹤模塊和攝像頭、計算機主控模塊和云存儲器組成。

系統(tǒng)總體架構(gòu)如圖2所示。

圖2 系統(tǒng)總體架構(gòu)圖

以下分別介紹各模塊的具體功能。

稱重數(shù)據(jù)采集模塊實時采集稱重平臺上的數(shù)據(jù)，并通過消息隊列遙測傳輸(message queuing telemetry transport,MQTT)協(xié)議發(fā)布到物聯(lián)網(wǎng)平臺。計算機主控模塊會訂閱該消息，從而獲得重量數(shù)據(jù)。稱重數(shù)據(jù)采集模塊主要包括稱重傳感器和物聯(lián)網(wǎng)芯片。稱重傳感器可將測重平臺傳遞過來的模擬信號轉(zhuǎn)換成相應(yīng)的數(shù)字信號，是系統(tǒng)中采集重量數(shù)據(jù)的基礎(chǔ)組件。

車輛運動跟蹤模塊負(fù)責(zé)采集車輛通過地磅的狀態(tài)信息，包括車輛的運動狀態(tài)和位置，并將該信息傳遞給計算機主控模塊，以便計算機主控模塊進(jìn)行后續(xù)的工作。跟蹤模塊和計算機主控模塊都部署在安裝了Android操作系統(tǒng)的嵌入式設(shè)備上，利用設(shè)備自帶的攝像頭采集圖像信息，并使用卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法確定車輛的位置[6]。

車牌識別功能模塊負(fù)責(zé)保存車牌圖片并識別車牌。它和物聯(lián)網(wǎng)平臺都部署在一個樹莓派4(Raspberry Pi 4,RPI4)上。當(dāng)車輛上磅并停穩(wěn)后，模塊首先根據(jù)車輛的運動方向，從相應(yīng)的Wi-Fi攝像頭獲取車牌信息；然后利用計算機視覺算法識別車牌，并將該信息傳遞給計算機主控模塊[7]。

計算機主控功能模塊是系統(tǒng)的核心模塊，負(fù)責(zé)整個流程的控制。該模塊首先通過車輛運動跟蹤模塊傳遞過來的信息，結(jié)合事先設(shè)置的參照物信息，判斷是否有車輛上磅并且已經(jīng)停穩(wěn)；然后，對稱重數(shù)據(jù)采集模塊傳遞過來的重量信息進(jìn)行觀測；當(dāng)重量穩(wěn)定后，模塊記錄該數(shù)據(jù)作為最終的重量數(shù)據(jù)，同時通知車牌識別功能模塊保存車牌圖片并識別車牌；最后，保存重量和車牌信息到本地并上傳到云端。

3 主控模塊APP實現(xiàn)

系統(tǒng)工作時，先給稱重傳感器、物聯(lián)網(wǎng)芯片、樹莓派上電。樹莓派啟動成功后，用戶啟動Android設(shè)備上的自動過磅APP。APP啟動成功后，使用手動過磅功能可以獲得系統(tǒng)中一些關(guān)鍵軟硬件的工作狀況，包括物聯(lián)網(wǎng)服務(wù)、樹莓派Web服務(wù)、地磅傳感器和物聯(lián)網(wǎng)芯片等；同時，使用手動過磅功能也可以進(jìn)行基本的過磅稱重操作。

使用無人值守過磅功能時，首先通過觸屏操作，確定地面基線和地磅基線。當(dāng)車輛進(jìn)入攝像頭范圍后，系統(tǒng)檢測車輛并進(jìn)行跟蹤，在屏幕右側(cè)實時顯示車輛運行狀態(tài)，狀態(tài)包括左邊上磅、右邊上磅、左邊下磅、右邊下磅、等待上磅、開始稱重和穩(wěn)定等。當(dāng)車輛的狀態(tài)符合稱重要求時，系統(tǒng)自動保存實時重量，并進(jìn)行車牌識別和車牌截圖。車牌截圖為手動修改識別錯誤提供了依據(jù)。

在APP端和微信小程序端，管理員可查詢過磅數(shù)據(jù)、修改識別錯誤的車牌，以及處理不合規(guī)的過磅數(shù)據(jù)(如車輛沒有按照要求兩次過磅等)。

4 相關(guān)技術(shù)要點

4.1 數(shù)據(jù)存儲

地磅系統(tǒng)的部署安裝位置比較特殊，有可能是在比較偏僻的采石場、礦場、礦山等地，沒有固定的網(wǎng)絡(luò)。因此，過磅數(shù)據(jù)需要根據(jù)情況采用不同的上傳模式。根據(jù)這個特點，系統(tǒng)的數(shù)據(jù)存儲分為本地存儲和云端存儲。本地數(shù)據(jù)庫采用Android自帶的SQLite數(shù)據(jù)庫。云端使用Bmob后端云存儲數(shù)據(jù)。

4.2 樹莓派端

樹莓派4具有強大的運算能力，體積小且價格低廉。所以本文選擇樹莓派4部署車牌識別程序、物聯(lián)網(wǎng)服務(wù)和Web服務(wù)[8]。物聯(lián)網(wǎng)服務(wù)使用EMQX。EMQX是發(fā)布訂閱模式的開源MQTT消息服務(wù)器。它具備功能強大的管理控制臺，并提供了基于樹莓派平臺的版本。Web服務(wù)使用Flask構(gòu)建。Flask是由Python實現(xiàn)的Web微框架，可提供車牌圖片的Web服務(wù)。

4.3 ESP8266物聯(lián)網(wǎng)芯片端

ESP8266是性價比較高的Wi-Fi模塊，非常適合物聯(lián)網(wǎng)領(lǐng)域的項目[9]。MicroPython已經(jīng)實現(xiàn)了ESP8266基本硬件資源接口，所以系統(tǒng)使用在ESP8266上運行MicroPython，實現(xiàn)重量數(shù)據(jù)的采集，并向樹莓派上的物聯(lián)網(wǎng)服務(wù)發(fā)送消息。

4.4 車牌識別算法

從一輛車上磅到下一輛車上磅中間最快也有大約1 min的間隔，可以降低對車牌識別算法時間復(fù)雜度的要求。這允許使用樹莓派這種計算能力有限的設(shè)備。HyperLPR是開源的、基于深度學(xué)習(xí)的中文車牌識別庫。它基于端到端的Sequence模型，無需進(jìn)行字符分割，具有識別速度快、識別率高和輕量的優(yōu)勢。所以，車牌識別使用HyperLPR。

4.5 目標(biāo)檢測和跟蹤算法

算法需要能夠運行在Android設(shè)備上，方便移植和部署。TensorFlow Lite是Google公司推出的針對移動設(shè)備的輕量級機器學(xué)習(xí)解決方案，允許在低延遲的移動設(shè)備上運行機器學(xué)習(xí)模型，還支持硬件加速Android神經(jīng)網(wǎng)絡(luò)應(yīng)用程序接口?？紤]到目標(biāo)檢測是在嵌入式Android設(shè)備上進(jìn)行的，所以使用TensorFlow Lite框架。目標(biāo)檢測算法選擇SSD，以滿足系統(tǒng)對mAP和fps這兩個指標(biāo)的要求[10]。目標(biāo)跟蹤算法使用OpenCV自帶的算法實現(xiàn)。

5 結(jié)論

本文綜合運用計算機視覺技術(shù)和物聯(lián)網(wǎng)技術(shù)，開發(fā)了一種無人值守的自動過磅系統(tǒng)。計算機視覺技術(shù)主要用于車牌識別和車輛檢測。物聯(lián)網(wǎng)技術(shù)主要應(yīng)用于控制指令的傳輸。該系統(tǒng)簡化了過磅的工作流程，降低了系統(tǒng)安裝和調(diào)試的工作量，減少了系統(tǒng)需要的硬件設(shè)備數(shù)，節(jié)省了布線材料和人力成本。

對于工礦企業(yè)，基于計算機視覺的無人值守過磅系統(tǒng)的使用提高了過磅效率，能將計量誤差控制在3‰以內(nèi)，降低了企業(yè)成本，提高了企業(yè)的信息化水平，為企業(yè)的智能化提供了有力支撐。