CN109359535B - 木材装载信息的识别方法、装置、电子设备及存储介质 - Google Patents
木材装载信息的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109359535B CN109359535B CN201811064734.0A CN201811064734A CN109359535B CN 109359535 B CN109359535 B CN 109359535B CN 201811064734 A CN201811064734 A CN 201811064734A CN 109359535 B CN109359535 B CN 109359535B
- Authority
- CN
- China
- Prior art keywords
- wood
- loading
- vehicle
- carrying vehicle
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002023 wood Substances 0.000 title claims abstract description 315
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims description 57
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 abstract description 5
- 238000012549 training Methods 0.000 description 41
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000002372 labelling Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 1
- 235000011613 Pinus brutia Nutrition 0.000 description 1
- 241000018646 Pinus brutia Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例公开了一种木材装载信息的识别方法、装置、电子设备及存储介质。该方法包括:在获取监控区域的第一图像后,利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型,由所述第二识别模型对所述第二图像进行处理,以识别出所述木材装载车辆所运载的木材属性。本公开实施例利用一个识别模型从获取的海量图像中筛选优质图像,利用另一个识别模型对优质图像进行识别,以获取木材属性,实现了对木材属性的自动化识别,提高了识别效率,节约了成本。
Description
技术领域
本公开涉及计算机技术领域,具体涉及一种木材装载信息的识别方法、装置、电子设备及存储介质。
背景技术
在木材进出口过程中以及其他木材交易中,经常性的要完成对堆放在开放区域或封闭区域内的木材进行清点。例如,装卸松木的港口有对树木进行计量的需求。一船进口木材能到达几十万根木材,因此对其计数是一个复杂繁琐的工作。在具体的计量工作中,首先需要记录木材装载的数量,例如有多少根木材从集装箱被卸到停放区或从停放区被运输车辆运走;其次,需要对每根木材的双侧直径进行测量和记录,以计算木材的详细数据。目前港口的木材计量工作完全由人工完成,成本高且效率低,一般而言,首先由人工对一堆木材,例如原木进行清点,在得到清点结果后,由装卸车辆搬运至运载车辆上运走,完成交易。
发明内容
本公开实施例提供一种木材装载信息的识别方法、装置、电子设备及存储介质。
第一方面,本公开实施例中提供了一种木材装载信息的识别方法。
具体的,所述木材装载信息的识别方法,包括:
获取监控区域的第一图像;
利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;
在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型;
利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性。
进一步地,所述木材装载车辆的相关信息包括:所述木材装载车辆的属性、所述木材装载车辆的装载状态和所述木材装载车辆的行驶状态中的至少一个。
进一步地,所述木材装载车辆的属性至少包括是否为预设种类的木材装载车辆;和/或,所述木材装载车辆的装载状态至少包括空载状态和满载状态;和/或,所述木材装载车辆的行驶状态至少包括所述木材装载车辆的行驶方向、所述木材装载车辆是否穿过监控区域、所述木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个;和/或,木材装载车辆所述木材属性至少包括装载在所述木材装载车辆上的木材数量和/ 或木材的尺寸信息。
进一步地,还包括:
根据所述木材装载信息中的所述装载状态和/或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态。
结合第一方面的第三种实现方式,本公开在第一方面的第四种实现方式中,还包括:
在所述木材装载车辆处于正常的装载与运行状态时,根据所述木材装载车辆的车辆姿态确定所述木材装载车辆相对于获取所述第二图像的图像传感器的方向是否处于预设方向范围内;
在所述木材装载车辆相对于所述图像传感器的方向处于预设方向范围内时,确定所述木材装载车辆的相关信息满足所述预设条件。
进一步地,还包括:
在所述木材装载车辆处于非正常的装载与运行状态时,确定所述木材装载车辆的相关信息不满足所述预设条件,且输出报警信息,并停止对所述木材的计数。
进一步地,根据所述木材装载信息中的所述装载状态和/或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态,包括:
根据所述木材装载信息中的所述装载状态和所述行驶状态确定所述木材装载车辆是否按照预设行驶方向及预设装载状态穿过监控区域。
进一步地,根据所述木材装载信息中的所述装载状态和/或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态,包括:
根据所述木材装载车辆的轨迹信息以及所述木材装载信息中的所述装载状态确定所述木材装载车辆是否处于正常的装载与运行状态。
进一步地,还包括:
确定获取所述第二图像的图像传感器与所述木材装载车辆之间的距离信息;
利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性,包括:
所述第二识别模型根据所述距离信息以及所述第二图像识别所述木材装载车辆所运载的木材数量及尺寸。
进一步地,还包括:
根据所述木材属性对所述木材装载车辆所运载的木材进行计数。
进一步地,还包括:
获取多个训练样本;所述训练样本包括木材装载车辆的第二图像以及对所述第二图像的标注结果;所述标注结果包括所述木材装载车辆的属性、所述木材装载车辆的装载状态、所述木材装载车辆的行驶状态以及所述木材装载车辆所运载的木材属性中的至少一个;
利用多个所述训练样本进行模型训练,得到所述第一识别模型和所述第二识别模型。
进一步地,利用多个所述训练样本进行模型训练,得到所述第一识别模型和所述第二识别模型,包括:
利用多个所述训练样本对第一神经网络和第二神经网络进行训练,得到第一识别模型和第二识别模型。
第二方面,本公开实施例提供了一种木材装载信息的识别***,包括:
设置于监控区域中的图像传感器,用于获取监控区域中的第一图像;
电子设备,用于实现第一方面所述的方法步骤。
进一步地,所述图像传感器为双目摄像头,所述电子设备利用所述双目摄像头获得的第一图像确定所述双目摄像头与木材装载车辆之间的距离信息;或,
所述木材装载信息的识别***还包括设置在所述图像传感器上的结构光测距模块,用于获取所述图像传感器与木材装载车辆之间的距离信息。
进一步地,所述木材装载信息的识别***还包括设置在所述木材装载车辆上的定位设备,用于实时获取所述木材装载车辆的位置信息。
第三方面,本公开实施例提供了一种木材装载信息的识别装置,包括:
第一获取模块,被配置为获取监控区域的第一图像;
第一识别模块,被配置为利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;
输出模块,被配置为在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型;
第二识别模块,被配置为利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性。
进一步地,所述木材装载车辆的相关信息包括:所述木材装载车辆的属性、所述木材装载车辆的装载状态和所述木材装载车辆的行驶状态中的至少一个。
进一步地,所述木材装载车辆的属性至少包括是否为预设种类的木材装载车辆;和/或,所述木材装载车辆的装载状态至少包括空载状态和满载状态;和/或,所述木材装载车辆的行驶状态至少包括所述木材装载车辆的行驶方向、所述木材装载车辆是否穿过监控区域、所述木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个;和/或,木材装载车辆所述木材属性至少包括装载在所述木材装载车辆上的木材数量和/ 或木材的尺寸信息。
进一步地,还包括:
第一确定模块,被配置为根据所述木材装载信息中的所述装载状态和 /或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态。
进一步地,还包括:
第二确定模块,被配置为在所述木材装载车辆处于正常的装载与运行状态时,根据所述木材装载车辆的车辆姿态确定所述木材装载车辆相对于获取所述第二图像的图像传感器的方向是否处于预设方向范围内;
第三确定模块,被配置为在所述木材装载车辆相对于所述图像传感器的方向处于预设方向范围内时,确定所述木材装载车辆的相关信息满足所述预设条件。
进一步地,还包括:
第四确定模块,被配置为在所述木材装载车辆处于非正常的装载与运行状态时,确定所述木材装载车辆的相关信息不满足所述预设条件,且输出报警信息,并停止对所述木材的计数。
进一步地,所述第一确定模块,包括:
第一确定子模块,被配置为根据所述木材装载信息中的所述装载状态和所述行驶状态确定所述木材装载车辆是否按照预设行驶方向及预设装载状态穿过监控区域。
进一步地,所述第一确定模块,包括:
第二确定子模块,被配置为根据所述木材装载车辆的轨迹信息以及所述木材装载信息中的所述装载状态确定所述木材装载车辆是否处于正常的装载与运行状态。
进一步地,还包括:
第五确定模块,被配置为确定获取所述第二图像的图像传感器与所述木材装载车辆之间的距离信息;
所述第二识别模块,包括:
识别子模块,被配置为所述第二识别模型根据所述距离信息以及所述第二图像识别所述木材装载车辆所运载的木材数量及尺寸。
进一步地,还包括:
计数模块,被配置为根据所述木材属性对所述木材装载车辆所运载的木材进行计数。
进一步地,还包括:
第二获取模块,被配置为获取多个训练样本;所述训练样本包括木材装载车辆的第二图像以及对所述第二图像的标注结果;所述标注结果包括所述木材装载车辆的属性、所述木材装载车辆的装载状态、所述木材装载车辆的行驶状态以及所述木材装载车辆所运载的木材属性中的至少一个;
训练模块,被配置为利用多个所述训练样本进行模型训练,得到所述第一识别模型和所述第二识别模型。
进一步地,所述训练模块,包括:
训练子模块,被配置为利用多个所述训练样本对第一神经网络和第二神经网络进行训练,得到第一识别模型和第二识别模型。
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,木材装载信息的识别装置的结构中包括存储器和处理器,所述存储器用于存储一条或多条支持木材装载信息的识别装置执行上述第一方面中木材装载信息的识别方法的计算机指令,所述处理器被配置为用于执行所述存储器中存储的计算机指令。所述木材装载信息的识别装置还可以包括通信接口,用于木材装载信息的识别装置与其他设备或通信网络通信。
第四方面,本公开实施例提供了一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现第一方面所述的方法步骤。
第五方面,本公开实施例提供了一种计算机可读存储介质,用于存储木材装载信息的识别装置所用的计算机指令,其包含用于执行上述第一方面中木材装载信息的识别方法所涉及的计算机指令。
本公开实施例在获取监控区域的第一图像后,利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型,由所述第二识别模型对所述第二图像进行处理,以识别出所述木材装载车辆所运载的木材属性。本公开上述实施例利用第一识别模型对监控区域的第一图像进行识别,并从中筛选出第一图像中木材装载车辆的相关信息满足预设条件的第二图像送入第二识别模型,以进行木材属性的识别,第一识别模型同时起到了木材装载车辆的识别以及图像筛选的作用,使得送入第二识别模型的图像是较容易识别出木材属性的优质图像,实现了对木材属性的自动化识别,同时利用一个识别模型从获取的海量图像中筛选优质图像,利用另一个识别模型对优质图像进行识别,以获取木材属性,提高了识别效率,节约了成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的木材装载信息的识别方法的流程图;
图2示出根据本公开一实施方式的木材装载信息的识别方法中识别木材属性的示意图;
图3示出根据本公开一实施方式的木材装载信息的识别方法的应用场景示意图;
图4示出根据本公开另一实施方式的木材装载信息的识别方法的流程图;
图5(a)和图5(b)示出根据本公开一实施方式中装载车辆的正常和异常装载和运行状态示意图;
图6示出根据本公开又一实施方式的木材装载信息的识别方法的流程图;
图7示出根据本公开一实施方式的木材装载信息的识别***的结构框图
图8示出根据本公开一实施方式的木材装载信息的识别装置的结构框图;
图9示出根据本公开又一实施方式的木材装载信息的识别装置的结构框图;
图10示出根据本公开另一实施方式的木材装载信息的识别装置的结构框图;
图11是适于用来实现根据本公开一实施方式的木材装载信息的识别方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出根据本公开一实施方式的木材装载信息的识别方法的流程图。如图1所示,所述木材装载信息的识别方法包括以下步骤S101-S104:
在步骤S101中,获取监控区域的第一图像;
在步骤S102中,利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;
在步骤S103中,在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型;
在步骤S104中,利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性。
在本实施例中,在木材装载车辆对木材进行运输的过程中,例如利用木材装载车辆将木材从集装箱卸载到停放区,或者利用木材装载车辆从停放区将木材运输到运输车辆的过程中,可以预先设置一监控区域,该监控区域可以位于木材装载车辆必经的运输线路上,在监控区域的周边可以设置至少一个图像传感器,该图像传感器能够实时获取监控区域内的第一图像。图像传感器可以与一设置装置具有通信连接,设置装置可以控制图像传感器能够检测到监控区域,其中监控区域可以为图像传感器能够检测到木材装载车辆的部分或全部作业区域。木材装载车辆可以具有一夹具,在一次运输过程中,木材装载车辆依靠夹具从木材堆中夹取一定数量的木材,并按照行进方向满载行进,途径图像传感器的监控区域,在到达终点后卸载所夹取的木材,并按照行进方向的相反方向空载返回,返回途中也会经过监控区域,图像传感器可以对监控区域实时监控。
在本实施例中,图像传感器可以包括单目摄像头、双目摄像头、阵列摄像头、激光传感器、红外传感器中的一种或多种。第一图像包括RGB图像和/或激光点云图。
在本实施例中,将图像传感器获得的第一图像输入到第一识别模型中,第一识别模型通过对第一图像进行识别,从中筛选出包含木材装载车辆的第二图像,从而进一步识别第二图像中木材装载车辆的相关信息,其中木材装载车辆的相关信息可以包括但不限于木材装载车辆的属性、木材装载车辆的装载状态和木材装载车辆的行驶状态中的一种或及几种的组合。
在本实施例中,在木材装载车辆的相关信息满足预设条件时,将第二图像输出至第二识别模型,第二识别模型用于识别木材装载车辆上装载的木材的属性,如木材数量、木材尺寸等。为了能够准确识别出木材装载车辆上的木材属性,第一识别模型可以将易于识别木材属性的第二图像输出给第二识别模型。木材属性可以包括木材的数量和/或每个木材的尺寸,而木材的尺寸至少包括木材两端面直径。以木材属性包括木材的尺寸为例,图2示出根据本公开一实施方式的木材装载信息的识别方法中识别木材属性的示意图,如图2所示,易于识别木材属性的第二图像可以是木材装载车辆的夹具上的木材端面可见的图像。为了识别木材尺寸,可以在监控区域四周设置多个图像传感器,至少在木材装载车辆运行到特定位置时能够同时获取所装载木材两端面图像。
预设条件可以根据上述原理预先设置为能够从第二图像中识别出木材属性的条件。例如预设条件可以为木材装载车辆相对于图像传感器的方向处于预设方向范围内,预设方向范围设置为使得图像传感器能够获取到木材装载车辆上所装载木材两端面图像。可以理解的是,预设条件不限于上述木材装载车辆相对于图像传感器的方向是否在预设方向范围内的设置,只要是第二图像中木材装载车辆的相关信息在满足预设条件时,至少能够识别木材装载车辆所装载的木材属性。
在本实施例中,利用第二识别模型对接收到的第二图像进行处理,识别木材装载车辆所运载的木材属性。其中木材属性可以包括装载在木材装载车辆上的木材数量和/或木材的尺寸信息。
在本实施例中,第一识别模型和第二识别模型是预先训练好的,是能够对图像传感器获取的第一图像进行识别,并从中识别出木材装载车辆的相关信息以及木材属性的识别模型。第一识别模型和第二识别模型可以是对人工智能模型进行机器自学习训练得到的,人工智能模型包括但不限于神经网络、卷积神经网络、深度神经网络、反馈神经网络、支持向量机、 K-means、K-ne i ghbors、决策树、随机森林、贝叶斯网络中的一种或多种组合。第一识别模型和第二识别模型所对应的人工智能模型可以相同也可以不同,根据应用需要进行选择,在此不作出限定。第一识别模型通过识别从图像传感器获取的监控区域中的第一图像,筛选出包含木材装载车辆的第二图像,并识别第二图像中木材装载车辆的相关信息,如果木材装载车辆的相关信息满足预设条件,也即第二图像中木材装载车辆满足能够从中识别出木材属性的条件时,才将第二图像输出给第二识别模型进行识别,通过这种方式第一识别模型和第二识别模型能够并行处理监控区域中的图像,进而提高识别效率。
本公开实施例在获取监控区域的第一图像后,利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型,由所述第二识别模型对所述第二图像进行处理,以识别出所述木材装载车辆所运载的木材属性。本公开上述实施例利用第一识别模型对监控区域的第一图像进行识别,并从中筛选出第一图像中木材装载车辆的相关信息满足预设条件的第二图像送入第二识别模型,以进行木材属性的识别,第一识别模型同时起到了木材装载车辆的识别以及图像筛选的作用,使得送入第二识别模型的图像是较容易识别出木材属性的优质图像,实现了对木材属性的自动化识别,同时利用一个识别模型从获取的海量图像中筛选优质图像,利用另一个识别模型对优质图像进行识别,以获取木材属性,提高了识别效率,节约了成本。
下面举例说明一下本公开实施例提出的上述木材装载信息的识别方法的应用示例。图3示出根据本公开一实施方式的木材装载信息的识别方法的应用场景示意图,如图3所示,装载车辆从木材堆抓取木材,并按照行驶方向将木材运载到目的地,在运输过程中,设置在监控区域中的图像传感器可以获取木材端面的图像,并传送给设置装置,设置装置利用训练好的机器学习模型1和机器学习模型2对该图像进行识别 。
在本实施例的一个可选实现方式中,所述木材装载车辆的相关信息包括所述木材装载车辆的属性、所述木材装载车辆的装载状态、所述木材装载车辆的行驶状态和所述木材装载车辆的车辆姿态中的至少一个。
在本实施例的一个可选实现方式中,所述木材装载车辆的属性至少包括是否为预设种类的木材装载车辆。木材装载车辆在运输木材的过程中会经过监控区域,而经过监控区域的车辆不一定都是木材装载车辆,也可能是其他车辆,这根据监控区域所在区域的不同而不同。因此,第一识别模型对第一图像进行识别时,可以先判断第一图像中的车辆是否为预设种类的木材装载车辆,如果是预设种类的木材装载车辆,则进行后续的处理,否则可以丢弃该第一图像。
在本实施例的一个可选实现方式中,所述木材装载车辆的装载状态至少包括空载状态和满载状态。
该可选的实现方式中,木材装载车辆例如在木材取货区域和木材放货区域之间往返运输,正常情况下,木材装载车辆在木材取货区域通过夹具抓取木材后,按照正向行驶路线以满载状态向木材放货区域行驶;在到达木材放货区域后,木材装载车辆卸下木材之后,按照方向行驶路线以空载状态返回木材取货区域,进行下一次木材的运输。
在本实施例的一个可选实现方式中,所述木材装载车辆的行驶状态至少包括所述木材装载车辆的行驶方向、所述木材装载车辆是否穿过监控区域、所述木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个。
该可选的实现方式中,木材装载车辆的行驶方向例如可以是从木材取货区域至木材放货区域的正向行驶方向,或者是从木材放货区域至木材区域区域的反向行驶方向。
图像传感器实时获取监控区域中的第一图像,第一识别模型通过识别当前获得的第一图像,以确定第一图像中是否包含木材装载车辆,如果包含木材装载车辆,则可以确定木材装载车辆当前穿过了监控区域,如果不包含,则可以确定木材装载车辆当前并未穿过监控区域。
木材装载车辆的姿态可以包括木材装载车辆的行进方向、木材装载车辆相对于图像传感器的方向等。预设车辆姿态可以包括:木材装载车辆满载状态下,按正向行驶方向通过监测区域;而木材装载车辆空载状态下,按照反向行驶方向通过监测区域。预设车辆姿态还可以设置为木材装载车辆相对于图像传感器的方向处于预设方向范围的姿态通过监测区域,使得木材装载车辆按照预设车辆姿态穿过所述监控区域时,第二识别模型可以从图像传感器获取的第一图像中识别出木材属性预设车辆姿态。木材装载车辆由于木材装载车辆与获取第二图像的图像传感器的相对姿态会影响到图像传感器对木材端面信息的获取,进而影响到第二识别模型对木材数量和/或木材尺寸的识别,因此第一识别模型可以挑选木材装载车辆的车辆姿态有利于木材识别的第二图像输出至第二识别模型木材装载车辆。
在本实施例的一个可选实现方式中,所述木材属性至少包括装载在所述木材装载车辆上的木材数量和/或木材的尺寸信息。为了清点木材堆放区域的木材数量,可以通过识别每次木材装载车辆所运输的木材数量,并进行累计即可确定一次装货或卸货过程中木材的总数量;同时为了更进一步的识别木材属性,还可以识别木材装载车辆上的木材的尺寸信息,木材的尺寸信息至少包括木材两端面的直径数据。
在本实施例的一个可选实现方式中,所述木材装载信息的识别方法还包括:
根据所述木材装载信息中的所述装载状态和/或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态。
该可选的实现方式中,可以在木材装载车辆处于正常的装载与运行状态时,识别木材装载车辆上装载的木材属性,而在装载车辆处于不正常的装载与运行状态时,可以发出报警或记录错误数据。其中,装载状态至少包括空载状态和满载状态,行驶状态至少包括木材装载车辆的行驶方向、木材装载车辆是否穿过监控区域、木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个。例如,木材装载车辆满载状态下,按照预设车辆姿态穿过所述监控区域,可以认为木材装载车辆处于正常的装载与运行状态;再例如木材装载车辆满载状态下,没有按照预设车辆姿态穿过所述监控区域(例如反向行驶),可以认为木材装载车辆处于不正常的装载与运行状态;再例如木材装载车辆满载状态下,没有按照规定的路线行经监控区域,而是绕过监控区域行驶,此时也可以认为木材装载车辆处于不正常的装载与运行状态。此外,木材装载车辆满载或空载状态下,未按照规定的行驶方向行驶(如满载状态下正向行驶,空载状态下反向行驶),也可以认为处于不正常的装置与运行状态。通过这种方式,可以实时发现木材装载车辆的异常状态,并发出警告。
在本实施例的一个可选实现方式中,如图4所示,所述方法进一步还包括以下步骤S401-S402:
在步骤S401中,在所述木材装载车辆处于正常的装载与运行状态时,根据所述木材装载车辆的车辆姿态确定所述木材装载车辆相对于获取所述第二图像的图像传感器的方向是否处于预设方向范围内;
在步骤S402中,在所述木材装载车辆相对于所述图像传感器的方向处于预设方向范围内时,确定所述木材装载车辆的相关信息满足所述预设条件。
该可选实现方式中,预设方向范围可以设置为当木材装载车辆满载状态下穿过监控区域时,相对于图像传感器的方向使得图像传感器获取的第二图像中的木材属性可识别,也即可以预先定义预设方向范围,木材装载车辆穿过监控区域时,与图像传感器的相对方向如果处于预设方向范围内,则图像传感器所获取的第二图像中木材属性是可识别的,例如可以看清木材端面信息,进而能够从木材端面信息确定木材的数量、尺寸等信息。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤:在所述木材装载车辆处于非正常的装载与运行状态时,确定所述木材装载车辆的相关信息不满足所述预设条件,且输出报警信息,并停止对所述木材的计数。
该可选的实现方式中,在木材装载车辆处于非正常的装载与运行状态时,说明此时出现异常情况,从而可以确定木材装载车辆的相关信息不满足所述预设条件,此时可以不将第二图像输出至第二识别模型,而是输出报警信息,并停止对木材的计数,从而避免错误计数的情况发生。木材装载车辆非正常的装载与运行状态可以参见前面相关的描述,在此不再赘述。在本实施例的一个可选实现方式中,根据所述木材装载信息中的所述装载状态和/或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态的步骤,进一步包括:
根据所述木材装载信息中的所述装载状态和所述行驶状态确定所述木材装载车辆是否按照预设行驶方向及预设装载状态穿过监控区域。
在该可选的实现方式中,木材装载车辆的预设装载状态至少包括空载状态和满载状态,木材装载车辆的预设行驶方向至少包括正向行驶状态和反向行驶状态,正向行驶状态为从取货区域行驶到卸货区域,反向行驶状态为从卸货区域行驶到取货区域。
如图5(a)所示,木材装载车辆在满载状态下,木材装载车辆的行驶方向是正向行驶状态,此时木材装载车辆处于正常的装载与运行状态;如图5(b)所示,木材装载车辆处于满载状态,木材装载车辆的行驶方向是从反向行驶状态,此时木材装载车辆处于不正常的装载与运行状态。
同理可知,木材装载车辆处于空载状态,木材装载车辆的行驶方向是正向行驶状态,此时木材装载车辆处于不正常的装载与运行状态;木材装载车辆处于空载状态,木材装载车辆的行驶方向是反向行驶状态,此时木材装载车辆处于正常的装载与运行状态。
在本实施例的一个可选实现方式中,根据所述木材装载信息中的所述装载状态和/或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态的步骤,进一步包括:
根据所述木材装载车辆的轨迹信息以及所述木材装载信息中的所述装载状态确定所述木材装载车辆是否处于正常的装载与运行状态。
该可选的实现方式中,可以通过在木材装载车辆上安装定位***,获取木材装载车辆的实时位置信息,从而确定木材装载车辆的行驶轨迹,其中定位***可以是全球定位***(GNSS)、基于区域无线信号和图像识别的定位***中的一种或多种。
在本实施例中,可以预先设置木材装载车辆的行驶路线,例如可以设置木材装载车辆的行驶路线为取货区域和卸货区域之间途径监控区域的路线。在一实施例中,通过跟踪木材装载车辆的轨迹信息,确定木材装载车辆没有按照行驶路线行驶时,确定木材装载车辆处于非正常的装载与运行状态。在另一实施例中,还可以考虑木材装载车辆的装载状态,在满载状态下,如果没有按照行驶路线正向经过监控区域,而是绕过监控区域到达终点,则可以认为木材装载车辆处于非正常的装载与运行状态,而在空载状态下,可以不要求木材装载车辆必须按照行驶路线行走。
举例说明,木材装载车辆处于空载状态,通过定位***获取木材装载车辆的轨迹信息是从取货区域向卸货区域行驶,此时木材装载车辆处于不正常的装载与运行状态;木材装载车辆处于空载状态,通过定位***获取木材装载车辆的轨迹信息是从卸货区域向取货区域行驶,此时木材装载车辆处于正常的装载与运行状态;木材装载车辆处于满载状态,通过定位***获取木材装载车辆的轨迹信息是从取货区域向卸货区域行驶,此时木材装载车辆处于正常的装载与运行状态;木材装载车辆处于满载状态,通过定位***获取木材装载车辆的轨迹信息是从卸货区域向取货区域行驶,此时木材装载车辆处于不正常的装载与运行状态。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤:
确定获取所述第二图像的图像传感器与所述木材装载车辆之间的距离信息;
所述步骤S104即利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性的步骤,进一步还包括以下步骤:
所述第二识别模型根据所述距离信息以及所述第二图像识别所述木材装载车辆所运载的木材数量及尺寸。
该可选的实现方式中,在计算木材装载车辆所运载的木材数量及尺寸时,首先可以确定获取第二图像的图像传感器与所述木材装载车辆之间的距离信息,并根据该距离信息结合第二图像,得到更为精确的木材数量及尺寸数据。
在一实施例中,获取第二图像的图像传感器与所述木材装载车辆之间的距离信息可以通过对木材装载车辆的图像识别来实现,在车辆的尺寸固定的情况下,可以通过木材装载车辆在图像中的相对大小确定获取第二图像的图像传感器与所述木材装载车辆之间的距离信息。
在另一实施例中,获取第二图像的图像传感器可以是双目摄像头,通过双目测距的方式得到获取第二图像的图像传感器与所述木材装载车辆之间的距离信息。
在另一实施例中,还可以在获取第二图像的图像传感器上设置激光测距传感器获取与所述木材装载车辆之间的距离信息。
在本实施例的一个可选实现方式中,所述木材装载信息的识别方法,进一步还包括以下步骤:
根据所述木材属性对所述木材装载车辆所运载的木材进行计数。
在本实施例中,木材属性至少包括装载在所述木材装载车辆上的木材数量和/或木材的尺寸信息。为了清点木材数量,可以通过识别木材装载车辆每次运载的木材数量,并累计得到木材总数量。
在本实施例的一个可选实现方式中,如图6所示,所述木材装载信息的识别方法,进一步还包括以下步骤S601-S602:
在步骤S601中,获取多个训练样本;所述训练样本包括木材装载车辆的第二图像以及对所述第二图像的标注结果;所述标注结果包括所述木材装载车辆的属性、所述木材装载车辆的装载状态、所述木材装载车辆的行驶状态以及所述木材装载车辆所运载的木材属性中的至少一个;
在步骤S602中,利用多个所述训练样本进行模型训练,得到所述第一识别模型和所述第二识别模型。
在本实施例中,在训练第一识别模型和第二识别模型时,可以获取包含木材装载车辆的样本图像,并人工标注样本图像中木材装载车辆的相关信息以及木材属性,得到训练样本;利用获得的多个训练样本对第一识别模型和第二识别模型对应的人工智能模型进行训练,在训练次数达到一定值,或者第一识别模型和第二识别模型的目标函数的结果呈收敛状态时,停止训练,并最终得到训练好的第一识别模型和第二识别模型。第一识别模型和第二识别模型可以分开训练。
在本实施例的一个可选实现方式中,所述步骤S602即利用多个所述训练样本进行模型训练,得到所述第一识别模型和所述第二识别模型的步骤,进一步包括以下步骤:
利用多个所述训练样本对第一神经网络和第二神经网络进行训练,得到第一识别模型和第二识别模型。
该可选的实现方式中,可以选择第一神经网络和第二神经网络进行训练,进而得到第一识别模型和第二识别模型。神经网络作为自动分类模型、回归模型或决策模型,神经网络可以为卷积神经网络和深度神经网络中的一种或其组合。神经网络可以包括含有多个层,每个层包含多个节点,相邻两层多个节点之间存在可训练权重。
本公开还提出一种木材装载信息的识别***,可以用于执行本公开方法实施例。图7示出根据本公开一实施方式的木材装载信息的识别***的结构框图,如图7所示,所述木材装载信息的识别***,包括:
设置于监控区域中的图像传感器701,用于获取监控区域中的第一图像;
电子设备702,用于实现本公开上述木材装载信息的识别方法中任一实施方式的方法步骤。
本实施例中,在木材装载车辆对木材进行运输的过程中,例如利用木材装载车辆将木材从集装箱卸载到停放区,或者利用木材装载车辆从停放区将木材运输到运输车辆的过程中,可以预先设置一监控区域,该监控区域可以位于木材装载车辆必经的运输线路上,在监控区域的周边可以设置至少一个图像传感器,该图像传感器能够实时获取监控区域内的第一图像。图像传感器可以与一设置装置具有通信连接,设置装置可以控制图像传感器能够检测到监控区域,其中监控区域可以为图像传感器能够检测到木材装载车辆的部分或全部作业区域。木材装载车辆可以具有一夹具,在一次运输过程中,木材装载车辆依靠夹具从木材堆中夹取一定数量的木材,并按照行进方向满载行进,途径图像传感器的监控区域,在到达终点后卸载所夹取的木材,并按照行进方向的相反方向空载返回,返回途中也会经过监控区域,图像传感器可以对监控区域实时监控。
在本实施例中,图像传感器可以包括单目摄像头、双目摄像头、阵列摄像头、激光传感器、红外传感器中的一种或多种。第一图像包括RGB图像和/或激光点云图。电子设备可以是服务器、远程终端等,电子设备可以包括存储器和处理器,处理器用于执行本公开上述实施例中木材装载信息的识别方法中任一实施方式的方法步骤。本实施例的具体细节可参见上述对木材装载信息的识别方法的相关实施例的描述,在此不再赘述。
在本实施例的一个可选实现方式中,所述图像传感器为双目摄像头,所述电子设备利用所述双目摄像头获得的第一图像确定所述双目摄像头与木材装载车辆之间的距离信息。
该可选的实现方式中,图像传感器可以为双目摄像头,电子设备可以利用双目摄像头获取的第一图像识别出双目摄像头与木材装载车辆之间的距离信息。此处的距离信息可以是双目摄像头任一摄像头与木材装载车辆之间的距离信息,也可以是双目摄像头中间点与木材装载车辆中间的距离信息,具体可以根据实际情况设置,在此不再赘述。
在本实施例的一个可选实现方式中,所述木材装载信息的识别***还包括设置在所述图像传感器上的结构光测距模块,用于获取所述图像传感器与木材装载车辆之间的距离信息。
该可选的实现方式中,结构测距模块可以是激光传感器,通过发射激光和接收木材装载车辆反射的激光确定图像传感器与木材装载车辆之间的距离信息。
在本实施例的一个可选实现方式中,所述木材装载信息的识别***还包括设置在所述木材装载车辆上的定位设备,用于实时获取所述木材装载车辆的位置信息。
该可选的实现方式中,还可以在木材装载车辆上设置定位设备,以实时获取木材装载车辆的运行轨迹。定位设备可以是卫星导航设备和/或惯导设备,具体可根据实际情况选择,在此不做限制。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图8示出根据本公开一实施方式的木材装载信息的识别装置的结构框图,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图8所示,所述木材装载信息的识别装置包括第一获取模块 801、第一识别模块802、输出模块803和第二识别模块804:
第一获取模块801,被配置为获取监控区域的第一图像;
第一识别模块802,被配置为利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;
输出模块803,被配置为在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型;
第二识别模块804,被配置为利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性。
在本实施例的一个可选实现方式中,所述木材装载车辆的相关信息包括所述木材装载车辆的属性、所述木材装载车辆的装载状态、所述木材装载车辆的行驶状态和所述木材装载车辆的车辆姿态中的至少一个。
在本实施例的一个可选实现方式中,所述木材装载车辆的属性至少包括是否为预设种类的木材装载车辆。
在本实施例的一个可选实现方式中,所述木材装载车辆的装载状态至少包括空载状态和满载状态。
在本实施例的一个可选实现方式中,所述木材装载车辆的行驶状态至少包括所述木材装载车辆的行驶方向、所述木材装载车辆是否穿过监控区域、所述木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个。
在本实施例的一个可选实现方式中,所述木材属性至少包括装载在所述木材装载车辆上的木材数量和/或木材的尺寸信息。
在本实施例的一个可选实现方式中,所述木材装载信息的识别装置还包括:
第一确定模块,被配置为根据所述木材装载信息中的所述装载状态和 /或所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态。
在本实施例的一个可选实现方式中,如图9所示,所述装置还包括第二确定模块901和第三确定模块902:
第二确定模块901,被配置为在所述木材装载车辆处于正常的装载与运行状态时,根据所述木材装载车辆的车辆姿态确定所述木材装载车辆相对于获取所述第二图像的图像传感器的方向是否处于预设方向范围内;
第三确定模块902,被配置为在所述木材装载车辆相对于所述图像传感器的方向处于预设方向范围内时,确定所述木材装载车辆的相关信息满足所述预设条件。
在本实施例的一个可选实现方式中,所述装置进一步还包括:
第四确定模块,被配置为在所述木材装载车辆处于非正常的装载与运行状态时,确定所述木材装载车辆的相关信息不满足所述预设条件,且输出报警信息,并停止对所述木材的计数。
在本实施例的一个可选实现方式中,第一确定模块,包括:
第一确定子模块,被配置为根据所述木材装载信息中的所述装载状态和所述行驶状态确定所述木材装载车辆是否按照预设行驶方向及预设装载状态穿过监控区域。
在本实施例的一个可选实现方式中,第一确定模块,包括:
第二确定子模块,被配置为根据所述木材装载车辆的轨迹信息以及所述木材装载信息中的所述装载状态确定所述木材装载车辆是否处于正常的装载与运行状态。
在本实施例的一个可选实现方式中,所述装置进一步还包括:
第五确定模块,被配置为确定获取所述第二图像的图像传感器与所述木材装载车辆之间的距离信息;
第二识别模块804,包括:
识别子模块,被配置为所述第二识别模型根据所述距离信息以及所述第二图像识别所述木材装载车辆所运载的木材数量及尺寸。
在本实施例的一个可选实现方式中,所述木材装载信息的识别装置,进一步还包括:
计数模块,被配置为根据所述木材属性对所述木材装载车辆所运载的木材进行计数。
在本实施例的一个可选实现方式中,如图10所示,所述木材装载信息的识别装置,进一步还包括第二获取模块1001和训练模块1002:
第二获取模块1001,被配置为获取多个训练样本;所述训练样本包括木材装载车辆的第二图像以及对所述第二图像的标注结果;所述标注结果包括所述木材装载车辆的属性、所述木材装载车辆的装载状态、所述木材装载车辆的行驶状态以及所述木材装载车辆所运载的木材属性中的至少一个;
训练模块1002,被配置为利用多个所述训练样本进行模型训练,得到所述第一识别模型和所述第二识别模型。
在本实施例的一个可选实现方式中,所述训练模块1002,包括:
训练子模块,被配置为利用多个所述训练样本对第一神经网络和第二神经网络进行训练,得到第一识别模型和第二识别模型。
本公开上述各实施例中提出的木材装载信息的识别装置与本公开提出的木材装载信息的识别方法对应一致,具体细节可参见上述对木材装载信息的识别方法的描述,在此不再赘述。
图11是适于用来实现根据本公开实施方式的木材装载信息的识别方法的电子设备的结构示意图。
如图11所示,电子设备1100包括中央处理单元(CPU)1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行上述图1所示的实施方式中的各种处理。在RAM1103中,还存储有电子设备1100操作所需的各种程序和数据。CPU1101、ROM1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
特别地,根据本公开的实施方式,上文参考图1描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图1的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111 被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种木材装载信息的识别方法,其特征在于,包括:
获取监控区域的第一图像;
利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;所述木材装载车辆的相关信息包括:所述木材装载车辆的属性、所述木材装载车辆的装载状态和所述木材装载车辆的行驶状态;所述木材装载车辆的属性至少包括是否为预设种类的木材装载车辆;所述木材装载车辆的装载状态至少包括空载状态和满载状态;所述木材装载车辆的行驶状态至少包括所述木材装载车辆的行驶方向、所述木材装载车辆是否穿过监控区域、所述木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个;
在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型;
利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性,所述木材属性至少包括装载在所述木材装载车辆上的木材数量和/或木材的尺寸信息。
2.根据权利要求1所述的木材装载信息的识别方法,其特征在于,所述木材装载信息的识别方法,还包括:
根据所述装载状态和所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态。
3.根据权利要求2所述的木材装载信息的识别方法,其特征在于,所述木材装载信息的识别方法,还包括:
在所述木材装载车辆处于正常的装载与运行状态时,根据所述木材装载车辆的车辆姿态确定所述木材装载车辆相对于获取所述第二图像的图像传感器的方向是否处于预设方向范围内;
在所述木材装载车辆相对于所述图像传感器的方向处于预设方向范围内时,确定所述木材装载车辆的相关信息满足所述预设条件。
4.根据权利要求2所述的木材装载信息的识别方法,其特征在于,所述木材装载信息的识别方法,还包括:
在所述木材装载车辆处于非正常的装载与运行状态时,确定所述木材装载车辆的相关信息不满足所述预设条件,且输出报警信息,并停止对所述木材的计数。
5.根据权利要求2或4所述的木材装载信息的识别方法,其特征在于,根据所述装载状态和所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态,包括:
根据所述装载状态和所述行驶状态确定所述木材装载车辆是否按照预设行驶方向及预设装载状态穿过监控区域。
6.根据权利要求2或4所述的木材装载信息的识别方法,其特征在于,根据所述装载状态和所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态,包括:
根据所述木材装载车辆的轨迹信息以及所述装载状态确定所述木材装载车辆是否处于正常的装载与运行状态。
7.根据权利要求1-4任一项所述的木材装载信息的识别方法,其特征在于,所述木材装载信息的识别方法,还包括:
确定获取所述第二图像的图像传感器与所述木材装载车辆之间的距离信息;
利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性,包括:
所述第二识别模型根据所述距离信息以及所述第二图像识别所述木材装载车辆所运载的木材数量及尺寸。
8.根据权利要求1-4任一项所述的木材装载信息的识别方法,其特征在于,所述木材装载信息的识别方法,还包括:
根据所述木材属性对所述木材装载车辆所运载的木材进行计数。
9.一种木材装载信息的识别装置,其特征在于,包括:
第一获取模块,被配置为获取监控区域的第一图像;
第一识别模块,被配置为利用预先训练的第一识别模型对所述第一图像进行处理,识别所述第一图像中包含木材装载车辆的第二图像,并识别所述第二图像中所述木材装载车辆的相关信息;所述木材装载车辆的相关信息包括:所述木材装载车辆的属性、所述木材装载车辆的装载状态和所述木材装载车辆的行驶状态;所述木材装载车辆的属性至少包括是否为预设种类的木材装载车辆;所述木材装载车辆的装载状态至少包括空载状态和满载状态;所述木材装载车辆的行驶状态至少包括所述木材装载车辆的行驶方向、所述木材装载车辆是否穿过监控区域、所述木材装载车辆是否按照预设车辆姿态穿过所述监控区域中的至少一个;
输出模块,被配置为在所述木材装载车辆的相关信息满足预设条件时,将所述第二图像输出至第二识别模型;
第二识别模块,被配置为利用所述第二识别模型对所述第二图像进行处理,识别所述木材装载车辆所运载的木材属性,所述木材属性至少包括装载在所述木材装载车辆上的木材数量和/或木材的尺寸信息。
10.根据权利要求9所述的木材装载信息的识别装置,其特征在于,所述木材装载信息的识别装置,还包括:
第一确定模块,被配置为根据所述装载状态和所述行驶状态确定所述木材装载车辆是否处于正常的装载与运行状态。
11.根据权利要求10所述的木材装载信息的识别装置,其特征在于,所述木材装载信息的识别装置,还包括:
第二确定模块,被配置为在所述木材装载车辆处于正常的装载与运行状态时,根据所述木材装载车辆的车辆姿态确定所述木材装载车辆相对于获取所述第二图像的图像传感器的方向是否处于预设方向范围内;
第三确定模块,被配置为在所述木材装载车辆相对于所述图像传感器的方向处于预设方向范围内时,确定所述木材装载车辆的相关信息满足所述预设条件。
12.根据权利要求10所述的木材装载信息的识别装置,其特征在于,所述木材装载信息的识别装置,还包括:
第四确定模块,被配置为在所述木材装载车辆处于非正常的装载与运行状态时,确定所述木材装载车辆的相关信息不满足所述预设条件,且输出报警信息,并停止对所述木材的计数。
13.根据权利要求10或12所述的木材装载信息的识别装置,其特征在于,所述第一确定模块,包括:
第一确定子模块,被配置为根据所述装载状态和所述行驶状态确定所述木材装载车辆是否按照预设行驶方向及预设装载状态穿过监控区域。
14.根据权利要求10或12所述的木材装载信息的识别装置,其特征在于,所述第一确定模块,包括:
第二确定子模块,被配置为根据所述木材装载车辆的轨迹信息以及所述装载状态确定所述木材装载车辆是否处于正常的装载与运行状态。
15.根据权利要求9-12任一项所述的木材装载信息的识别装置,其特征在于,所述木材装载信息的识别装置,还包括:
第五确定模块,被配置为确定获取所述第二图像的图像传感器与所述木材装载车辆之间的距离信息;
所述第二识别模块,包括:
识别子模块,被配置为所述第二识别模型根据所述距离信息以及所述第二图像识别所述木材装载车辆所运载的木材数量及尺寸。
16.根据权利要求9-12任一项所述的木材装载信息的识别装置,其特征在于,所述木材装载信息的识别装置,还包括:
计数模块,被配置为根据所述木材属性对所述木材装载车辆所运载的木材进行计数。
17.一种电子设备,其特征在于,包括存储器和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现权利要求1-8任一项所述的方法步骤。
18.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该计算机指令被处理器执行时实现权利要求1-8任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064734.0A CN109359535B (zh) | 2018-09-12 | 2018-09-12 | 木材装载信息的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064734.0A CN109359535B (zh) | 2018-09-12 | 2018-09-12 | 木材装载信息的识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109359535A CN109359535A (zh) | 2019-02-19 |
CN109359535B true CN109359535B (zh) | 2021-07-20 |
Family
ID=65350984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811064734.0A Active CN109359535B (zh) | 2018-09-12 | 2018-09-12 | 木材装载信息的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359535B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110751198B (zh) * | 2019-10-15 | 2022-04-15 | 南京航空航天大学 | 基于rfid标签的木材种类识别***及方法 |
CN111178128B (zh) * | 2019-11-22 | 2024-03-19 | 北京迈格威科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111798510A (zh) * | 2020-06-24 | 2020-10-20 | 南京智鹤电子科技有限公司 | 施工材料运输车辆的运输量识别方法、装置及电子设备 |
CN112308003B (zh) * | 2020-11-06 | 2023-04-28 | 中冶赛迪信息技术(重庆)有限公司 | 一种废钢货车装载状态识别方法、***、设备及介质 |
CN114092765A (zh) * | 2021-11-24 | 2022-02-25 | 北京明略软件***有限公司 | 一种木材质量检测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003012122A (ja) * | 2001-06-28 | 2003-01-15 | Nisshin Seifun Group Inc | 入出庫管理システム |
CN101281021A (zh) * | 2008-05-14 | 2008-10-08 | 天恒威科技(北京)有限公司 | 一种木材自动监管方法及*** |
CN201585079U (zh) * | 2010-01-18 | 2010-09-15 | 成都成运科技有限责任公司 | 一种货物列车装载状态安全监测*** |
CN102244771A (zh) * | 2011-04-18 | 2011-11-16 | 北京中矿华沃电子科技有限公司 | 一种基于图像的露天矿挖掘机装车过程的监控方法和装置 |
JP2017040548A (ja) * | 2015-08-19 | 2017-02-23 | 平田機工株式会社 | 検出方法、測定方法及び測定装置 |
CN106996751A (zh) * | 2016-01-26 | 2017-08-01 | 中国科学院沈阳自动化研究所 | 一种基于视觉图像的运粮车谷物装载状态检测方法及装置 |
CN107176166A (zh) * | 2017-05-24 | 2017-09-19 | 内蒙古北方重型汽车股份有限公司 | 非公路矿用自卸车装载监控记录***及装载监控记录方法 |
CN107330802A (zh) * | 2017-06-20 | 2017-11-07 | 山东东山王楼煤矿有限公司 | 一种智能化矿山运销*** |
CN107767399A (zh) * | 2016-08-23 | 2018-03-06 | 吴晓栋 | 叉车监控方法及监控*** |
-
2018
- 2018-09-12 CN CN201811064734.0A patent/CN109359535B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003012122A (ja) * | 2001-06-28 | 2003-01-15 | Nisshin Seifun Group Inc | 入出庫管理システム |
CN101281021A (zh) * | 2008-05-14 | 2008-10-08 | 天恒威科技(北京)有限公司 | 一种木材自动监管方法及*** |
CN201585079U (zh) * | 2010-01-18 | 2010-09-15 | 成都成运科技有限责任公司 | 一种货物列车装载状态安全监测*** |
CN102244771A (zh) * | 2011-04-18 | 2011-11-16 | 北京中矿华沃电子科技有限公司 | 一种基于图像的露天矿挖掘机装车过程的监控方法和装置 |
JP2017040548A (ja) * | 2015-08-19 | 2017-02-23 | 平田機工株式会社 | 検出方法、測定方法及び測定装置 |
CN106996751A (zh) * | 2016-01-26 | 2017-08-01 | 中国科学院沈阳自动化研究所 | 一种基于视觉图像的运粮车谷物装载状态检测方法及装置 |
CN107767399A (zh) * | 2016-08-23 | 2018-03-06 | 吴晓栋 | 叉车监控方法及监控*** |
CN107176166A (zh) * | 2017-05-24 | 2017-09-19 | 内蒙古北方重型汽车股份有限公司 | 非公路矿用自卸车装载监控记录***及装载监控记录方法 |
CN107330802A (zh) * | 2017-06-20 | 2017-11-07 | 山东东山王楼煤矿有限公司 | 一种智能化矿山运销*** |
Non-Patent Citations (3)
Title |
---|
基于K-means聚类的木材运输行为的可视化监督;林宇洪等;《青海师范大学学报(自然科学版)》;20161231(第1期);摘要、第3.2节消除背景、第4节***应用 * |
基于双目视觉的原木材积检测方法研究;赵亚凤;《中国博士学位论文全文数据库信息科技辑》;20170215(第02期);第I138-109页正文第80-82页第5.4-5.5节 * |
林宇洪等.基于K-means聚类的木材运输行为的可视化监督.《青海师范大学学报(自然科学版)》.2016,(第1期),第54-59页. * |
Also Published As
Publication number | Publication date |
---|---|
CN109359535A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359535B (zh) | 木材装载信息的识别方法、装置、电子设备及存储介质 | |
US9965739B2 (en) | Systems and methods for freight tracking and monitoring | |
US9841314B2 (en) | Systems and methods for freight tracking and monitoring | |
US20180157246A1 (en) | Automated production system for mobile phone | |
CN112348428B (zh) | 集装箱的监控方法、装置、服务器及存储介质 | |
JP2012532816A (ja) | 輸送用コンテナの荷役装置の在庫管理のためのシステム | |
WO2018052583A1 (en) | Autonomous vehicle content identification system and associated methods | |
US11620613B2 (en) | Drone-based inventory management methods and systems | |
CN111062655A (zh) | 一种异常物流运单的识别方法、装置及*** | |
CN106903060A (zh) | 用于待分拣货物的分拣设施 | |
WO2022132239A1 (en) | Method, system and apparatus for managing warehouse by detecting damaged cargo | |
CN110888345A (zh) | 检测设备、控制设备及自动校验***和方法 | |
CN113759906A (zh) | 一种车辆对位方法、装置、计算机设备和存储介质 | |
CN110070566A (zh) | 信息检测方法、装置、计算机设备及可读存储介质 | |
CN116523270B (zh) | 一种物流运输任务自动调度方法、设备、服务器及介质 | |
CN116468366A (zh) | 盘点***、方法、立库、电子设备及计算机介质 | |
CN113841101A (zh) | 为了在移动式机器人的自主导航情况下使用而创建环境地图的方法 | |
CN114155424A (zh) | 一种仓库货物管理方法、装置、电子设备及可读存储介质 | |
CN113978987A (zh) | 栈板物品打包提货方法、装置、设备及介质 | |
NL1041965B1 (en) | Processing consignments in a pick-up and delivery network on the basis of weight and volume Information | |
KR20220129562A (ko) | 상품의 적재 및 하차 또는 영역 이동의 모니터링 시스템 | |
US11802948B2 (en) | Industrial vehicle distance and range measurement device calibration | |
JP7160755B2 (ja) | 搬送体に対する搬送管理装置および方法 | |
CN115310929A (zh) | 一种出货管理方法、***、设备及存储介质 | |
JP2024048679A (ja) | ピッキング管理システム、それを含む物流管理システム、及び、その物流管理システムで管理される物流施設。 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |