基于深度学习的矿用地磅车牌识别研究

发布时间：2020-06-07 13:05

【摘要】：在煤炭行业中,企业在进行煤炭的运输、存储时需要快速的对煤炭物资进行精确的称重管理,矿用地磅作为一种有效的称重仪器,在煤炭的运销过程中扮演着非常重要的角色。车牌作为车辆的关键性身份信息,为了提高来往运输车辆计量管理的准确性,研究矿用地磅车牌识别具有十分重要的意义。本文对矿用地磅系统中的车牌识别技术进行了深入的研究。通过研究发现,传统车牌识别技术的模块之间依赖性较强,容易导致误差的积累,影响最后的识别结果。而且由于煤炭行业的特殊性,长期运输煤炭资源的车辆容易导致车牌沾染上煤灰、煤泥等污渍,还容易导致车牌磨损,使得车牌字符模糊。如果通过传统的车牌识别方法进行研究,则需要对矿用地磅车牌图像进行复杂的预处理。通过综合分析,本文采用深度学习的方法,将矿用地磅车牌识别分为车牌检测和车牌字符识别两个过程,无需进行车牌的矫正和字符的分割,而且也无需对图像进行复杂预处理操作。经过分析,本文根据矿用地磅车牌的特点对YOLOv3网络进行改进,使其更好的适用于矿用地磅车牌的检测。在车牌字符识别问题上,由于本文的车牌检测算法是将整张含有车牌的图像进行输入,因此在车牌检测阶段,神经网络不但学习到了车牌的特征,也学习到了车牌中字符的特征。据此本文采用迁移学习的思想将训练好的车牌检测网络的主干网络DarkNet-53进行调整改进后用于矿用地磅车牌字符的识别,这样有利于经过较少次数的训练即可准确识别车牌中的字符。为了支持深度学习车牌识别模型的训练,本文采用人工模拟的方法产生了大量的车牌图像。本文通过对矿用地磅车牌识别进行深入研究,提出的矿用地磅车牌识别方法对黑夜以及车牌倾斜等特殊情况具有较好的鲁棒性,相对提高了矿用地磅系统的可靠性和自动化程度,具有一定的理论意义和工程价值。
【图文】：

通过称重系统记录未装载煤炭汽车的皮重，通过车牌识别系统记录车牌号，同时记录车主信息等，其过程如下图1.1（a）所示。然后当装载煤炭的汽车离开矿区时，称重系统会记录装载煤炭车辆的毛重，通过车牌识别系统识别车牌号，其过程如下图 1.1（b）所示。最后系统会通过对同一车牌号的汽车计算进出时车辆的重量差，从而得到装载的煤炭的重量，在管理系统中做相关记录，并通过门禁控制系统放行车辆。矿用地磅系统的综合数据库最终将各子系统各自所采集的数据信息及时上传至矿用地磅系统的综合数据库中，，其整个系统如下图1.2 所示。（a）汽车上磅秤过皮重示意图 （b）汽车上地磅毛重示意图图 1.1 汽车上磅称重示意图

矿用地磅系统结构图
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TD56;TP18;TP391.41

【参考文献】

相关期刊论文 前7条

1 尹宝才;王文通;王立春;;深度学习研究综述[J];北京工业大学学报;2015年01期

2 裴明涛;王永杰;贾云得;郭志强;;基于多尺度模板匹配和部件模型的车牌字符分割方法[J];北京理工大学学报;2014年09期

3 杨纪元;李晓鹏;;基于信息融合的矿用地磅车牌识别研究[J];电脑编程技巧与维护;2013年10期

4 刘珂;李丽娟;;一种图像标记和目标特征统计算法[J];航空兵器;2009年04期

5 王勋;毕笃彦;;基于局部特征统计的小目标检测算法[J];中国电子科学研究院学报;2006年03期

6 魏武,张起森,王明俊,黄中祥;一种基于模板匹配的车牌识别方法[J];中国公路学报;2001年01期

7 李小平,任江兴,杨德刚;车牌识别系统中若干问题的探讨[J];北京理工大学学报;2001年01期

相关硕士学位论文 前10条

1 李文鹏;深度学习在车牌识别中的研究与应用[D];西安工程大学;2018年

2 田媛美;基于深度学习的车牌检测[D];西安电子科技大学;2017年

3 江永爱;基于深度学习的车牌识别研究[D];湖南大学;2017年

4 刘丰;机器学习和卷积神经网络在车牌识别的研究和应用[D];华南理工大学;2017年

5 赵振兴;基于深度学习的车牌识别技术研究[D];青岛科技大学;2017年

6 霍祥湖;基于卷积神经网络的车牌识别技术研究[D];电子科技大学;2017年

7 杨珏吉;基于深度学习的车牌识别系统[D];浙江大学;2017年

8 韩佳容;基于区域卷积神经网络的目标检测方法研究[D];国防科学技术大学;2016年

9 李达;基于卷积神经网络的车牌识别技术研究[D];湘潭大学;2016年

10 暨彩明;车牌识别算法设计及系统实现[D];哈尔滨工业大学;2016年

本文编号：2701455