残箱撒漏监测装置及监测方法与流程

1.本发明涉及港口集装箱残箱撒漏监测设备及方法。
2.具体地说，是涉及残箱撒漏监测装置及监测方法。


背景技术：

3.随着集装箱业务的作业快速发展，各个港口吞吐能力急速提升，面对每天成千上万的集装箱装卸，如何快速、精准的识别散货箱破损导致的货物撒漏成为各个港口管理单位的难题。
4.目前装卸船破箱的撒漏识别工作，主要由桥下指挥人员进行肉眼观测。随着岸桥无人化改革，传统桥下指挥员基本撤除，无法处理此块业务，同时人工观测效率受环境光线影响大而且严重存在桥下安全隐患，处理过程通过线下处理，无法进行有效记录管理统计。


技术实现要素：

5.本发明的目的在于克服上述传统技术的不足之处，提供一种基于图像分析的残箱撒漏监测装置及监测方法。。
6.本发明的目的是通过以下技术措施来达到的：残箱撒漏监测装置，其特征在于：包括前端识别系统和指挥中心，前端识别系统包括撒漏监测相机和撒漏监测终端；撒漏监测终端包括撒漏监测控制器和存储硬盘；存储硬盘与撒漏监测控制器连接并用于存储信息，撒漏监测控制器使用时与岸桥控制系统连接并用于接收岸桥控制信息，撒漏监测控制器还与撒漏监测相机连接并用于控制撒漏监测相机及接收监测结果，指挥中心与撒漏监测相机连接并用于接收撒漏报警信息，指挥中心使用时还与岸桥作业现场无线通讯连接并用于发送管理要求。
7.一种具体优化方案，撒漏监测相机内载有深度学习算法。
8.一种具体优化方案，撒漏监测相机包括边缘设备、视频监控平台、算法训练模块，视频监控平台用于接收边缘设备统计信息和将信息导入算法训练模块，算法训练模块用于训练模型并发布模型至边缘设备。
9.一种具体优化方案，视频监控平台还用于手动下载模型并将模型当做任务下发至边缘设备。
10.一种具体优化方案，边缘设备为ipc和/或nvr。
11.一种具体优化方案，边缘设备的型号为海康ds-2cd7a2dcs-jzxsl。
12.一种具体优化方案，视频监控平台包括ai模型管理服务组件，ai模型管理服务组件包括ai模型库管模块、素材管理模块、智能分析任务配置模块、ai模型下发管理模块和监测数据处理模块。
13.一种具体优化方案，指挥中心包括管理平台和服务器，管理平台用于接收撒漏报警信息、岸桥作业调度和凭证登记，服务器包括无线通讯设备并用于和岸桥作业现场和岸
桥控制系统无线通讯。
14.残箱撒漏监测方法，其特征在于，包括以下步骤：步骤一、撒漏监测相机预装载撒漏监测模型，撒漏监测终端接收岸桥plc控制系统的装船控制信号，启动撒漏监测相机对岸桥集装箱拍摄录像；步骤二、当出现撒漏情形时，撒漏监测相机将报警信息分别发送给指挥中心和撒漏监测终端；步骤三、指挥中心人工核定后发送指令给岸桥作业现场并将判定结果发送至撒漏监测终端；步骤四、撒漏监测终端存储撒漏监测相机发送的信息并定期发送至指挥中心以供调阅查证。
15.一种具体优化方案，步骤二中，智能识别相机通过以下步骤进行深度学习：步骤a：边缘设备将统计数据发送给ai模型管理服务组件；步骤b：ai模型管理服务组件将数据处理并发送至算法训练模块，算法训练模块对素材标定后，进行模型训练，最终确认模型并发布模型；步骤c：模型文件发送至边缘设备，边缘设备更新模型，并进行监测；步骤d：重复步骤a-c。
16.由于采用了上述技术方案，与现有技术相比，本发明的优点是：一、便于快速精准检查残箱撒漏情况，减少现场人员，避免安全事故；二、环境适用性强、后期可追溯，同时后期可以与理货系统对接，获取对应的箱号信息，供后期拓展。
17.下面结合附图和具体实施方式对本发明作进一步说明。
附图说明
18.附图1是本发明残箱撒漏监测装置的结构示意图。
19.附图2是本发明前端识别系统的结构原理图。
20.图中：1-岸桥作业现场；2-岸桥plc控制系统；3-撒漏监测相机；4-撒漏监测终端；5-指挥中心。
具体实施方式
21.实施例1：如附图1-2所示，残箱撒漏监测装置，包括前端识别系统和指挥中心5，前端识别系统包括撒漏监测相机3和撒漏监测终端4。
22.撒漏监测终端4包括撒漏监测控制器和存储硬盘。
23.存储硬盘与撒漏监测控制器连接并用于存储信息，撒漏监测控制器使用时与岸桥控制系统2连接并用于接收岸桥控制信息，撒漏监测控制器还与撒漏监测相机3连接并用于控制撒漏监测相机3及接收监测结果，指挥中心5与撒漏监测相机3连接并用于接收撒漏报警信息，指挥中心5使用时还与岸桥作业现场1无线通讯连接并用于发送管理要求。
24.撒漏监测相机3内载有深度学习算法。
25.撒漏监测相机3包括边缘设备、视频监控平台、算法训练模块，视频监控平台用于接收边缘设备统计信息和将信息导入算法训练模块，算法训练模块用于训练模型并发布模型至边缘设备。
26.视频监控平台还用于手动下载模型并将模型当做任务下发至边缘设备。
27.边缘设备为ipc和/或nvr。
28.边缘设备的型号为海康ds-2cd7a2dcs-jzxsl。
29.视频监控平台包括ai模型管理服务组件，ai模型管理服务组件包括ai模型库管模块、素材管理模块、智能分析任务配置模块、ai模型下发管理模块和监测数据处理模块。
30.指挥中心5包括管理平台和服务器，管理平台用于接收撒漏报警信息、岸桥作业调度和凭证登记，服务器包括无线通讯设备并用于和岸桥作业现场1和岸桥控制系统2无线通讯。
31.具体的：1、撒漏报警接收前端相机将报警信息传递至指挥中心。指挥中心通过平台弹窗的抓拍图片已经相关联录像进行二次确认。
32.2、岸桥作业调度指挥中心在确认相机报警后，如若无误，通过无线电等通讯方式，紧急调度岸桥司机放回相应集装箱，同时做好备案记录工作，如若确认后误报，不对作业进行干预，同时保留误报素材，进行后期深度学习去除相似误报。
33.3、凭证登记针对出现撒漏的实际录像、抓拍图片进行编号保存。
34.前端识别系统主要包括撒漏检测相机、智能终端等，侧漏检测相机内置gpu，通过将破箱撒漏的深度学习算法导入，进行实时的图像识别。智能终端内置硬盘，将报警图片以及录像进行本地存储，同时负责对接岸桥plc系统，同步装卸船与抓拍时间。
35.实施例2：残箱撒漏监测方法，包括以下步骤：步骤一、撒漏监测相机3预装载撒漏监测模型，撒漏监测终端4接收岸桥plc控制系统的装船控制信号，启动撒漏监测相机3对岸桥集装箱拍摄录像；步骤二、当出现撒漏情形时，撒漏监测相机3将报警信息分别发送给指挥中心5和撒漏监测终端4；如图2所示，智能识别相机通过以下步骤进行深度学习：步骤a：边缘设备将统计数据发送给ai模型管理服务组件；前期工作时通过现有视频监控平台对现场的实际撒漏历史录像进行筛选，相关素材截图后，有技术人员进行撒漏样本标定，后将各个版本的算法导入前端相机gpu，激活相机ai属性。
36.步骤b：ai模型管理服务组件将数据处理并发送至算法训练模块，算法训练模块对素材标定后，进行模型训练，最终确认模型并发布模型；步骤c：模型文件发送至边缘设备，边缘设备更新模型，并进行监测；步骤d：重复步骤a-c。
37.步骤三、指挥中心5人工核定后发送指令给岸桥作业现场1并将判定结果发送至撒漏监测终端4；步骤四、撒漏监测终端4存储撒漏监测相机3发送的信息并定期发送至指挥中心5以供调阅查证。
38.以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施
例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应归属于本发明的专利涵盖范围之内。