一种车箱盖的开关状态监测方法和相关装置制造方法及图纸

本申请公开了一种车箱盖的开关状态监测方法，应用于渣土车、泥头车和自卸车，包括：利用卷积神经网络算法对样本图像进行图像训练获得训练模型；其中，所述样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合；获取待识别的车箱盖图像；利用所述训练模型对所述车箱盖图像进行识别，获取所述车箱盖的开关状态。可见，本申请通过利用训练模型对待识别的车箱盖图像进行识别获取车箱盖开关状态的方法，避免了传感器易损坏造成的高成本问题，节约了成本。本申请同时还提供了一种车箱盖的开关状态监测装置、电子设备和计算机可读存储介质，均具有上述有益效果。

【技术实现步骤摘要】
一种车箱盖的开关状态监测方法和相关装置
本申请涉及车辆
，特别涉及一种车箱盖的开关状态监测方法、车箱盖的开关状态监测装置、电子设备和计算机可读存储介质。
技术介绍
在城市监管中，政府管理部门需要严格限制一些行驶车辆的箱盖的开关状态，以避免环境卫生被破坏及市民的安全。一般来说，可监控的车辆是垃圾车垃圾车、渣土车、泥头车、自卸车等车。现有的监测车箱盖开关状态是通过硬件传感器来识别开关箱状态，安装在车箱箱体边缘的传感器，容易在装卸过程中破坏甚至整体撞落，硬件传感器容易损坏；硬件传感器同时还存在安装困难、维护成本高等缺陷。因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
本申请的目的是提供一种车箱盖的开关状态监测方法、车箱盖的开关状态监测装置、电子设备和计算机可读存储介质，能够降低成本。其具体方案如下：本申请提供一种车箱盖的开关状态监测方法，应用于渣土车、泥头车和自卸车，包括：利用卷积神经网络算法对样本图像进行图像训练获得训练模型；其中，所述样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合；获取待识别的车箱盖图像；利用所述训练模型对所述车箱盖图像进行识别，获取所述车箱盖的开关状态。优选地，利用卷积神经网络算法对样本图像进行图像训练获得训练模型，包括：采集所述车箱盖的所述样本图像；对所述车箱盖的样本图像使用监督学习法利用卷积神经网络算法进行分类学习，获得所述训练模型。优选地，利用卷积神经网络算法对样本图像进行图像训练获得训练模型，包括：利用MobileNet算法对对样本图像进行图像训练获得训练模型。优选地，获取待识别的车箱盖图像之前，包括：判断预设条件是否达到预设阈值；若所述预设条件达到所述预设阈值，则执行获取待识别的车箱盖图像的操作。优选地，利用所述训练模型对所述车箱盖图像进行识别，获取所述车箱盖开关状态之后，包括：判断所述车箱盖的开关状态；若所述车箱盖的开关状态是车箱盖开状态，则获取车辆数据信息；将车辆信息发送至管理平台；其中，所述车辆信息包括所述车辆数据信息与所述车箱盖图像。本申请提供一种车箱盖的开关状态监测装置，应用于渣土车、泥头车和自卸车，包括：训练模型获得模块，用于利用卷积神经网络算法对样本图像进行图像训练获得训练模型；其中，所述样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合；车箱盖图像获取模块，用于获取待识别的车箱盖图像；开关状态识别模块，用于利用所述训练模型对所述车箱盖图像进行识别，获取所述车箱盖的开关状态。优选地，所述训练模型获得模块包括：样本图像采集单元，用于采集所述车箱盖的所述样本图像；训练模型获得单元，用于对所述车箱盖的样本图像使用监督学习法利用卷积神经网络算法进行分类学习，获得所述训练模型。优选地，还包括：判断模块，用于判断预设条件是否达到预设阈值；执行模块，用于若所述预设条件达到所述预设阈值，则执行获取待识别的车箱图像的图像特征的操作。优选地，还包括：开关状态判断模块，用于判断所述车箱盖的开关状态；车辆信息获取模块，用于若所述车箱盖的开关状态是车箱盖开状态，则获取车辆数据信息；车辆信息发送模块，用于将车辆信息发送至管理平台；其中，所述车辆信息包括所述车辆数据信息与所述车箱盖图像。本申请提供一种电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述车箱盖的开关状态监测方法的步骤。本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述车箱盖的开关状态监测方法的步骤。本申请提供一种车箱盖的开关状态监测方法，应用于渣土车、泥头车和自卸车，包括：利用卷积神经网络算法对样本图像进行图像训练获得训练模型；其中，样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合；获取待识别的车箱盖图像；利用训练模型对车箱盖图像进行识别，获取车箱盖的开关状态。可见，本申请通过利用训练模型对待识别的车箱盖图像进行识别获取车箱盖开关状态的方法，避免了传感器易损坏造成的高成本问题，节约了成本。本申请同时还提供了一种车箱盖的开关状态监测装置、电子设备和计算机可读存储介质，均具有上述有益效果，在此不再赘述。附图说明为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例所提供的一种车箱盖的开关状态监测方法的流程图；图2为本申请实施例所提供的一种车箱盖的开关状态监测装置的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在常见的车箱盖开关监测是通过硬件传感器来识别开关箱状态，安装在车箱箱体边缘的传感器，容易在装卸过程中破坏甚至整体撞落，硬件传感器容易损坏；硬件传感器同时还存在安装困难、维护成本高等缺陷。基于上述技术问题，本实施例提供一种车箱盖的开关状态监测方法，通过利用训练模型对待识别的车箱盖图像的图像特征进行识别获取车箱盖开关状态的方法，避免了传感器易损坏造成的高成本问题，节约了成本。具体请参考图1，图1为本申请实施例所提供的一种车箱盖的开关状态监测方法的流程图，应用于渣土车、泥头车和自卸车，具体包括：S101、利用卷积神经网络算法对样本图像进行图像训练获得训练模型。其中，样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合。具体的，本实施例不对卷积神经网络算法做具体的限定，可以是SqueezeNet、MobileNet、ShuffleNet、Xception等，只要满足本实施例的目的即可。本实施例采用的是有监督方法进行图片训练获得训练模型。具体的，采集车箱盖的样本图像；对车箱盖的样本图像使用监督学习法利用卷积神经网络算法进行分类学习，获得训练模型。一般是将分类为车箱盖开状态和车箱盖关状态的图片进行训练。本实施例不对车箱盖进行限定，可以理解的是当车箱盖为车箱的上部的车箱盖，如垃圾车的上部车箱盖需要在运输过程中保持关闭状态，或者车箱尾部的车箱盖。本实施例主要可以应用在渣土车、泥头车、自卸车的车箱盖的开关状态检测，进一步的，本实施例不对车辆的开关箱方式进行限定，可以是平推可以是摇臂，当然本实施例也不对车箱盖的材料进行限定，当选择平推式时车箱盖的材料可以是选择是铝合金或者轻型硬质PVC材料，当然也可以是其他材料，只要能够满足本实施例的目的即可，用户可根据实际需求进行限定；当选择摇臂式时，可以选择轻型高强度的不锈钢材料或者其他材料，只要能够满足本实施例的目的即可。具体的，一个神经网络包括输入层、隐藏层和输出层。卷积神经网络同样也是一个层级网络，只是某些层的功能和形式作了改变，是传统神经网络的改进。一个卷积神经网络的隐藏层会包括卷积层、池化层、激励层和全连接层。卷积层是卷积神经本文档来自技高网...

【技术保护点】
1.一种车箱盖的开关状态监测方法，应用于渣土车、泥头车和自卸车，其特征在于，包括：利用卷积神经网络算法对样本图像进行图像训练获得训练模型；其中，所述样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合；获取待识别的车箱盖图像；利用所述训练模型对所述车箱盖图像进行识别，获取所述车箱盖的开关状态。

【技术特征摘要】
1.一种车箱盖的开关状态监测方法，应用于渣土车、泥头车和自卸车，其特征在于，包括：利用卷积神经网络算法对样本图像进行图像训练获得训练模型；其中，所述样本图像是车箱盖开状态的图像集合和车箱盖关状态的图像集合；获取待识别的车箱盖图像；利用所述训练模型对所述车箱盖图像进行识别，获取所述车箱盖的开关状态。2.根据权利要求1所述的车箱盖的开关状态监测方法，其特征在于，利用卷积神经网络算法对样本图像进行图像训练获得训练模型，包括：采集所述车箱盖的所述样本图像；对所述车箱盖的样本图像使用监督学习法利用卷积神经网络算法进行分类学习，获得所述训练模型。3.根据权利要求1所述的车箱盖的开关状态监测方法，其特征在于，利用卷积神经网络算法对样本图像进行图像训练获得训练模型，包括：利用MobileNet算法对所述样本图像进行图像训练获得所述训练模型。4.根据权利要求1所述的车箱盖的开关状态监测方法，其特征在于，获取待识别的车箱盖图像之前，包括：判断预设条件是否达到预设阈值；若所述预设条件达到所述预设阈值，则执行获取待识别的车箱盖图像的操作。5.根据权利要求1至4任一项所述的车箱盖...

【专利技术属性】
技术研发人员：刘义强，陈环，许志明，
申请(专利权)人：长沙致天信息科技有限责任公司，
类型：发明
国别省市：湖南,43