[发明专利]一种基于多源数据融合深度学习的非现场超载监测方法

权利要求书

1.一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：包括以下监测步骤；

S1）、交通标志指示；在载重检测区域安装动态交通指示牌，其动态交通指示牌与交通标志单元相连接，指示引导特定车辆进入检测车道进行非现场动态载重检测；

S2）、车牌识别、抓拍；在步骤S1）中对于待载重检测区域的两旁安装高精度视频智能识别单元及激光监测建模单元，对引导检测的载重车辆进行车牌的识别、抓拍；

S3）、动态称重；在待载重检测车道上安装石英传感器及与其交互的称重控制柜，称重控制柜与称重控制单元相连接，石英传感器对载重车辆进行载重检测；

S4）、检测信息发布；步骤S1）、S2）和S3）中的车牌识别、抓拍和称重监测数据通过信息发布单元上传于驾驶员、管理部门及公众，

若步骤S2）和S3）中车辆涉嫌超载、遮挡号牌或越过待检车道，则步骤S1）中交通标志单元对超载车辆进行标志引导，使其禁止通行并自动将其引导至装卸区；

S5）、全景视频监控；在多个卡口及路段设置多角度高精度视屏监控单元，及时的识别分析不良载重车辆驾驶行为并上传至管理部门，并将其数据输入步骤S1）中，在特定路口对其进行引导检测；

S6）、深度学习分析模块；步骤S1）、S2）和S3）中的监测数据同步输入学习模型内并建立深度学习模型，并将建立后的深度学习模型反馈给步骤S3）中的称重控制单元。

2.根据权利要求1的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：步骤S3）中动态称重的具体安装步骤如下；

S31）、在待载重检测车道上通过相应工具对路面进行切槽；

S32）、将用于安装石英传感器的模具放置于路面的切槽内；

S33）、对模具与切槽的间隙进行浇筑灌浆；

S34）、将石英传感器安装于模具内；

S35）、对石英传感器的顶部进行打磨；

S36）、在石英传感器的周围涂抹聚氨酯面漆；

S37）、然后在漆面增添用于提高其耐磨性的陶瓷颗粒。

3.根据权利要求1的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：步骤S2）中激光监测建模单元包括激光检测器，高精度视频智能识别单元包括爆闪灯，且激光监测建模单元和智能识别单元均与侧方位抓拍相机和车尾抓拍相机相连接。

4.根据权利要求1的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：步骤S5）中多角度高精度视屏监控单元包括网络录像机和监控球机。

5.根据权利要求3的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：侧方位抓拍相机设置在待载重检测车道的一侧，车尾抓拍相机设置于靠近侧方位抓拍相机的待载重检测车道的上方。

6.根据权利要求1的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：步骤S4）中的信息发布单元具体包括信息发布屏、智能终端、超限数据服务器和称重控制单元，其智能终端包括治超管理站点工作人员、货车驾驶员手机app。

7.根据权利要求1的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：步骤S1）中动态交通指示牌内交通标志单元具体指示内容为监测引导标线、超载处罚警告标志、安全通行标志、超载装卸区域引导标志。

8.根据权利要求1的一种基于多源数据融合深度学习的非现场超载监测方法，其特征在于：一种基于多源数据融合深度学习的非现场超载监测方法通过以下监测系统实现：

石英称重子系统，其用于对载重车辆进行载重检测，并将检测结果输入深度学习模型内；

视频车牌识别/抓拍子系统，其用于对载重车辆外部特征进行获取，并将其监测结果输入深度学习模型内；

全景视频监控子系统，其用于对不良载重车辆驾驶行为进行识别，并将其识别结果上传至管理部门；

交通标志子系统，其用于为非现场载重监测流程顺利展开进行的相关道路及交通标志标线设计；

信息发布子系统，其用于配合石英称重子系统的动态监测结果并及时上传监测信息至驾驶员、管理部门及公众；

深度学习分析模块，其用于接收融合石英称重子系统和视频车牌识别/抓拍子系统的监测数据，将其通过数据建立的模型反馈给石英称重子系统并与其实时交互。