CN116758530A - 一种防作弊的货车计重*** - Google Patents

Abstract

本发明属于图像识别领域，公开了一种防作弊的货车计重***，包括车牌拍摄模块、车牌识别模块和车牌对比模块；车牌拍摄模块用于对进入装货区域的货车进行拍摄，获得包含车牌的第一图像，以及用于对离开装货区域的货车进行拍摄，获得包含车牌的第二图像；车牌识别模块用于基于采用改进的图像灰度化算法对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码；车牌对比模块用于根据第一车牌号码和第二车牌号码判断进出车辆是否一致，获得判断结果。本发明有效地提高了灰度化之后的图像中的车牌区域的信息含量，进而提高了识别出的车牌号码的准确率，提高了在计重过程中防范计重作弊的行为的效率。

Description

一种防作弊的货车计重***

技术领域

本发明涉及图像识别领域，尤其涉及一种防作弊的货车计重***。

背景技术

现有的货车计重***，例如公开号为CN112129391A的专利，在计重的过程中为了防止货车进行作弊，例如出入车辆不一致，一般都会在计重时都会对货车的车牌进行识别，然后将测量得到的重量与车牌进行匹配，确保进出的货车为同一辆，当识别出车牌号码一致后，便对测量得到的重量进行保存。

而现有的车牌识别算法，一般都需要对车牌图像进行灰度化处理、降噪、图像分割等步骤，但是，现有的车牌识别算法，例如公开号为CN114495082A的专利，在灰度化的过程中，一般是对RGB颜色模型中的三种分量的图像进行加权求和处理来得到灰度图像，由于三种分量图像的权重是预先设定的，对不同底色的车牌进行灰度化时，权重也是保持不变的，这就导致获得的灰度图像与原有的图像相比，车牌区域的信息含量降低的幅度比较大，不利于准确识别出货车的车牌，从而防止货车在计重过程中进行作弊。

发明内容

本发明的目的在于公开一种防作弊的货车计重***，解决如何在防止货车在计重的过程中进行作弊时，对货车的车牌进行识别的过程中，使得灰度化之后得到的图像中的车牌区域具有更高的信息含量的问题。

为了达到上述目的，本发明提供如下技术方案：

一种防作弊的货车计重***，包括车牌拍摄模块、车牌识别模块和车牌对比模块；

车牌拍摄模块用于对进入装货区域的货车进行拍摄，获得包含车牌的第一图像，以及用于对离开装货区域的货车进行拍摄，获得包含车牌的第二图像；

车牌识别模块用于对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码；

车牌对比模块用于根据第一车牌号码和第二车牌号码判断进出车辆是否一致，获得判断结果；

其中，对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码，包括：

S1，采用改进的图像灰度化算法分别对第一图像和第二图像进行灰度化处理，获得第一灰度图像和第二灰度图像：

对于图像delpho，delpho∈{第一图像，第二图像}，使用改进的灰度化算法对delpho进行灰度化处理，获得delpho对应的灰度图像的过程包括：

获取预设的灰度权重组合的集合；

分别使用灰度权重集合中的每种灰度权重组合对delpho进行灰度化处理，得到多张中间图像；

分别计算每张中间图像的有效信息系数，将有效信息系数最大的中间图像作为delpho对应的灰度图像；

S2，分别对第一灰度图像和第二灰度图像进行图像识别，获得第一车牌号码和第二车牌号码。

优选地，还包括计重模块，计重模块用于对进入装货区域的车牌号码为第一车牌号码的货车进行称重，获得第一重量，以及用于对离开装货区域的车牌号码为第二车牌号码的货车进行称重，获得第二重量。

优选地，还包括保存模块，保存模块用于在判断结果为进出车辆一致时，将第二重量减去第一重量，获得货车上的货物的货物重量，并对将货物重量和第一车牌号码进行关联后进行保存。

优选地，车牌识别模块还用于对第一车牌号码进行保存，获得第一车牌号码集合。

优选地，判断第一车牌号码和第二车牌号码是否一致，获得判断结果，包括：

将第二车牌号码分别与第一车牌号码集合中的每个元素进行对比，若第一车牌号码集合中存在与第二车牌号码相同的元素，则判断结果为进出车辆一致。

优选地，还包括监控模块，监控模块用于对货车的称重过程进行拍摄，获得称重过程的录像；

保存模块用于保存称重过程的录像。

优选地，计重模块包括检测单元和称重单元；

检测单元用于检测货车是否完全进入称重区域；

称重单元用于在货车完全进入称重区域后，对进入装货区域的车牌号码为第一车牌号码的货车进行称重，获得第一重量，以及用于对离开装货区域的车牌号码为第二车牌号码的货车进行称重，获得第二重量。

优选地，称重区域包括垂直于货车的前进方向的第一边界和第二边界，以及包括平行于货车的前进方向的第三边界和第四边界，第一边界、第二边、界第三边界和第四边界组成一个矩形区域。

优选地，检测单元包括第一红外对射装置、第二红外对射装置和判断装置；

第一红外对射装置和第二红外对射装置分别设置在称重区域的垂直于货车的前进方向的第一边界和第二边界所在的位置；

第一红外对射装置和第二红外对射装置分别用于判断第一边界和第二边界是否存在遮挡物，获得第一遮挡结果和第二遮挡结果；

称重单元还用于获取称重区域的实时重量；

判断装置用于根据第一遮挡结果、第二遮挡结果和实时重量检测货车是否完全进入称重区域。

优选地，根据第一遮挡结果、第二遮挡结果和实时重量检测货车是否完全进入称重区域，包括：

判断实时重量是否大于预设的重量阈值，若是，则进行下一步判断，若否，则表示货车没有进入称重区域；

下一步判断包括：

若第一遮挡结果为存在遮挡物和/或第二遮挡结果为存在遮挡物，则表示货车没有完全进入称重区域。

本发明在防止货车在计重的过程中进行作弊时，采用的是改进的图像灰度化算法来对包含车牌号码的图像进行灰度化处理，从而有效地提高了灰度化之后的图像中的车牌区域的信息含量，进而提高了识别出的车牌号码的准确率，避免需要重复进行车牌号码的识别，从而缩短了货车通过称重区域的等待时间，有效地提高了在计重过程中防范计重作弊的行为的效率。

改进的图像灰度化算法具体为预先为不同底色的车牌设置不同的灰度权重组合，使用这些灰度权重组合来对包含车牌号码的图像进行灰度化处理，然后再从获得的多张中间图像中，选出有效信息最大的图像作为最终的灰度图像，从而提高了灰度图像中的车牌区域的信息含量。

附图说明

从下文给出的详细描述和附图中将更充分地理解本公开，附图仅以说明的方式给出，因此不限制本公开，并且其中：

图1为本发明一种防作弊的货车计重***的第一种示意图。

图2为本发明一种防作弊的货车计重***的第二种示意图。

图3为本发明一种防作弊的货车计重***的第三种示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示的一种实施例，本发明提供了一种防作弊的货车计重***，包括车牌拍摄模块、车牌识别模块和车牌对比模块；

车牌拍摄模块用于对进入装货区域的货车进行拍摄，获得包含车牌的第一图像，以及用于对离开装货区域的货车进行拍摄，获得包含车牌的第二图像；

车牌识别模块用于对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码；

车牌对比模块用于根据第一车牌号码和第二车牌号码判断进出车辆是否一致，获得判断结果；

其中，对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码，包括：

S1，采用改进的图像灰度化算法分别对第一图像和第二图像进行灰度化处理，获得第一灰度图像和第二灰度图像：

对于图像delpho，delpho∈{第一图像，第二图像}，使用改进的灰度化算法对delpho进行灰度化处理，获得delpho对应的灰度图像的过程包括：

获取预设的灰度权重组合的集合；

分别使用灰度权重集合中的每种灰度权重组合对delpho进行灰度化处理，得到多张中间图像；

分别计算每张中间图像的有效信息系数，将有效信息系数最大的中间图像作为delpho对应的灰度图像；

S2，分别对第一灰度图像和第二灰度图像进行图像识别，获得第一车牌号码和第二车牌号码。

本发明在防止货车在计重的过程中进行作弊时，采用的是改进的图像灰度化算法来对包含车牌号码的图像进行灰度化处理，从而有效地提高了灰度化之后的图像中的车牌区域的信息含量，进而提高了识别出的车牌号码的准确率，避免需要重复进行车牌号码的识别，从而缩短了货车通过称重区域的等待时间，有效地提高了在计重过程中防范计重作弊的行为的效率。

改进的图像灰度化算法具体为预先为不同底色的车牌设置不同的灰度权重组合，使用这些灰度权重组合来对包含车牌号码的图像进行灰度化处理，然后再从获得的多张中间图像中，选出有效信息最大的图像作为最终的灰度图像，从而提高了灰度图像中的车牌区域的信息含量。

优选地，灰度权重组合包括RGB颜色模型中的红色、绿色、蓝色这三种分量在灰度化过程中的权重。

优选地，灰度权重组合的集合中包含了多种不同的底色的车牌所对应的灰度权重组合。

优选地，采用如下方式获取不同底色的车牌的灰度权重组合：

对于底色为Q的车牌，获取Q在RGB颜色模型中的红色、绿色、蓝色这三种分量的数值Q_R、Q_G、Q_B；

分别计算色、绿色、蓝色这三种分量的偏差值dvival(Q_R)、dvival(Q_G)、dvival(Q_B)：

dvival(Q_R)＝255-Q_R

dvival(Q_G)＝255-Q_G

dvival(Q_B)＝255-Q_B

将偏差值最小的分量对应的作为需要进行权重调整的分量S；

则分量S调整后的权重为：

w_S,af＝w_S-δ_S

其中，w_S,af和w_S分别表示分量S调整后和调整前的权重，δ_S表示分量S的调整量，

将除了S之外的另外两种分量分别用T和U进行表示，

则分量T的调整后的权重为：

分量U的调整后的权重为：

其中，w_T,af和w_T分别表示分量T调整后和调整前的权重，V表示调整幅度控制系数，V大于等于3，w_U,af和w_U分别表示分量U调整后和调整前的权重；

则底色为Q的车牌所对应的灰度权重组合为{w_S,af,w_T,af,w_U,af}。

在本发明中，灰度权重组合的获取过程能够根据车牌的底色的具体颜色取值进行自适应的获取，从而有效地减少了人工的工作量，有效地提高了获取灰度权重组合的效率，降低了本发明的实施难度。

具体的，在获取红色、绿色、蓝色三种不同分量的权重的过程中，本发明通过对偏差值最小的分量的权重进行降低，同时对另外两种分量的权重进行增加，从而提高了车牌号码所在的区域的像素点与车牌底色区域的像素点之间的差异，达到了突出车牌号码的像素点的效果，提高了灰度图像中的车牌区域的信息含量。

优选地，若存在两个以上的分量的偏差值一致，则通过如下方式确定需要进行权重调整的分量S：

获取底色为Q的车牌中的车牌号码的颜色在RGB颜色模型中的红色、绿色、蓝色这三种分量的数值L_R、L_G、L_B，

计算L_R与Q_R的差值的绝对值dif_R，计算L_G与Q_G的差值的绝对值dif_G，计算L_B与Q_B的差值的绝对值dif_B，

将上述三个绝对值中，最大的绝对值对应的分量作为分量S。

具体的，对于一些较为特殊的底色，例如标准灰色，计算出来的偏差值都是一样的，此时，进一步计算车牌号码的颜色与车牌的颜色在RGB颜色模型中的差异来获取分量S，从而能够有效地获取调整后对车牌号码的突出效果更好的分量。

下面是更进一步的实施例：

现有技术中的红色、绿色、蓝色的分量在RGB颜色模型中对应的图像的权重分别为0.299、0.587、0.114，

对于底色为蓝色的车牌，将其对应的灰度权重组合表示为{w_R,blue,w_G,blue,w_B,blue}，w_R,blue、w_G,blue、w_B,blue分别表示蓝色的车牌的图像在RGB颜色模型中红色、绿色、蓝色的这三种分量在对应的图像的权重，

则w_R,blue的计算函数为：

δ表示调整量，δ属于(0.05,0.114)；

w_G,blue的计算函数为：

w_B,blue的计算函数为：

w_B,blue＝0.114-δ。

在上述实施例中，通过降低蓝色的分量的权重，从而在灰度化之后的图像中，使得车牌上的字体的灰度值与周围的像素点的灰度值的差别更大，从而达到了突出车牌号码的效果，提高了灰度图像中的车牌区域的信息含量。

在另一些实施例中，对于蓝色之外的底色，通过削弱与底色最接近的那种颜色的权重，从而达到突出图像中的车牌号码的效果。通过将车牌的底色进行分解得到红绿蓝三种颜色，数值最大的颜色即为与底色最接近的那种颜色。

优选地，对于中间图像midpho，其有效信息系数的计算方式为：

第一步，获取中间图像midpho中的代表像素点的集合reppix：

分别计算中间图像midpho中的每个像素点的区域值，将区域值大于设定的区域值阈值的像素点作为reppix的元素，

区域值的计算函数为：

其中，bkval_h表示像素点h的区域值，λ₁、λ₂、λ₃表示预设的三个权重，neimx_h和neimi_h分别表示以像素点h为中心的，边长为H的正方形区域squ_h内的像素点的灰度值的最大值和最小值，H为奇数，gray_h表示像素点h的灰度值，cprval_h表示像素点h的综合值，stdcpr表示设定的综合值最大值；

综合值的计算函数为：

cprval_h＝|max(num_sml,h,lf,num_bgr,h,lf)-max(num_sml,h,rg,num_bgr,h,rg)|

其中，max表示获取括号内的较大值，num_sml,h,lf表示横坐标比像素点h小且处于squ_h内且灰度值比像素点h小的像素点的数量，num_bgr,h,lf横坐标比像素点h小且处于squ_h内且灰度值比像素点h大的像素点的数量，num_sml,h,rg表示横坐标比像素点h大且处于squ_h内且灰度值比像素点h小的像素点的数量，num_bgr,h,rg表示横坐标比像素点h大且处于squ_h内且灰度值比像素点h大的像素点的数量；

第二步，基于代表像素点的集合reppix计算有效信息系数：

有效信息系数的计算函数为：

其中，efinaf表示有效信息系数，μ表示求和比例，μ∈(0.1,0.9)，grayfs表示预设的方差常数，Nreppix表示reppix中的像素点的总数，gray_z表示像素点z的灰度值，Mnei_z表示以像素点z为中心的，边长为G的正方形区域squ_z内，属于集合reppix的元素的数量，G为奇数。

有效信息系数的计算过程是与前面的灰度权重组合的突出效果密切相关的，突出效果越好，则有效信息系数的数值越大，从而能够通过有效信息系数来选出突出效果最好的中间图像。有利于提高车牌识别的正确率，从而提高防范计重作弊行为的效率。

本发明先通过区域值来选出代表像素点，代表像素点为与周围的像素点的灰度值的最小值差异大，但是与周围的像素点的灰度值的最大值差异小，且综合值小的像素点。这种类型的像素点属于车牌号码的边缘的部分的像素点的概率比较大。像素点h对应的正方形区域squ_h中，灰度值的最大值和最小值差异越大，像素点h与灰度值的最大值的差异越小，综合值越小，则区域值越大。基于这样的像素点来计算有效信息系数，能够使得有效信息系数充分表示车牌号码区域的像素点与底色区域的像素点之间的差异，从而有利于选出中间图像中差异最大的，即突出效果最好的中间图像来作为图像识别的图像。

综合值比较的是像素点两侧的区域中，属于字体区域的像素点和不属于字体区域的像素点的数量之间的差值，差值越小，则表示像素点h处于车牌号码的字体区域的边缘的概率越大。

而有效信息系数则主要是从reppix中的像素点的灰度值的分布范围和连续性两个方面进行计算得到，分布范围越小，连续性越好，则有效信息系数越大，从而能够选出reppix中包含车牌区域的像素点的比例大且连续性好的中间图像。有利于选出突出效果最好的中间图像。因为前面的代表像素点的筛选过程在选择的过程中可能会受到噪声像素点的干扰，导致部分噪声像素点被错误地选为代表像素点，显然，这样会导致reppix中的噪声像素点的数量偏高，不利于计算出准确的有效信息系数来表示中间图像中的有效信息状况，因此，通过连续性检测和分布范围检测，能够降低这样的中间图像被选出来进行图像识别的概率，从而提高车牌图像的识别的准确率。

优选地，如图2所示，还包括计重模块，计重模块用于对进入装货区域的车牌号码为第一车牌号码的货车进行称重，获得第一重量，以及用于对离开装货区域的车牌号码为第二车牌号码的货车进行称重，获得第二重量。

具体的，车牌拍摄模块可以设置在称重区域之外，从而在称重之前，先得到货车的车牌号码。

优选地，如图3所示，还包括保存模块，保存模块用于在判断结果为进出车辆一致时，将第二重量减去第一重量，获得货车上的货物的货物重量，并对将货物重量和第一车牌号码进行关联后进行保存。

具体的，进出车辆一致判断能够便于计算出货车装载的货物的重量。

优选地，车牌识别模块还用于对第一车牌号码进行保存，获得第一车牌号码集合。

具体的，车牌识别模块被设置为将识别出的第一车牌号码均发送至保存模块进行保存。

优选地，判断第一车牌号码和第二车牌号码是否一致，获得判断结果，包括：

将第二车牌号码分别与第一车牌号码集合中的每个元素进行对比，若第一车牌号码集合中存在与第二车牌号码相同的元素，则判断结果为进出车辆一致。

优选地，还包括监控模块，监控模块用于对货车的称重过程进行拍摄，获得称重过程的录像；

保存模块用于保存称重过程的录像。

具体的，可以对称重区域以及称重区域周围的区域进行监控，将获得的录像进行保存，便于在之后出现问题时，能够有效地判断是否在称重过程中出现作弊行为。例如，有些货车为了降低自身重量，采用跳磅的方式来进入称重区域，这样，在货主对账后发现重量不对时，可以通过录像检测出是否有称重作弊行为。

优选地，计重模块包括检测单元和称重单元；

检测单元用于检测货车是否完全进入称重区域；

称重单元用于在货车完全进入称重区域后，对进入装货区域的车牌号码为第一车牌号码的货车进行称重，获得第一重量，以及用于对离开装货区域的车牌号码为第二车牌号码的货车进行称重，获得第二重量。

具体的，当货车没有完全进行称重区域时，由于轮子没有完全进入称重区域，则此时称重区域上的重量会比货车的实际重量差很多，因此，为了提高称重的准确程度，本发明通过检测单元来进行相应的检测。

优选地，称重区域包括垂直于货车的前进方向的第一边界和第二边界，以及包括平行于货车的前进方向的第三边界和第四边界，第一边界、第二边、界第三边界和第四边界组成一个矩形区域。

具体的，称重区域可以是地磅的承重部分所在的区域。

优选地，检测单元包括第一红外对射装置、第二红外对射装置和判断装置；

第一红外对射装置和第二红外对射装置分别设置在称重区域的垂直于货车的前进方向的第一边界和第二边界所在的位置；

第一红外对射装置和第二红外对射装置分别用于判断第一边界和第二边界是否存在遮挡物，获得第一遮挡结果和第二遮挡结果；

称重单元还用于获取称重区域的实时重量；

判断装置用于根据第一遮挡结果、第二遮挡结果和实时重量检测货车是否完全进入称重区域。

具体的，红外对射装置包括发射器和接收器，当没有遮挡时，接收器能够正常接收到红外线，当发生遮挡后，接收器不能接收到红外线。

优选地，根据第一遮挡结果、第二遮挡结果和实时重量检测货车是否完全进入称重区域，包括：

判断实时重量是否大于预设的重量阈值，若是，则进行下一步判断，若否，则表示货车没有进入称重区域；

下一步判断包括：

若第一遮挡结果为存在遮挡物和/或第二遮挡结果为存在遮挡物，则表示货车没有完全进入称重区域。

具体的，设置重量阈值能够避免非货车进入称重区域时，启动称重的过程。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种防作弊的货车计重***，其特征在于，包括车牌拍摄模块、车牌识别模块和车牌对比模块；

车牌拍摄模块用于对进入装货区域的货车进行拍摄，获得包含车牌的第一图像，以及用于对离开装货区域的货车进行拍摄，获得包含车牌的第二图像；

车牌识别模块用于对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码；

车牌对比模块用于根据第一车牌号码和第二车牌号码判断进出车辆是否一致，获得判断结果；

其中，对第一图像和第二图像进行识别，得到第一车牌号码和第二车牌号码，包括：

S1，采用改进的图像灰度化算法分别对第一图像和第二图像进行灰度化处理，获得第一灰度图像和第二灰度图像：

对于图像delpho，delpho∈{第一图像，第二图像}，使用改进的灰度化算法对delpho进行灰度化处理，获得delpho对应的灰度图像的过程包括：

获取预设的灰度权重组合的集合；

分别使用灰度权重集合中的每种灰度权重组合对delpho进行灰度化处理，得到多张中间图像；

分别计算每张中间图像的有效信息系数，将有效信息系数最大的中间图像作为delpho对应的灰度图像；

S2，分别对第一灰度图像和第二灰度图像进行图像识别，获得第一车牌号码和第二车牌号码。

2.根据权利要求1所述的一种防作弊的货车计重***，其特征在于，还包括计重模块，计重模块用于对进入装货区域的车牌号码为第一车牌号码的货车进行称重，获得第一重量，以及用于对离开装货区域的车牌号码为第二车牌号码的货车进行称重，获得第二重量。

3.根据权利要求2所述的一种防作弊的货车计重***，其特征在于，还包括保存模块，保存模块用于在判断结果为进出车辆一致时，将第二重量减去第一重量，获得货车上的货物的货物重量，并对将货物重量和第一车牌号码进行关联后进行保存。

4.根据权利要求1所述的一种防作弊的货车计重***，其特征在于，车牌识别模块还用于对第一车牌号码进行保存，获得第一车牌号码集合。

5.根据权利要求4所述的一种防作弊的货车计重***，其特征在于，判断第一车牌号码和第二车牌号码是否一致，获得判断结果，包括：

将第二车牌号码分别与第一车牌号码集合中的每个元素进行对比，若第一车牌号码集合中存在与第二车牌号码相同的元素，则判断结果为进出车辆一致。

6.根据权利要求3所述的一种防作弊的货车计重***，其特征在于，还包括监控模块，监控模块用于对货车的称重过程进行拍摄，获得称重过程的录像；

保存模块用于保存称重过程的录像。

7.根据权利要求2所述的一种防作弊的货车计重***，其特征在于，计重模块包括检测单元和称重单元；

检测单元用于检测货车是否完全进入称重区域；

称重单元用于在货车完全进入称重区域后，对进入装货区域的车牌号码为第一车牌号码的货车进行称重，获得第一重量，以及用于对离开装货区域的车牌号码为第二车牌号码的货车进行称重，获得第二重量。

8.根据权利要求7所述的一种防作弊的货车计重***，其特征在于，称重区域包括垂直于货车的前进方向的第一边界和第二边界，以及包括平行于货车的前进方向的第三边界和第四边界，第一边界、第二边、界第三边界和第四边界组成一个矩形区域。

9.根据权利要求8所述的一种防作弊的货车计重***，其特征在于，检测单元包括第一红外对射装置、第二红外对射装置和判断装置；

第一红外对射装置和第二红外对射装置分别设置在称重区域的垂直于货车的前进方向的第一边界和第二边界所在的位置；

第一红外对射装置和第二红外对射装置分别用于判断第一边界和第二边界是否存在遮挡物，获得第一遮挡结果和第二遮挡结果；

称重单元还用于获取称重区域的实时重量；

判断装置用于根据第一遮挡结果、第二遮挡结果和实时重量检测货车是否完全进入称重区域。

10.根据权利要求9所述的一种防作弊的货车计重***，其特征在于，根据第一遮挡结果、第二遮挡结果和实时重量检测货车是否完全进入称重区域，包括：

判断实时重量是否大于预设的重量阈值，若是，则进行下一步判断，若否，则表示货车没有进入称重区域；

下一步判断包括：

若第一遮挡结果为存在遮挡物和/或第二遮挡结果为存在遮挡物，则表示货车没有完全进入称重区域。