绿通AI识别的优势 (1)
- 格式：docx
- 大小：860.11 KB
- 文档页数：5
绿通AI智能识别系统
一、项目背景
为减少国家损失，公路部门实施了针对性的绿通车辆查验方法，使用免开箱射线透射检测方法提高了车辆检测速度，但也衍生出新的问题：根据图像进行人工判定，易出现司机与收费人员在判定结果上的分歧争执，造成车流积压，冲突频发等情况。
由于人工介入还有可能出现收费员与车主勾结篡改判定记录从而逃费的现象。
二、项目目标
AI智能识别系统接收并实时处理车道的查验数据，实现以下目标：
自动计算并核查绿通车辆的容积装载率；
通过AI自动检测识别算法，判定装载的货物是否为预约上报货物，是否存在混装等问题；
综合快速自动查验信息和大数据信息，完成对绿通车辆合规性的自动判定；
按照部统一要求，管理绿通查验数据，存储并向部级平台上报智能判定的结果，无需人工介入。
三、项目优点
1、高稳定性，高效率
AI识别利用训练好的深度学习模型进行智能识别，不需要长时间的编程或冗长的算法。
该系统学习速度很快，几个星期就能训练完成。
训练好的模型可以直接嵌入到硬件中。
在智能识别的过程中，能够十分迅速的获得分析结果，具有较高的实时性。
相对于传统的人工识别，AI识别速度更快，效率更高，且具有很高的稳定性，不易受到人为因素的干扰，避免了人为失误的发生。
2、强大的学习能力
AI识别中使用的机器学习不是一成不变的，而是随着数据量的积累反复进行学习，不断更新参数，从而提高识别的准确度。
以人脸识别为例，从既有的固
定数据集中训练出的初始模型的准确率往往较低，时常出现识别失败的情况。
但是在投入使用后，该系统经历过更多的人脸，自动进行学习和纠错，准确率和稳定性会得到大幅提高，在不同场景下都能较好地识别出人脸。
3、成本低
相对于人工识别，AI识别的维护成本和人工成本较低。
AI识别可以通过云端，本地等多种方式进行定期更新维护，不需要对硬件进行变动，维护成本较低。
同时，AI识别能有有效的减少人的工作量，从而节省了人工成本。
对比而言，人类检测员必须经过培训，且工作时间有限，需要定时休息，而AI能够一天二十四小时无间断工作，并且能够保证工作的效率和准确度。
4、不易产生纠纷
人工检测涉及到人与人之间的交互，较容易产生纠纷。
而AI识别利用计算机进行判定，往往能够提供更为详细的信息，而且人机交互很难产生冲突，有效的避免了因为检测员与被检测者的情绪，性格等因素造成的纠纷。
四、算法描述
本系统拟通过装载率，装载货物类别，装载货物种类数目三个指标综合给出是否判定为绿通车放行。
具体实施方法如下：
绿通射线检测设备对货车进行扫描后获得了X光图像。
为了避让驾驶室，获得的X光图像主要为货箱部分。
在智能判别车厢内的货物前，需要将货箱部分智能识别出来，剔除可能造成干扰的项。
此处创新性的采用了SNHT突变检测法进行货箱部分识别。
对于已有的部分质量较差图像，该算法也显示出较高的稳定性。
装载率是最简单直接也是最常用的判断方法。
虽然该方法准确度较差，但是具有一定的参考价值，因此本系统也将计算装载率从而为最终判断提供信息。
装载率通过货箱部分X 轴投影值与总像素点比值得到。
该装载率的计算可结合X 光衰减公式进行进一步修正：
m m d e I I ρ-=01
本系统采用卷积神经网络（CNN ）进行装载物的智能分类。
卷积神经网络能够很好地提取图片的特征进行分类。
对于绿通货物类别，我们建立类别编码，通过大量数据训练后，CNN 能够给出货物是各类别的概率，为“绿通”货物的判别提供依据。
不同种类货物进行类别编码
不同特征的货物X光提取出的特征及视觉单词
卷积神经网络架构
本系统通过机器视觉算法分析混装的种类数目，并与申报的数目进行比对，作为判断是否绿通车的参考。
最后，本系统综合装载率，装载货物类别，装载货物种类数目三个指标，根据不同的权重，是否是绿通车且给予判定。
装载率作为最基本的判定线，作为判定的强条件，权重较大。
货物种类数目和类别作为辅助条件，前期权重较小，尽量避免是绿通车而未放行的情况。
随着系统不断自学习提高货物类别识别准确度，可不断增大权重，提高判定精准度。
