針對傳統的煤礦企業地磅稱重管理系統因人工采集信息導致工作效率低、質量差，以及因缺乏防 作弊監控措施導致偷煤現象頻發等問題，設計了一種煤礦視頻聯動地磅稱重智能識別管理系統，詳細介紹了 該系統的組成、視頻聯動地磅稱重智能識別原理、系統工作流程及軟件功能。該系統由視頻監控系統、車輛 抓拍系統和數據采集系統組成，綜合應用數字圖像處理、卷積神經網絡、計算機網絡等技術，實現了基于車牌 識別和多特征匹配的煤礦地磅業務智能監控功能。實際應用表明，該系統可靠性高，操作簡便，有效減少了 人員工作量，并能夠防止作弊盜煤現象發生。

0.引言

傳統的煤礦企業地磅稱重管理系統中大部分信 息采集工作由司磅員手動完成，很難保證工作效率 及工作質量。另外，系統缺乏有效的防作弊監控 措施，導致大量偷煤現象，給企業造成巨大經濟損 失。常見的作弊手段包括模糊車牌、更換車牌、車輛 不完全上磅稱毛重或多輛車同時上磅稱皮重、對地 磅傳感器加裝遙控干擾裝置等。

本文綜合運用數字圖像處理、卷積神經網絡 (Convolutional Neural Network,CNN)和計算機網 絡等技術，設計了一種煤礦視頻聯動地磅稱重智能 識別管理系統。該系統能夠自動檢測車輛是否完全 上磅，識別載煤車牌號并確保信息匹配，同時可自動 采集、傳輸、存儲和調取稱重數據，實現對煤礦地鎊 業務的智能監控。實際應用表明，該系統減輕了工 作人員的勞動強度，最大限度地防止了作弊行為的 發生。

1.系統組成

煤礦視頻聯動地磅稱重智能識別管理系統主要 由視頻監控系統、車輛抓拍系統和數據采集系統組 成，如圖1所示。

1.1視頻監控系統

每臺地磅進出口分別安裝1臺高清紅外攝像 機，進行全天候監控。為保證視頻的清晰度，選用低 照度彩色攝像機，配有室外防水護罩。

在視頻監控系統中，管理人員能夠直接在軟件 界面上觀察整個計重過程，可重點觀看稱重車輛上 磅情況、車牌號、車斗里有無其他物品。稱重現場視 頻圖像可被錄制下來保存到硬盤上。視頻監控系統 可有效杜絕司磅員與司機溝通作弊等現象，確保稱 重數據的可靠性。

1. 2 車輛抓拍系統

車輛抓拍系統由紅外對射對位子系統和車牌識 別子系統組成。2對紅外對射器分別安裝在磅臺的 前后部，時刻檢測車輛位置。如果車輛未完全停在 鎊臺上，紅外對射器會自動感應到，不允許稱重，直 至車輛完全停在磅臺上才允許稱重。當車輛完全上 磅后，圖像采集設備受到地感線圈觸發，控制攝像機 獲取當前時刻的圖像并保存，然后由車牌識別子系 統對圖像中的車輛進行車牌識別,并輸出車牌號、時 間等信息。圖像同時被壓縮、打包，通過網絡傳輸并 存人數據庫。

紅外對射對位子系統可有效防止車輛不完全上磅稱毛重作弊和多輛車同時上鎊稱皮重作弊，確保 稱重數據的準確性。車牌識別子系統可有效減少人 工作業量，實現煤礦地磅車輛作業流水化，提高工作 效率。

1.3 數據采集系統

數據采集系統由采集、傳輸、存儲和調取4個部 分組成。系統自動采集稱重儀上的數據，避免人工 操作，有效防止人為因素作弊;根據RS232協議，將 數據編譯成固定的幀格式，接入到串口服務器并轉 換為以太網數據格式輸入網絡交換機，用于視頻監 控系統和車輛抓拍系統的信息匹配；將稱重數據保 存到數據服務器;在二次稱重時，根據車牌號在數據 庫中調取一次稱重時的數據，自動進行載煤量計算。 數據發送方式為周期主動發送，每200 ms發送 1次。數據一旦進人數據庫，將永久保存，在未經許可的情況下無法修改或刪除。數據采集系統可有效 避免人為因素產生的數據錄人錯誤，減少司磅員工 作量。

2.視頻聯動地磅稱重智能識別原理

煤礦視頻聯動地磅稱重智能識別管理系統中， 視頻監控系統進行全天候監控。當有車輛進人磅臺 時，紅外對射器時刻檢測車輛位置，待車輛完全上鎊 后，攝像機對車輛進行圖像抓拍，自動識別車牌號并 將最終結果和壓縮后的圖像上傳至數據庫。同時稱 重儀對載煤車輛進行稱重(皮重或毛重)并將數據上 傳至數據庫。

車牌識別子系統是整個系統的重要組成部分， 也是最復雜的部分，需要對捕捉的車輛監控圖像自 動進行車牌識別或多特征匹配。車牌識別率高低直 接關系到系統性能指標。

2.1車牌識別

車牌識別主要包括車牌定位與字符識別2個階 段。在車牌定位階段，綜合應用2種定位方式對 車牌進行初步定位檢測，然后使用CNN模型對檢 測到的候選車牌進行判斷;在字符識別階段，將 分割出的字符輸人到設計好的CNN模型中進行訓 練，得到的輸出結果即為識別的車牌字符。

常見的車牌定位法有邊緣檢測定位法、顏色定 位法、文字定位法。邊緣檢測定位法適用于非車牌 區域垂直邊緣較少的情況；顏色定位法適用于車身 及背景中無藍色和黃色干擾的情況；文字定位法在 弱光條件下定位效果優于其他2種方法。針對煤礦 常用運輸車輛背景顏色較為復雜的情況，系統綜合 采用邊緣檢測定位法和文字定位法。

車牌定位算法步驟：①對待識別圖像進行高斯 濾波，去除噪聲；②對濾波后的圖像進行灰度化處 理，為邊緣檢測做準備；③使用Sobel算子檢測圖 像中的垂直邊緣；④將Sobel算子生成的灰度圖像 轉換為二值圖像;⑤采用形態學閉操作將車牌字母 連接成一個連通域，便于取輪廓；⑥截取各連通域 輪廓，便于形成最小外接矩形；⑦根據車牌尺寸排 除不可能是車牌的矩形；⑧通過角度判斷進一步排 除一部分車牌矩形；⑨旋轉候選車牌矩形，使其水 平；⑩歸一化候選車牌矩形。

在夜晚、陰天等弱光線條件下，若邊緣檢測定位 法失效，則采用文字定位法,具體步驟：①使用最大穩定極值區域（Maximally Stable Extremal Regi0nS，MSER)法提取文字；②使用種子生長法 將文字塊連接起來，組合成候選車牌區域；③將候 選車牌送人CNN車牌判別分類器進行車牌判別。

得到車牌圖像后，將車牌上的字符分割出來進 行字符識別，得到車牌號。具體步驟：①將車牌圖 片轉換為灰度圖片；②判斷車牌顏色，對藍色車牌 使用正二值化，對于黃色車牌使用反二值化；③截 取每個字符輪廓；④截取的字符圖片歸一化；⑤送 人訓練好的CNN字符判別分類器進行字符識別。

車牌識別流程如圖2所示。

在識別訓練階段，采用Caffe深度學習框架，搭 配CaffeNet網絡模型進行訓練。車牌判別與字符 識別采用相同的識別網絡，其訓練過程基本一致，不 同之處在于車牌判別是將輸入圖片分為車牌與非車 牌2類，而字符識別是將輸入圖片分為65類，即 31類中文字符、24類英文字符和10類數字字符。 CaffeNet網絡模型共有8層，前5層為卷積層，后 3層為全連接層。針對車牌模糊的情況，在訓練CNN車牌判別分類器與CNN字符判別分類器時， 訓練樣本中加入模糊的車牌圖片進行訓練，以提高 識別準確性和識別速度。

2.2多特征匹配

為防止車輛駛出時偷換車牌，采用車頭多特征 抽取匹配方法，對沒有車牌建檔的車輛進行關聯識 別。具體步驟：①利用車牌識別得到的車牌寬 度和高度計算車頭區域，將車頭區域均分成10個子 塊；②對車頭圖像進行歸一化、銳化邊緣和去除噪 聲等預處理；③計算每個子塊的HSV(Hue， Saturation, Value,色調、飽和度、亮度）顏色空間， 得到每個子塊的顏色直方圖；④計算每個子塊若干 關鍵點的紋理特征；⑤比對當前車頭的特征序列和 車輛檔案中對應車牌號的車頭特征序列，如果二者 協方差距離小于0.3，則該車沒有套牌，反之為套牌 車輛。

系統車輛識別正確率可達到9 8 %，識別結果如圖3所示。

2.3 視頻與稱重聯動

在車牌識別的同時，稱重儀對完全上磅的車輛 進行稱重，并將采集的數據傳輸至數據庫。系統直 接讀取稱重儀數據，讀取數據時可設置讀取條件，如 當稱重儀數據超過16 t(可根據現場情況調整）后， 系統認為有車上磅,允許記錄數據（作為車輛皮重參 考值），在一段時間內自動比較，記錄最大值作為裝 車總重，存人數據庫。稱重數據通過RS232通信端 口在聯網情況下直接送達數據庫，并通過服務器軟 件完成匯總和記錄，這樣避免人為干預，確保了數據 的真實性。

3.系統工作流程

煤礦視頻聯動地磅稱重智能識別管理系統工作流程如圖4所示。

（1）視頻錄入：當車輛上磅后，前后攝像機進行 視頻錄人、存儲。

（2）車輛檢測：當有車上磅后，紅外對射器時刻 檢測車輛位置，確保車輛完全停在磅臺上。

（3）車牌識別：當車輛完全上鎊后，系統自動抓 拍當前圖像并識別車牌號。

（4）車輛建檔：根據一車一檔原則，將車牌號、 車輛圖片等送人相應的數據庫，建立車輛檔案。

（5）數據讀取：在進行車牌識別的同時，系統直 接讀取稱重儀數據，將皮重數據送人對應車輛檔案， 避免人為因素。

（6）車輛匹配：車牌識別子系統再次對完全上 鎊的車輛進行自動抓拍車牌識別或多特征匹配車輛 識別，根據識別結果從數據庫中提取相應車輛檔案。

（7）二次稱重：若匹配成功，系統讀取毛重數據 并錄入對應車輛檔案；若匹配不成功，系統不讀取任 何數據，關閉道閘，告知檢測人員。

（8）數據計算：系統自動計算凈重，并將結果存 人對應車輛檔案，不予修改。

4.系統軟件功能

煤礦視頻聯動地磅稱重智能識別管理系統軟件 功能主要包括：

（1）顯示功能：可顯示地鎊數據、COM 口狀態、 車牌號、車輛皮/毛重、現場監控畫面、車牌圖像等。

（2）多模式選擇：具有內調、外運、矸石選擇按 鈕，用戶可根據實際需求選擇運輸模式。

（3）查詢功能：提供多種查詢模式，如時間、運 輸方式、車輛信息、裝車信息等，用戶可根據需求查詢數據。

（4）車輛信息導入:用戶可根據實際需求，定期 導人最新車輛信息，確保數據實時、準確。

（5）報表統計:可生成日報、月報、年報等，便于査詢，并提供打印功能。

（6）監管功能：當某一時間段內的運銷量和實 7 際銷量存在較大出人時，可準確定位到嫌疑車輛，包括車牌、皮重、毛重、過磅時間等信息。

（7）分類統計：可根據用戶設置的運輸模式分別統計運煤量。

5.結語

煤礦視頻聯動地鎊稱重智能識別管理系統綜合 采用數字圖像處理、CNN和計算機網絡技術，可實 現對煤礦地磅業務的智能監控功能。該系統已在霍 州煤電集團有限責任公司得到實際應用，結果表明 該系統可靠性高，操作簡便，可有效防止作弊盜煤問 題，取得了良好的經濟效益。