无人运输车监测方法、系统、终端及存储介质与流程

本发明属于车辆监控，具体涉及一种无人运输车监测方法、系统、终端及存储介质。

背景技术：

1、随着工业自动化技术的进步，无人运输车在现代工业生产中的应用日益普及。无人运输车的运行状态直接影响到生产效率和安全性，因此，对无人运输车的运行状态进行实时监测和智能管控变得尤为重要。

2、相关监测方法包括利用传感器检测无人运输车的运行速度，一旦执行任务的无人运输车速度过慢或归零，则判定无人运输车存在异常。这种监测方式无法排除环境阻碍导致的速度异常。因此监测结果不够准确。

技术实现思路

1、针对现有技术的上述不足，本发明提供一种无人运输车监测方法、系统、终端及存储介质，以解决上述技术问题。

2、第一方面，本发明提供一种无人运输车监测方法，包括：

3、获取无人运输车的使用时间和历史故障次数，基于所述使用时间和历史故障次数生成监测周期；

4、基于所述监测周期采集无人运输车的运行状态数据，基于所述运行状态数据生成异常检测结果；

5、基于所述异常检测结果获取监控视频，利用图像识别技术从所述监控视频中追踪所述无人运输车，并识别所述无人运输车的障碍物；

6、将所述障碍物的阻碍时间与异常检测结果中的对应异常时间进行匹配，并将匹配结果写入所述无人运输车的检测日志。

7、在一个可选的实施方式中，获取无人运输车的使用时间和历史故障次数，基于所述使用时间和历史故障次数生成监测周期，包括：

8、设置基础监测周期；

9、统计无人运输车的检测日志中的历史故障次数；

10、基于无人运输车的车牌号从无人运输车管理数据库调取无人运输车的使用时间；

11、基于预先设置的权重，计算使用时间与历史故障次数的加权和，并将所述加权和转换为比例系数，所述加权和与所述比例系数成反比例关系；

12、计算基础监测周期与所述比例系数的乘积，得到监测周期。

13、在一个可选的实施方式中，基于所述监测周期采集无人运输车的运行状态数据，基于所述运行状态数据生成异常检测结果，包括：

14、基于所述监测周期采集无人运输车的运行状态数据，所述运行状态数据包括载重、速度、加速度和驱动功率；

15、判断所述速度是否达到速度阈值，若所述速度未达到所述速度阈值，则校验速度与加速度的关系；

16、计算加速度与驱动功率的比例系数，判断所述比例系数是否达到预设的第一阈值，若所述比例系数达到所述第一阈值则确认驱动效率正常，若所述比例系数未达到所述第一阈值则确认驱动效率异常。

17、在一个可选的实施方式中，基于所述异常检测结果获取监控视频，利用图像识别技术从所述监控视频中追踪所述无人运输车，并识别所述无人运输车的障碍物，包括：

18、从调度中心获取无人运输车的任务路线，并获取所述任务路线对应的图像采集装置；

19、从对应的图像采集装置获取监控视频；

20、利用目标识别算法从所述监控视频中识别无人运输车，并利用车牌识别算法从提取无人运输车的车牌；

21、基于异常检测结果对应的无人运输车的车牌，调取对应的图像帧中截取包含具有相同车牌的无人运输车的局部图片；

22、利用图像识别技术从所述局部图片中识别障碍物，若存在障碍物则将所述图像帧的拍摄时间保存为阻碍时间。

23、在一个可选的实施方式中，将所述障碍物的阻碍时间与异常检测结果中的对应异常时间进行匹配，并将匹配结果写入所述无人运输车的检测日志，包括：

24、若所述阻碍时间与所述对应异常时间匹配，则在所述检测日志中写入障碍物导致的异常事件；

25、若所述阻碍时间与所述对应异常时间不匹配，则在所述检测日志中写入故障事件。

26、第二方面，本发明提供一种无人运输车监测系统，包括：

27、周期生成模块，用于获取无人运输车的使用时间和历史故障次数，基于所述使用时间和历史故障次数生成监测周期；

28、状态检测模块，用于基于所述监测周期采集无人运输车的运行状态数据，基于所述运行状态数据生成异常检测结果；

29、图像识别模块，用于基于所述异常检测结果获取监控视频，利用图像识别技术从所述监控视频中追踪所述无人运输车，并识别所述无人运输车的障碍物；

30、日志记录模块，用于将所述障碍物的阻碍时间与异常检测结果中的对应异常时间进行匹配，并将匹配结果写入所述无人运输车的检测日志。

31、在一个可选的实施方式中，所述周期生成模块包括：

32、基础设置单元，用于设置基础监测周期；

33、历史统计单元，用于统计无人运输车的检测日志中的历史故障次数；

34、数据调取单元，用于基于无人运输车的车牌号从无人运输车管理数据库调取无人运输车的使用时间；

35、系数生成单元，用于基于预先设置的权重，计算使用时间与历史故障次数的加权和，并将所述加权和转换为比例系数，所述加权和与所述比例系数成反比例关系；

36、周期计算单元，用于计算基础监测周期与所述比例系数的乘积，得到监测周期。

37、在一个可选的实施方式中，所述状态检测模块包括：

38、状态采集单元，用于基于所述监测周期采集无人运输车的运行状态数据，所述运行状态数据包括载重、速度、加速度和驱动功率；

39、速度判断单元，用于判断所述速度是否达到速度阈值，若所述速度未达到所述速度阈值，则校验速度与加速度的关系；

40、效率校验单元，用于计算加速度与驱动功率的比例系数，判断所述比例系数是否达到预设的第一阈值，若所述比例系数达到所述第一阈值则确认驱动效率正常，若所述比例系数未达到所述第一阈值则确认驱动效率异常。

41、第三方面，提供一种终端，包括：

42、处理器、存储器，其中，

43、该存储器用于存储计算机程序，

44、该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。

45、第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。

46、本发明的有益效果在于，本发明提供的无人运输车监测方法、系统、终端及存储介质，结合传感器监测与监控视频，排除环境阻碍导致的无人运输车的异常，提升监测结果的准确度，此外通过扩大传感器的检测范围，对检测数据进行多维分析，进一步提升了对无人运输车的监测准确度。

47、此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

技术特征：

1.一种无人运输车监测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，获取无人运输车的使用时间和历史故障次数，基于所述使用时间和历史故障次数生成监测周期，包括：

3.根据权利要求1所述的方法，其特征在于，基于所述监测周期采集无人运输车的运行状态数据，基于所述运行状态数据生成异常检测结果，包括：

4.根据权利要求3所述的方法，其特征在于，基于所述异常检测结果获取监控视频，利用图像识别技术从所述监控视频中追踪所述无人运输车，并识别所述无人运输车的障碍物，包括：

5.根据权利要求1所述的方法，其特征在于，将所述障碍物的阻碍时间与异常检测结果中的对应异常时间进行匹配，并将匹配结果写入所述无人运输车的检测日志，包括：

6.一种无人运输车监测系统，其特征在于，包括：

7.根据权利要求6所述的系统，其特征在于，所述周期生成模块包括：

8.根据权利要求6所述的系统，其特征在于，所述状态检测模块包括：

9.一种终端，其特征在于，包括：

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有无人运输车监测程序，所述无人运输车监测程序被处理器执行时实现如权利要求1-5任一项所述无人运输车监测方法的步骤。

技术总结
本发明涉及车辆监控技术领域，具体提供一种无人运输车监测方法、系统、终端及存储介质，包括：获取无人运输车的使用时间和历史故障次数，基于使用时间和历史故障次数生成监测周期；基于监测周期采集无人运输车的运行状态数据，基于运行状态数据生成异常检测结果；基于异常检测结果获取监控视频，利用图像识别技术从监控视频中追踪无人运输车，并识别无人运输车的障碍物；将障碍物的阻碍时间与异常检测结果中的对应异常时间进行匹配，并将匹配结果写入无人运输车的检测日志。本发明结合传感器监测与监控视频，排除环境阻碍导致的无人运输车的异常，提升监测结果的准确度，此外对检测数据进行多维分析，进一步提升了对无人运输车的监测准确度。

技术研发人员：李俊霆,亓玉敏,杨士岭,高志翔,郑强,田坤,张学成,谢云峰,孙鑫凯
受保护的技术使用者：山东钢铁集团日照有限公司
技术研发日：
技术公布日：2024/12/5