无人值守半挂汽车煤自动计量及卸车系统研究应用

无人值守半挂汽车煤自动计量及卸车系统研究应用

李瑞平, 侯建华,周云,王驰 ,黄丹青 ,赵柔君

国家电投集团重庆合川发电有限公司

摘 要：本文介绍了无人值守半挂汽车煤计量及卸车的整体过程，并详细介绍了整个过程中存在的问题及解决方法，其中包括整体自动化程度的提升、根据来煤计划自动分配指定的汽车衡称重、整个计量过程的防作弊、计量及接卸效率的提升、员工工作方式的改变等。最终，使汽车煤及厂内管理由手工操作、体力劳动转变为全过程自动化、信息化，节约人力资源、降低劳动强度、提高工作效率，为电厂燃料管理探索一个新的模式。

关键词：无人值守；汽车衡；计量；卸车机；半挂汽车

1概述

在项目建设完成前国家电投集团重庆合川发电有限公司（以下简称‘合川发电公司’）在汽车计量方面尚未完成无人值守操作，物料汽车到厂后需人员指引至磅房处进行计量，计量时需人员查看停车是否规范、是否有作弊行为，完成计量后人员将计量数据上传至燃料管理系统，手动给司机打印磅单并给司机，过程复杂低效且人为因素影响过大。除此之外，无法对17.5米高栏半挂车型进行计量。由于物料车辆车型含有17.5米高栏半挂车，合川发电公司无法完成此类车型的卸车作业。

因此，合川发电公司需要建设一套无人值守半挂汽车自动计量及卸车系统，代替值班人员完成入场运煤车辆和物质运输车辆的称重工作，并使合川发电公司具备有对17.5米高栏半挂及以下车型运煤车辆进行计量及卸车的能力，从而保证用煤需求，降低燃煤运输成本，提高能源保供能力和经济效益。

2设计目标

将建设一套最适用于合川发电公司实际情况的无人值守汽车自动计量系统与无人值守卸车系统。

无人值守汽车衡自动称重系统是指汽车衡在无人值守和干预的情况下准确、迅速、稳定、安全可靠的完成整个称重流程，操作人员和管理人员可以远程的对计量的数据实施监控，进行查询、统计、打印、结算等工作。同时也提高了计量效率、堵住了计量中人为误差及人为作弊等漏洞、降低了企业管理成本及资源损耗。[1]本次建设将应用车牌智能识别的方式进行无人值守自动识别，称重后接入计量数据，全程进行监视管控，完成整个无人值守汽车自动计量过程。

卸车系统是指重载运输车辆退到承载平板上规定的挡车位置（有位置标杆)），驾驶人员须用手刹将车刹住后下车，打开后车门（厢）准备卸料。设有专人负责检查再次确认运输车辆后轮被挡轮板挡住后，示意电控操作员启动承载平板下的两大主油缸向上升举起，最大倾角度为45°，根据卸车物料下滑速度情况确定,掌握最佳升降角度（卸净物料）。当物料卸完后再平稳降落，最后降落至水平到位置，准备下次卸车。[2]本次建设采取智能联动无人值守卸车，根据计量时的指引，汽车司机可前往卸车机前在系统判定可卸车的情况下，进行卸车操作。

除此之外，本项目还通过图像识别算法研发了一套独有的地磅图像识别防作弊系统，判别人员行为、车辆状态等，一旦识别后将发出预警让管控人员进行处理。

3整体架构设计

系统利用局域网将磅房、卸车机、机房、办公区域联系起来。磅房前置机控制过磅位置的设备及软件并将获取的数据上传至服务器；卸车机前置机控制卸车机相关设备及软件并将获取的数据上传至服务器；办公区域电脑可登陆系统查看相关数据或发送指令通过前置机控制相关设备。

整体架构设计如下图（图1）。

图1整体架构设计图

4汽车无人值守计量系统

合川发电公司现有四台汽车衡，均实现双向过磅的汽车衡计量无人值守，整个过磅过程均由汽车司机按照设备对应提示进行操作，无需任何人员的干涉，还能借助平台远程管控的方式进行现场监控与协助，完成汽车过磅的无人值守操作。

4.1计量流程

汽车衡计量无人值守流程如下（图2）：

图2 汽车计量无人值守流程

4.2设备应用

汽车衡计量无人值守涉及的相关设备包括汽车衡秤体、称重传感器、智能称重显示仪表、智能车牌号抓拍摄像机、红绿灯、语音提示系统、红外对射、智能道闸、ED显示屏、工控机、打印机、监控摄像装置、监控主机，系统通过控制以上设备完成汽车衡计量无人值守。

图3系统组成示意图

4.3系统功能

称重系统具备根据提前录入的车辆信息、来煤计划提前分配称重汽车衡，可提前将物资车辆到厂工作路线提前通知司机，减少厂内拥堵，提高整体效率。

称重系统能够进行车辆位置检测，且可实现防人为干预加重重车称重或轻车回皮、不完全称重等作弊功能。

称重系统在车辆位置检测等设备发生故障情况下，可实现手动操作功能以实现称重系统正常运行。

称重系统可自动采集各类称重仪表数据，同步显示仪表数据。显示屏显示计量数据，货源信息，超差报警信息及指引采样卸煤区域。

称重系统在计量时车头、车厢、车尾均能抓拍图像。（针对临时电子车牌防止更换车牌作弊，称重监管及复审防作弊依据）

称重系统具备红外线防作弊，对车辆不完全上磅、多台车上磅等非标准称重状态不予称重。

称重系统具备计量波形检测防作弊，自动绘制计量波形图，自动判断模拟称重传感器是否被遥控干扰，针对遥控干扰器、车辆动载荷等作弊行为不予称重，并上报管理人员进行监管处理。

称重系统具备自动语音报重，自动语音指挥；远程视频监控，在线声光报警。

称重系统具备远程称重功能，在无人值守称重过程中出现未授权称重或者需要暂时过磅称重的特殊车辆时，对非自动计量车辆可进行远程人工称重处理，管理人员接到远程语音呼叫信息，在允许称重的情况下可在远程实施称重作业。

称重系统具备将多次发生车辆上磅异常、皮重超差等情况的车辆列入黑名单，在后续识别到该车辆后通知监控中心，进行重点监控。

称重系统具备车位自动识别功能，停车不在限定磅位区域时自动进行语音提示，延时后仍不到位时，系统自动进行后续程序闭锁并报警。

称重系统具备判别车辆是否静止在磅面的功能，对不熄火车辆或以冲击速度上磅车辆具有后续程序闭锁并报警功能。

称重系统具备称重完成后将给出卸煤地点，即具有指引功能。

称重系统具备对每天的总车数和净重进行统计，对各车号、称重时间、票重、毛重、皮重、净重、煤种及发货单位用列表的形式进行展示，并用柱状图的形式对毛重、皮重、皮重异常进行按月的对比分析。

4.4系统特点

1、提前分配并告知司机称重汽车衡编号，规划司机厂内行驶路线，保证车辆厂内无逗留，提高整体效率。

2、全程自动执行，包含双向上磅识别、语音指引、视觉指引、车辆防作弊、停车位置检测、智能磅单打印、超时报警、异常报警等。

3、自动形成每日、每周、每月称重报表，形成统计分析图表，便于电厂查看车辆过衡数据。

4、与卸车机联动，形成载重车辆在厂全流程管控。

5汽车自动卸车系统

5.1数据联动

载重汽车到达汽车衡计重后，系统将自动进行卸车排队，语音提示司机前往卸车机进行卸车，到达卸车机后，卸车机将自动识别需卸车车辆，若是当前任务车辆，载重汽车可在卸车机进行卸车，整个过程由数据进行联动，保证整个过程少人甚至无人管理。

5.2卸车流程

载重汽车按指令正向驶入（或倒上）翻板平台，汽车就位后挡轮器完全升起挡住汽车后轮，翻板平台升到要求角度，翻板平台落下复位，汽车开下翻板平台，完成整个卸料工作过程（图4）。

图4 卸车流程

5.3系统特点

1、翻版平台采用计算机辅助、有限元分析的方式进行一体化设计，整体耐用、安全、美观。

2、液压控制系统结合国内外先进液压控制技术，采用国内外知名品牌元器件，保证了系统环境适应性强、寿命长、运行稳定性好、安全可靠、易于维护。

3、电气控制系统采用国内外知名品牌元器件，电气控制软件自主可控，系统预留多种通讯方式，并能进行远程控制。

6地磅图像识别防作弊系统

6.1系统需求与分析

地磅位置是最易出现作弊现象的，实现了无人值守后，磅房处于无人状态，即使每个地磅处均设有监控可以利用管控人员查看是否有作弊行为，但管控人员不会实时盯着地磅位置进行查看，故利用图像识别方式智能监控地磅位置是否有作弊行为发生是非常有必要的一项关键措施。

所有地磅处均全方位覆盖视频监控，视频图像实时上传至图像识别服务器，智能监控车辆行为及可疑人员行为，判别后将自动产出预警，交由管控人员进行审核处理。

6.2核心算法

地磅图像识别防作弊系统采用对象检测算法“YOLO”，实现了地磅计量实时对象检测。之所以使用“YOLO”算法，是因为YOLO非常快。由于检测问题是一个回归问题，所以不需要复杂的管道。它比“R-CNN”快1000倍，比“Fast R-CNN”快100倍。它能够处理实时视频流，延迟小于25毫秒。它的精度是以前实时系统的两倍多。同样重要的是，YOLO遵循的是“端到端深度学习”的实践。

由于本系统针对的是卡车、人等较大目标的监测，通过各个版本对比分析后，确定本系统采用YOLOv4进行本系统的研究及应用。相对其他YOLO版本，YOLOv4精度及速度都偏上且应用广泛，成熟度高，本系统用YOLOv4为最佳选择。

6.3关键指标

1、Confidence预测

cell预测的bounding box包含一个物体的置信度有多高并且该bounding box预测准确度有多大，用公式表示为：

Pr(Object)*IOUtruth pred

2、Bounding box预测

bounding box的预测包括xywh四个值。xy表示bounding box的中心相对于cell左上角坐标偏移，宽高则是相对于整张图片的宽高进行归一化的。偏移的计算方法如下图所示（图5）。

图5 偏移的计算方法

假设grid的size为S*S，原始图片的宽高：width，height。某物体中心的坐标为(x，y)，且其所在的cell左上角坐标为(5，0)。则坐标的偏移值计算如下：(x*S/width-5，y*S/height，0)

3、类别预测

物体类别是一个条件概率：

Pr(Classi)/Object

4、训练

Loss值：

有物体中心落入的cell，需要计算分类loss，两个predictor都要计算confidence loss，预测的bounding box与ground truth IOU比较大的那个predictor需要计算xywh loss。没有物体中心落入的cell，只需要计算confidence loss。

6.4目标检测实现流程

利用丰富的数据训练此模型，最终实现行为识别。

图6目标检测实现流程

6.5最终效果

系统利用YOLOv4算法完成了地磅计量过程图像识别防作弊，针对于司机违规下车、外来人员进入磅房区域、磅房区域人员下蹲或对磅秤进行破坏、汽车掉榜等行为会进行预警，从而最大程度上杜绝计量作弊行为。

7结语

综上所述，合川发电公司在使用无人值守半挂汽车自动计量及卸车系统后，实现了提前根据过磅车辆车型及所拉物资进行自动分配过磅衡器、重车轻车计量无人值守、卸车机的无人值守且在整个西南地区的煤炭发电公司中首家进行卸车机应用、减少厂内车辆的排队拥堵、全流程的监视管控，并运用图像识别的方式基本杜绝了作弊的可能，总体上由原来的低效率向高效率转变、多人员向少人甚至无人转变、高劳动强度向低劳动强度转变、人为因素影像大向无人为因素影响转变、信息孤岛向信息流通转变、人工向全自动化转变，以此提高企业效益。

8参考文献

[1]孟庆见, 王俊行. 无人值守汽车衡自动称重系统的设计与实现[J]. 福建电脑, 2013, 029(006):140-141.

[2]孔庆山. 节能减排的新技术——汽车液压卸车机[C]// 中国硅酸盐学会. 中国硅酸盐学会, 2013.

1