木材運輸道路檢查站系統的設計范文

本站小編為你精心準備了木材運輸道路檢查站系統的設計參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】為了提高木材運輸道路檢查站的監管效率，基于物聯網的圖像識別技術實現了對途經檢查站的木材運輸車輛的堆壘面照片的分析，計算木材堆壘面的根數和徑級。測試表明各道路檢查點采用相同的檢測系統和相同算法的檢測結果誤差小于1%，因此可以用于各檢查點檢測數據的相互對比，從而發現半途搭載盜砍濫伐木材的非法運輸行為，實現木材運輸全電子監管。該系統投入應用后，能提高木材生產效率，消除干群矛盾。

【關鍵詞】木材運輸；物聯網；圖像識別

1引言

福建省是中國南方重點產林省，保護森林，打擊盜砍濫伐任務艱巨[1]。因此，福建省林業廳在林區交通要口上設立了木材運輸道路檢查站，復核木材運輸車輛的實際運輸量是否和隨車同行的碼單上的合法數量匹配[2]。因為逐根檢尺工作量較大，細點一車木材需要耗時0.5h，而木材運輸任務平均耗時3h，因此執法工作對運輸生產效率造成了負面干擾。甚至部分群眾認為林業干部的細致檢查是在惡意刁難，不配合道路檢查工作，形成了干群矛盾。隨著物聯網技術的普及，出現各種感知技術[3]，如果能引入一種快速感知木材數量的物聯網技術，將能提高監管效率，加強監管力度，特別是保證了運輸檢查的透明度，堵住了林業干部收受紅包放行的不正之風[4]。因此研究基于物聯網技術構建木材運輸道路檢查站系統，具有現實的生產意義[5]。

2木材運輸違法行為分析

后，隨著社會矛盾轉化為“人民美好生活需要和不平衡不充分發展之間的矛盾”，消費者對生活質量越來越挑剔，對天然環保的木材裝修、天然木制品需求量越來越大，出現了木材原料供不應求的賣方市場。一些違法者為了獲得利益，盜砍濫伐森林，將非法木材混入合法木材，憑借合法的運輸碼單通過道路檢查站的監管，這樣非法木材漏交林業稅費，并以低價進入木材市場，壓縮合法的森林培育企業的生存空間，導致合法企業破產關閉，破壞了市場秩序。而盜砍濫伐行為又對林區生態造成嚴重破壞，引發泥石流等地質災害，所以需要保護森林資源，對木材運輸違法行為實施有效打擊，而運量檢測是關鍵技術手段。

3系統設計

木材運輸道路檢查站系統主要包括：圖像成像模塊、圖像處理模塊、數據庫模塊等3個模塊。(1)圖像成像模塊：屬于圖像識別的前導環節，通過道路攝像頭拍攝木材運輸車輛的載貨面，并做圖像消噪處理。(2)圖像處理模塊：圖像加工環節，林區伐區作業普遍使用油鋸，采伐鋸口較平整，原木端面為類圓形。在生產現場還發現，由于木捆中個別原木端面不齊整，反光程度不一致。還有一些木材是處在木材堆壘面下凹的位置上，截面落在其上方原木的陰影里，造成端面色差很大。還有一些原木斷面留有茬口，導致斷面圖像出現陰影斑塊。還有的原木捆在生產過程中破損或者開裂，在圖像中形成“缺圓”，這些干擾因素都造成原木端面識別比較困難。為了解決上述問題，處理模塊包含3個子模塊：①圖像預處理子模塊，這一模塊主要完成標尺像素定位和原木捆端面圖面區域范圍選定，使圖像中只有木捆端面的信息，便于后續自動處理。②計算識別模塊，完成利用原木端面圖像檢尺徑識別算法，對原木端面直徑的計算。③人工介入處理模塊，當技術原因導致難以自動識別運量時，通過采用人工校正手段。(3)數據庫模塊，將處理模塊的計算結果和檢尺碼單核對，做出是否違法的判斷結論。主要工作流程分為以下4個部分(1)圖像成像模塊布置在道路檢查站，通過數碼相機或攝像頭拍攝接受檢查的運輸車輛的后視圖（見圖1），對圖像進行初步的處理，將圖像轉化為灰度圖像。通過網絡將圖像數據傳輸到云端。(2)圖像處理模塊布置在云端，對灰度圖像進行更進一步的處理。如果有必要，對圖像部分區域采用人機交互處理，或人工選擇圖面區域。對灰度圖像分離前景與背景，由于圖像上原木與其周圍的背景在灰度值上存在明顯差異，根據實際圖像灰度直方圖上的灰度值分布，選取最優的灰度值，保留圖像上這一范圍的像素點，從而分離出原木端面的圖像的前景和背景，得到二值化的圖像（圖2）。(3)利用基于鏈碼的原木端面圖像檢尺徑識別算法，計算原木端面的直徑，實現對圖像中每根原木端面直徑的圓擬合（圖3）。(4)根據圖像處理子系統得到的數據，與檢尺碼單的數據進行核對，得出最終的檢測結果，并根據結果做出是否發生了違法運輸的判定。

4圖像識別算法介紹

5總結和展望

本研究通過物聯網的圖像識別技術實現了對木材運輸車輛的堆壘面照片的檢測，計算木材堆壘面的根數和徑級。受到野外惡劣環境的干擾，目前識別率和人工檢尺誤差約15%，但是各道路檢查點采用相同的檢測系統和相同的圖像識別算法的檢測結果誤差小于1%，因此可以用于各檢查站檢測數據的相互對比，從而發現在半途搭載盜砍濫伐木材的非法運輸行為，實現運輸道路上的全電子監管。目前系統還需要解決的問題為“如何識別余下的10%非圓木材，從而逼近人工檢尺的結果”，我們將應用神經網絡的模糊識別技術來完善圖像識別算法，解決非圓木材的徑級模糊匹配問題。

參考文獻

[1]林宇洪，沈嶸楓，邱榮祖．南方林區林產品運輸監管系統的研發[J]．北京林業大學學報，2011，33(5)：130-135．

[2]林宇洪,林敏敏,胡連珍,邱榮祖.基于AT89C2051的木材供應鏈手持機的設計[J].中南林業科技大學學報,2017,37(3):98-103.

[3]郭曼，朱海鵬，酈晶．基于數據網格的RFID農產品跟蹤與追溯系統研究[J]．農機化研究，2007(11)：101．

[4]姜曉睿,田亞,蔣莉,梁榮華.城市道路交通數據可視分析綜述[J].中國圖象圖形學報,2015,20(04):454-467.

[5]謝德勝,徐友春,萬劍,韓棟斌,陸峰.基于RTK-GPS的輪式移動機器人軌跡跟隨控制[J].機器人,2017,39(02):221-229.

作者：林昕怡；歐志銘；鄭平杰 單位：福建農林大學交通與土木工程學院