【摘要】：在煤炭行業(yè)中,企業(yè)在進(jìn)行煤炭的運(yùn)輸、存儲(chǔ)時(shí)需要快速的對(duì)煤炭物資進(jìn)行精確的稱(chēng)重管理,礦用地磅作為一種有效的稱(chēng)重儀器,在煤炭的運(yùn)銷(xiāo)過(guò)程中扮演著非常重要的角色。車(chē)牌作為車(chē)輛的關(guān)鍵性身份信息,為了提高來(lái)往運(yùn)輸車(chē)輛計(jì)量管理的準(zhǔn)確性,研究礦用地磅車(chē)牌識(shí)別具有十分重要的意義。本文對(duì)礦用地磅系統(tǒng)中的車(chē)牌識(shí)別技術(shù)進(jìn)行了深入的研究。通過(guò)研究發(fā)現(xiàn),傳統(tǒng)車(chē)牌識(shí)別技術(shù)的模塊之間依賴(lài)性較強(qiáng),容易導(dǎo)致誤差的積累,影響最后的識(shí)別結(jié)果。而且由于煤炭行業(yè)的特殊性,長(zhǎng)期運(yùn)輸煤炭資源的車(chē)輛容易導(dǎo)致車(chē)牌沾染上煤灰、煤泥等污漬,還容易導(dǎo)致車(chē)牌磨損,使得車(chē)牌字符模糊。如果通過(guò)傳統(tǒng)的車(chē)牌識(shí)別方法進(jìn)行研究,則需要對(duì)礦用地磅車(chē)牌圖像進(jìn)行復(fù)雜的預(yù)處理。通過(guò)綜合分析,本文采用深度學(xué)習(xí)的方法,將礦用地磅車(chē)牌識(shí)別分為車(chē)牌檢測(cè)和車(chē)牌字符識(shí)別兩個(gè)過(guò)程,無(wú)需進(jìn)行車(chē)牌的矯正和字符的分割,而且也無(wú)需對(duì)圖像進(jìn)行復(fù)雜預(yù)處理操作。經(jīng)過(guò)分析,本文根據(jù)礦用地磅車(chē)牌的特點(diǎn)對(duì)YOLOv3網(wǎng)絡(luò)進(jìn)行改進(jìn),使其更好的適用于礦用地磅車(chē)牌的檢測(cè)。在車(chē)牌字符識(shí)別問(wèn)題上,由于本文的車(chē)牌檢測(cè)算法是將整張含有車(chē)牌的圖像進(jìn)行輸入,因此在車(chē)牌檢測(cè)階段,神經(jīng)網(wǎng)絡(luò)不但學(xué)習(xí)到了車(chē)牌的特征,也學(xué)習(xí)到了車(chē)牌中字符的特征。據(jù)此本文采用遷移學(xué)習(xí)的思想將訓(xùn)練好的車(chē)牌檢測(cè)網(wǎng)絡(luò)的主干網(wǎng)絡(luò)DarkNet-53進(jìn)行調(diào)整改進(jìn)后用于礦用地磅車(chē)牌字符的識(shí)別,這樣有利于經(jīng)過(guò)較少次數(shù)的訓(xùn)練即可準(zhǔn)確識(shí)別車(chē)牌中的字符。為了支持深度學(xué)習(xí)車(chē)牌識(shí)別模型的訓(xùn)練,本文采用人工模擬的方法產(chǎn)生了大量的車(chē)牌圖像。本文通過(guò)對(duì)礦用地磅車(chē)牌識(shí)別進(jìn)行深入研究,提出的礦用地磅車(chē)牌識(shí)別方法對(duì)黑夜以及車(chē)牌傾斜等特殊情況具有較好的魯棒性,相對(duì)提高了礦用地磅系統(tǒng)的可靠性和自動(dòng)化程度,具有一定的理論意義和工程價(jià)值。
【圖文】：

通過(guò)稱(chēng)重系統(tǒng)記錄未裝載煤炭汽車(chē)的皮重，通過(guò)車(chē)牌識(shí)別系統(tǒng)記錄車(chē)牌號(hào)，同時(shí)記錄車(chē)主信息等，其過(guò)程如下圖1.1（a）所示。然后當(dāng)裝載煤炭的汽車(chē)離開(kāi)礦區(qū)時(shí)，稱(chēng)重系統(tǒng)會(huì)記錄裝載煤炭車(chē)輛的毛重，通過(guò)車(chē)牌識(shí)別系統(tǒng)識(shí)別車(chē)牌號(hào)，其過(guò)程如下圖 1.1（b）所示。最后系統(tǒng)會(huì)通過(guò)對(duì)同一車(chē)牌號(hào)的汽車(chē)計(jì)算進(jìn)出時(shí)車(chē)輛的重量差，從而得到裝載的煤炭的重量，在管理系統(tǒng)中做相關(guān)記錄，并通過(guò)門(mén)禁控制系統(tǒng)放行車(chē)輛。礦用地磅系統(tǒng)的綜合數(shù)據(jù)庫(kù)最終將各子系統(tǒng)各自所采集的數(shù)據(jù)信息及時(shí)上傳至礦用地磅系統(tǒng)的綜合數(shù)據(jù)庫(kù)中，，其整個(gè)系統(tǒng)如下圖1.2 所示。（a）汽車(chē)上磅秤過(guò)皮重示意圖 （b）汽車(chē)上地磅毛重示意圖圖 1.1 汽車(chē)上磅稱(chēng)重示意圖

礦用地磅系統(tǒng)結(jié)構(gòu)圖
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TD56;TP18;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 尹寶才;王文通;王立春;;深度學(xué)習(xí)研究綜述[J];北京工業(yè)大學(xué)學(xué)報(bào);2015年01期

2 裴明濤;王永杰;賈云得;郭志強(qiáng);;基于多尺度模板匹配和部件模型的車(chē)牌字符分割方法[J];北京理工大學(xué)學(xué)報(bào);2014年09期

3 楊紀(jì)元;李曉鵬;;基于信息融合的礦用地磅車(chē)牌識(shí)別研究[J];電腦編程技巧與維護(hù);2013年10期

4 劉珂;李麗娟;;一種圖像標(biāo)記和目標(biāo)特征統(tǒng)計(jì)算法[J];航空兵器;2009年04期

5 王勛;畢篤彥;;基于局部特征統(tǒng)計(jì)的小目標(biāo)檢測(cè)算法[J];中國(guó)電子科學(xué)研究院學(xué)報(bào);2006年03期

6 魏武,張起森,王明俊,黃中祥;一種基于模板匹配的車(chē)牌識(shí)別方法[J];中國(guó)公路學(xué)報(bào);2001年01期

7 李小平,任江興,楊德剛;車(chē)牌識(shí)別系統(tǒng)中若干問(wèn)題的探討[J];北京理工大學(xué)學(xué)報(bào);2001年01期

相關(guān)碩士學(xué)位論文 前10條

1 李文鵬;深度學(xué)習(xí)在車(chē)牌識(shí)別中的研究與應(yīng)用[D];西安工程大學(xué);2018年

2 田媛美;基于深度學(xué)習(xí)的車(chē)牌檢測(cè)[D];西安電子科技大學(xué);2017年

3 江永愛(ài);基于深度學(xué)習(xí)的車(chē)牌識(shí)別研究[D];湖南大學(xué);2017年

4 劉豐;機(jī)器學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)在車(chē)牌識(shí)別的研究和應(yīng)用[D];華南理工大學(xué);2017年

5 趙振興;基于深度學(xué)習(xí)的車(chē)牌識(shí)別技術(shù)研究[D];青島科技大學(xué);2017年

6 霍祥湖;基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)研究[D];電子科技大學(xué);2017年

7 楊玨吉;基于深度學(xué)習(xí)的車(chē)牌識(shí)別系統(tǒng)[D];浙江大學(xué);2017年

8 韓佳容;基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

9 李達(dá);基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)研究[D];湘潭大學(xué);2016年

10 暨彩明;車(chē)牌識(shí)別算法設(shè)計(jì)及系統(tǒng)實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2016年

本文編號(hào)：2701455