[发明专利]基于机器学习的油罐车防盗系统

说明书

一种基于机器学习的油罐车防盗系统，包括摄像头和机器学习模块，所述摄像头用于实时获取油罐车注油口和/或出油口处的场景画面；所述机器学习模块用于将所述场景画面输入至机器学习模型，利用机器学习模型预测所述场景画面中是否发生盗油事件，当预测发生盗油事件时，所述机器学习模块输出报警信号。本发明的基于机器学习的油罐车防盗系统，可利用机器学习模型自动预测盗油事件、自动发出报警提醒，并可基于司机的正向反馈而训练更新本地机器学习模型，且可以远程监控盗油报警情况。本实施例的系统，不仅可大大提高预测准确性，及时发现盗油事件并发出报警提醒，并可对司机的行为进行约束，避免司机监守自盗，从而实现对油罐车的全局管控。

【技术领域】

本发明涉及车辆管理技术，特别涉及一种基于机器学习的油罐车防盗系统。

【背景技术】

陆上石油运输，通常都是通过专用油罐车运输完成。在实际运输过程中，时有盗油现象发生。盗油行为本身非常危险，此外，油罐车油品频繁被盗，也会产生巨大的经济损失。因此，需要对油罐车的盗油行为进行管控。

现有技术中，有通过油箱重量进行检测的，其设有压力传感器和警报器，当油品被盗时，油箱内油的重量变少而可触发警报。而现实中，盗油者盗油时或盗油后向油箱内注水，便可保持盗油前后油箱重量一致，从而躲避监控而不被发现。

此外，也有在油箱口设置传感器，检测油箱口有没有被打开。这种方式，实际运用时，效果较差，经常无法及时报警，或误报警。

随着视频技术的发展，市面上一部分油罐车采用摄像头进行监控，现有的这种视频管控方法，在一定程度上能起到震慑作用，但是，其录制的视频在本地，其方便事后调查，但并不适合运输过程中及时发现盗油事件，其无法及时进行提醒。而且，这种管控方法，只能依赖于司机的判断，而对于司机的行为却无法管控，因此，其并不方便管理人员对油品输运的盗油现象进行全面监管。

【发明内容】

本发明旨在解决上述问题，而提供一种可全面管控油罐车盗油，并进行自动提醒的基于机器学习的油罐车防盗系统。

为解决上述问题，本发明提供了一种基于机器学习的油罐车防盗系统，其特征在于，其包括摄像头和机器学习模块，所述摄像头用于实时获取油罐车注油口和/或出油口处的场景画面；所述机器学习模块用于将所述场景画面输入至机器学习模型，利用机器学习模型预测所述场景画面中是否发生盗油事件，当预测发生盗油事件时，所述机器学习模块输出报警信号。

进一步地，其还包括本地报警装置和第一控制模块，所述本地报警装置用于报警提醒；所述第一控制模块与所述机器学习模块、本地报警装置连接，当所述机器学习模块输出报警信号时，所述第一控制模块控制所述本地报警装置进行报警提醒。

进一步地，其还包括报警确认装置，所述报警确认装置与所述第一控制模块连接，用于供油罐车驾驶室中的司机确认所述报警信号是否准确，所述报警确认装置可输出确认结果至所述第一控制模块。

进一步地，其还包括模型更新模块，其可将所述确认结果及相应的场景画面作为训练数据而训练所述机器学习模型。

进一步地，其还包括第一通信模块和云服务器，所述第一通信模块设于油罐车本地，其与所述第一控制模块连接；所述云服务器可与所述第一通信模块进行通信。

进一步地，所述云服务器设有第二通信模块、云端报警装置和第二控制模块，所述第二通信模块可与所述第一通信模块远程通信；所述云端报警装置用于报警提醒；所述第二控制模块与所述第二通信模块及云端报警装置连接；当所述机器学习模块输出报警信号时，所述第二控制模块控制所述云端报警装置进行报警提醒。

进一步地，所述云服务器还设有确认模块，其与所述第二控制模块连接，用于将需要确认的报警信号发送至产生该报警信号的油罐车。