论文部分内容阅读
汽车运输是产煤地与周边省份之间煤炭短途运输的主要方式。目前,煤场的车辆多由人工调度,存在装运效率低、数据准确性和可靠性无法保证、煤场车辆管理不规范等问题。为了保障煤场内运煤车辆快速、稳定地装运煤,在煤场内运煤路径相对固定的条件下,本文以煤场内运煤车辆的自动识别和调度为研究课题,主要包括以下内容:为自动获取车辆信息、查看车辆行驶状态、规范车辆行驶路线,利用计算机视觉技术进行车辆识别,包括车辆检测、车型识别、车号识别三部分。傍晚、夜间灯光照明时,视频图像存在对比度不均、细节缺失等现象,为解决这一问题,提出了基于亮通道先验的图像增强算法,能够在增强暗区域的同时有效抑制亮区域的过度增强。采用SSD(Single Shot MultiBox Detector)算法进行车辆检测和车型识别,达到实时检测的要求。采用CTPN(Connectionist Text Proposal Network)进行车牌检测,检测所有字符区域,召回率达97%。采用CRNN(Convolutional Recurrent Neural Network)进行车牌字符识别无需进行字符分割,准确率达96.8%。针对煤场多煤型、多站点的装运煤背景,研究站点分配算法,为运煤车辆分配等待时间最短的装煤站点,减少车辆和装煤站点的空等时间。为防止车辆期望装运煤型与实际装运煤型不匹配的现象发生,设计装车站匹配原则。综合管理装、运煤各环节硬件设备,将各环节数据上传至数据库,实现信息共享,减少各种签字确认环节,加快装车速度,保证数据的可靠性。本文进行了基于计算机视觉技术的煤场车辆识别与调度系统的研究,采用数据库将各环节硬件设备的信息共享,对车辆进行站点分配,可以减少等待时间、提高装煤效率,扩大煤场销运能力,增加经济效益;保证计量数据的可靠性和准确性,杜绝数据作假,保障煤场利益;规范车辆行驶,减少拥挤、插队现象,使运煤现场井然有序;减轻调度人员、装车人员的劳动强度,节省人力资源。该论文有图55幅,表8个,参考文献92篇。