[發明專利]基于卷積神經網絡的礦區運輸車輛頭尾識別方法及系統

在審

• 申請號: 202110654551.X
• 申請日: 2021-06-11
• 公開（公告）號: CN113298021A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 李俊強;王超;田文泉;陳國龍;李文勝;武磊;張平杰
• 申請（專利權）人: 宿州學院;淮北市思苑科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 合肥昊晟德專利代理事務所(普通合伙) 34153
• 代理人: 何梓秋

本發明公開了基于卷積神經網絡的礦區運輸車輛頭尾識別方法及系統，屬于視覺識別技術領域，包括以下步驟：S1：進行樣本采集、標注，建立車輛頭尾目標檢測數據集；S2：構建卷積神經網絡車輛頭尾深度學習識別模型；S3：對車輛頭尾深度學習識別模型進行訓練直到模型收斂，獲得最優模型；S4：對最優模型在進行測試，直到識別精確度達到預期為止：則最優模型為最終車輛頭尾識別模型；S5：通過最終車輛頭尾識別模型判斷車輛圖片是否是車頭圖片；若是則允許車輛通過，否則禁止車輛通過。本發明采用改進的深度學習的識別算法，進行訓練直到收斂，然后對車輛進行快速識別，解決了礦區車輛頭尾識別的問題，提高了車輛頭尾檢測的效率。

技術領域

本發明涉及視覺識別技術領域，具體涉及基于卷積神經網絡的礦區運輸車輛頭尾識別方法。

背景技術

安徽省礦產資源豐富，很多礦產資源在全國占有重要地位，為地方國民經濟持續健康發展提供了重要支撐。隨著礦產資源開采規模的不斷擴大，對礦山資源開發進行有效監管已成為日趨重要的問題。近年來，國家先后出臺了一系列關于礦產資源管理的法律法規和政策，推動了礦業的健康發展，同時也促進了基層礦政管理水平的提高。

礦產資源開發中違法違規現象難以杜絕，仍時有發生，存在無證開采、盜采、破壞性開采、不按批準的開發利用方案開采、資源利用率低、瞞報產量、污染環境、安全和地質災害隱患等一系列問題?？勘O管人員巡查難度很大，所花費的人力、物力、財力也很大，而且效果不甚理想，如何做到精準監管成為亟待解決的難題。

在礦山復雜環境下，有些運輸車拉完資源后可能會逃逸，即這些車輛拉完礦物后逃離監控平臺的管理，因為，國家對礦區資源的收稅是按照開采量來計算的，這樣就會造成偷稅漏稅現象。另外，對進出礦區的運輸車進行車頭車尾的識別，能夠對運輸車所拉資源進行有效的過磅，防止車輛沒有過磅或者超載，這有利于資源的有效監控，避免國家稅收的丟失具有重要的意義。

對礦區運輸車的車頭車尾進行精細化識別，不僅對于礦山資源的有效的管理具有重要的意義，而且還能避免偷稅漏稅的非法行為。為此，提出基于卷積神經網絡的礦區運輸車輛頭尾識別方法。

發明內容

本發明所要解決的技術問題在于：如何解決礦區車輛偷稅漏稅的非法行為，提高識別的準確性，有利于資源的有效監控，提供了基于卷積神經網絡的礦區運輸車輛頭尾識別方法。

本發明是通過以下技術方案解決上述技術問題的，本發明包括以下步驟：

S1：進行樣本采集、標注，建立車輛頭尾目標檢測數據集；

S2：構建卷積神經網絡車輛頭尾深度學習識別模型；

S3：對車輛頭尾深度學習識別模型進行訓練直到模型收斂，獲得最優模型；

S4：對最優模型在進行測試，直到識別精確度達到預期為止：則最優模型為最終車輛頭尾識別模型；

S5：通過最終車輛頭尾識別模型判斷經過車輛的圖片是否是車頭圖片；若是則允許車輛通過，否則禁止車輛通過。

更進一步地，在所述步驟S1中，采集礦區運輸車輛車頭的樣本與礦區運輸車輛車尾的圖片樣本，并通過人工手動將圖片樣本分成車頭和車尾兩類作為訓練集。

更進一步地，在所述步驟S1中，礦區運輸車輛車頭的樣本與礦區運輸車輛車尾的圖片樣本數量均大于等于10000張。