针对传统的煤矿企业地磅称重管理系统因人工采集信息导致的工作效率低、质量差，以及因缺乏防作弊措施 导致的偷煤现象频发等问题，设计了一种煤矿视频联动地磅称重智能识别管理系统，详细介绍了该系统的组成、视 频联动地磅称重智能识别原理、系统工作流程及软件功能。该系统由视频监控系统、车辆抓拍系统和数据采集系统 组成，综合应用数字图像处理、卷积神经网络、计算机网络等技术，实现了基于车牌识别和多特征匹配的煤矿地磅 业务智能监控功能。实际应用表明，该系统可靠性高，操作简便，有效减轻了人员工作量，并能够防止作弊盗煤现 象发生。
0.引言
传统的煤矿企业地磅称重管理系统中大部分信息 采集工作由司磅员手动完成，很难保证工作效率及工作 质量。另外，系统缺乏有效的防作弊监控措施，很难 防止作弊情况发生，导致大量偷煤现象，给企业造成巨 大的经济损失。车主常见的作弊手段包括模糊车牌、更 换车牌、车辆皮重作弊、不完全上磅或多台车辆同时上 磅、直接对地磅传感器加装遥控干扰装置等。
本文综合运用数字图像处理、卷积神经网络 (Convolutional Neural Network,CNN)和计算机网络等技 术，设计了一种煤矿视频联动地磅称重智能识别管理系 统。该系统能够自动检测车辆是否完全上磅，识别载煤 车牌号并确保信息匹配，同时可自动采集、传输、存储 和调取称重数据，实现对煤矿地磅业务的智能监控。实 际应用表明，该系统减轻了工作人员的劳动强度，最大 限度地防止了作弊行为的发生。
1.系统组成
煤矿视频联动地磅称重智能识别管理系统主要由 视频监控系统、车辆抓拍系统和数据采集系统组成，如 图1所示.

1.1视频监控系统
每台地磅进出口分别安装一台高清红外摄像仪，进 行全天候监控。为保证视频的清晰度，摄像机选用低照 度彩色摄像机，配有室外防水护罩。
在视频监控系统中，管理人员能够直接在软件界面 上观察整个计重过程，可重点观看称重车辆上磅情况、 车牌号、车斗里有无其他物品。称重现场视频图像可被 录制下来保存到硬盘上。
1.2车辆抓拍系统
车辆抓拍系统由红外对射对位子系统和车牌识别 子系统组成。2对红外对射器分别安装在磅台的前后部， 时刻检测车辆位置。如果车辆未完全停在磅台上，红外 对射器会自动感应到，不允许称重，直至车辆完全停在 磅台上才允许称重。当车辆完全上称后，图像采集设备 受到地感线圈触发，控制摄像机获取当前时刻的图像并 保存，然后由车牌识别子系统对图像中的车辆进行车牌 识别，并输出车牌号、时间等信息。图像同时被压缩、 打包，通过网络传输并存入数据库。
红外对射对位子系统可有效防止车辆不完全上磅 称毛重作弊和多辆车同时上磅称皮重作弊，确保称重数 据的准确性。车牌识别子系统可有效减少人工作业量， 实现煤矿地磅车辆作业流水化，提高工作效率。
1.3数据采集系统
数据采集系统由采集、传输、存储和调取4个部分 组成。系统自动采集称重仪上的数据，避免人工操作，有效防止人为因素作弊；根据RS232协议，将数据编译 成固定的帧格式，接入到串口服务器并转换为以太网数 据格式输入到网络交换机中，用于视频监控系统和车辆 抓拍系统的信息匹配；将称重数据保存到数据服务器； 在二次称重时，根据车牌号在数据库中调取一次称重时 的数据，自动进行载煤量计算。数据发送方式为周期主 动发送，每200 ms发送1次。数据一旦进入数据库， 将永久保存，在未经许可的情况下无法修改或删除。数 据采集系统可有效避免人为因素产生的数据录入错误， 减少司磅员工作量。
2.视频联动地磅称重智能识别原理
煤矿视频联动地镑称重智能识别管理系统中，视频 监控系统进行全天候监控。当有车辆进入磅台时，红外 对射器时刻检测车辆位置，待车辆完全上称后，摄像机 对车辆进行图像抓拍，自动识别车牌号并将最终结果和 压缩后的图像上传至数据库。同时称重仪对载煤车辆进 行称重（皮重或毛重）并将数据上传至数据库。
车牌识别子系统是整个系统的重要组成部分，也是 最复杂的部分，需要对捕捉到的车辆监控图像自动进行 车牌识别或多特征匹配。车牌识别率的高低直接关系到 系统的性能指标。
2.1车牌识别
车牌识别主要包括车牌定位与字符识别2个阶段。在车牌定位阶段，综合应用2种定位方式对车牌进 行初步定位检测，然后使用CNN模型对检测到的候选 车牌进行判断[W3];在字符识别阶段，将分割出的字符 输入到设计好的CNN模型中进行训练，得到的输出结 果即为识别的车牌字符。
常见的车牌定位法有边缘检测定位法、颜色定位法、 文字定位法。边缘检测定位法适用于非车牌区域垂直边 缘较少的情况；颜色定位法适用于车身及背景中无蓝色 和黄色干扰的情况；文字定位法在弱光条件下定位效果 优于其他2种方法。针对煤矿常用运输车辆背景颜色较 为复杂的情况，系统综合采用边缘检测定位法和文字定 位法。
车牌定位算法步骤：对待识别图像进行高斯滤波， 去除噪声；对滤波后的图像进行灰度化，为边缘检测做 准备；使用Sobel算子检测图像中的垂直边缘；将Sobel 算子生成的灰度图像转变为二值图像；采用形态学闭操 作将车牌子母连接成一个连通域，便于取轮廓；截取各 连通域轮廓，便于形成最小外接矩形；根据车牌尺寸排 除不可能是车牌的矩形；通过角度判断进一步排除一部 分车牌矩形；旋转候选车牌矩形，使其水平；归一化候 选车牌矩形。
在夜晚、阴天等弱光线条件下，若边缘检测算法失 效，则采用文字定位法，具体步骤：使用最大稳定极值 区域（Maximally Stable Extremal Regions，MSER)法提取文字；使用种子生长法将文字块连接起来，组合成候 选车牌区域；将候选车牌送入CNN车牌判别分类器进 行车牌判别。
得到车牌图像后，将车牌上的字符分割出来进行字 符识别，得到车牌号。具体步骤：将车牌图片转化为灰 度图片；判断车牌颜色，对蓝色车牌使用正二值化，对 于黄色车牌使用反二值化；截取每个字符轮廓；将截取 的字符图片归一化；送入训练好的CNN字符判别分类 器进行字符识别。
车牌识别流程如图2所示。

在识别训练阶段，采用Caffe深度学习框架，搭配 CaffeNet网络模型进行训练。车牌判别与字符识别采用 相同的识别网络，其训练过程基本一致，不同之处在于 车牌判别是将输入图片分为车牌与非车牌2类，而字符 识别是将输入图片分为65类，即31类中文字符、24类 英文字符和10类数字字符。CaffeNet网络模型共有8 层，前5层为卷积层，后3层为全连接层。针对车牌模 糊的情况，在训练CNN车牌判别分类器与CNN字符分 类器时，训练样本中加入模糊的车牌图片进行训练，以提高识别准确性和识别速度。
2.2多特征匹配
为防止车辆驶出时偷换车牌，采用车头多特征抽取 匹配方法，对没有车牌建档的车辆进行关联识别。具 体步骤：利用车牌识别得到的车牌宽度和高度计算车头 区域，将车头区域均分成10个子块；对车头图像进行 归一化、锐化边缘和去除噪声等预处理；计算每个子块 的 HSV (Hue, Saturation, Value，色调，饱和度，亮度） 颜色空间，得到每个子块的颜色直方图；计算每个子块 若干关键点的纹理特征；比对当前车头的特征序列和车 辆档案中对应车牌号的车头特征序列，如果二者协方差 距离小于0.3，则该车没有套牌，反之为套牌车辆。
系统车辆识别正确率可达到98%，识别结果如图3 所示。

2.3视频与称重联动
在车牌识别的同时，地磅称重仪对完全上称的车辆 进行称重，并将采集到的数据传输至数据库。系统直接 读取地磅数据，读取数据时可设置读取条件，如当地磅 数据超过16 t (可根据现场情况调整）后，系统认为有 车上磅，允许记录数据（作为车辆皮重参考值），在一 段时间内自动比较，记录最大值作为装车总重，存入数 据库。称重数据通过RS232通信端口在联网情况下直接 送达数据服务器，并通过软件完成汇总和记录，这样避 开人为干预，确保了数据的真实性。
3.系统工作流程
煤矿视频联动地磅称重智能识别管理系统工作流 程如图4所示。

(1)视频录入：当车辆上磅后，前后摄像仪进行 视频录入、存储。
(2)车辆检测：当有车上磅后，红外对射器时刻 检测车辆位置，确保车辆完全停在磅台上。
(3)车牌识别：当车辆完全上磅后，系统自动抓 拍当前图像并识别车牌号。
(4)车辆建档：根据一车一档原则，将车牌号、 车辆图片等送入相应的数据库，建立车辆档案。
(5)数据读取：在进行车牌识别的同时，系统直 接读取称重仪数据，将皮重数据送入对应车辆档案，避 开人为因素。
(6)车辆匹配：车牌识别子系统再次对完全上榜 的车辆进行自动抓拍车牌识别或者多特征匹配车辆识 别，根据识别结果从数据库中提取相应车辆的档案。
(7)二次称重：若匹配成功，系统读取毛重数据 并录入对应车辆的档案；若匹配不成功，系统不读取任 何数据，道闸关闭，告知检测人员。
(8)数据计算：系统自动计算净重，并将结果存 入对应车辆档案，不予修改。
4.系统软件功能
煤矿视频联动地磅称重智能识别管理系统软件功 能主要包括：
(1)显示功能：可显示地磅数据、COM 口状态、 车牌号、车辆皮/毛重、现场监控画面、车牌图像等。
(2)多模式选择：具有内调、外运、矸石选择按 钮，用户可根据实际需求选择运输模式。
(3)查询功能：提供多种查询模式，如时间、运 输方式、车辆信息、装车信息等，用户可根据需求查询 数据。
(4)车辆信息导入：用户可根据实际需求，定期 导入最新车辆信息，确保数据实时、准确。
(5)报表统计：可生成日报、月报、年报等，便 于查询，并提供打印功能。
(6)监管功能：当某一时间段内的运销量和实际 销量存在较大出入时，可准确定位到嫌疑车辆包括车 牌、皮中、毛重、过磅时间等信息。
(7)分类统计：可根据用户设置的运输模式分别 统计运煤量。
5.结语
煤矿视频联动地磅称重智能识别管理系统综合采 用数字图像处理、CNN和计算机网络技术，可实现对煤 矿地磅业务的智能监控功能。该系统已在霍州煤电集团 有限责任公司得到实际应用，结果表明该系统可靠性高， 操作简便，可有效防止作弊盗煤问题，取得了良好的经 济效益。