木材运输道路检查站系统的设计范文

本站小编为你精心准备了木材运输道路检查站系统的设计参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

【摘要】为了提高木材运输道路检查站的监管效率，基于物联网的图像识别技术实现了对途经检查站的木材运输车辆的堆垒面照片的分析，计算木材堆垒面的根数和径级。测试表明各道路检查点采用相同的检测系统和相同算法的检测结果误差小于1%，因此可以用于各检查点检测数据的相互对比，从而发现半途搭载盗砍滥伐木材的非法运输行为，实现木材运输全电子监管。该系统投入应用后，能提高木材生产效率，消除干群矛盾。

【关键词】木材运输；物联网；图像识别

1引言

福建省是中国南方重点产林省，保护森林，打击盗砍滥伐任务艰巨[1]。因此，福建省林业厅在林区交通要口上设立了木材运输道路检查站，复核木材运输车辆的实际运输量是否和随车同行的码单上的合法数量匹配[2]。因为逐根检尺工作量较大，细点一车木材需要耗时0.5h，而木材运输任务平均耗时3h，因此执法工作对运输生产效率造成了负面干扰。甚至部分群众认为林业干部的细致检查是在恶意刁难，不配合道路检查工作，形成了干群矛盾。随着物联网技术的普及，出现各种感知技术[3]，如果能引入一种快速感知木材数量的物联网技术，将能提高监管效率，加强监管力度，特别是保证了运输检查的透明度，堵住了林业干部收受红包放行的不正之风[4]。因此研究基于物联网技术构建木材运输道路检查站系统，具有现实的生产意义[5]。

2木材运输违法行为分析

后，随着社会矛盾转化为“人民美好生活需要和不平衡不充分发展之间的矛盾”，消费者对生活质量越来越挑剔，对天然环保的木材装修、天然木制品需求量越来越大，出现了木材原料供不应求的卖方市场。一些违法者为了获得利益，盗砍滥伐森林，将非法木材混入合法木材，凭借合法的运输码单通过道路检查站的监管，这样非法木材漏交林业税费，并以低价进入木材市场，压缩合法的森林培育企业的生存空间，导致合法企业破产关闭，破坏了市场秩序。而盗砍滥伐行为又对林区生态造成严重破坏，引发泥石流等地质灾害，所以需要保护森林资源，对木材运输违法行为实施有效打击，而运量检测是关键技术手段。

3系统设计

木材运输道路检查站系统主要包括：图像成像模块、图像处理模块、数据库模块等3个模块。(1)图像成像模块：属于图像识别的前导环节，通过道路摄像头拍摄木材运输车辆的载货面，并做图像消噪处理。(2)图像处理模块：图像加工环节，林区伐区作业普遍使用油锯，采伐锯口较平整，原木端面为类圆形。在生产现场还发现，由于木捆中个别原木端面不齐整，反光程度不一致。还有一些木材是处在木材堆垒面下凹的位置上，截面落在其上方原木的阴影里，造成端面色差很大。还有一些原木断面留有茬口，导致断面图像出现阴影斑块。还有的原木捆在生产过程中破损或者开裂，在图像中形成“缺圆”，这些干扰因素都造成原木端面识别比较困难。为了解决上述问题，处理模块包含3个子模块：①图像预处理子模块，这一模块主要完成标尺像素定位和原木捆端面图面区域范围选定，使图像中只有木捆端面的信息，便于后续自动处理。②计算识别模块，完成利用原木端面图像检尺径识别算法，对原木端面直径的计算。③人工介入处理模块，当技术原因导致难以自动识别运量时，通过采用人工校正手段。(3)数据库模块，将处理模块的计算结果和检尺码单核对，做出是否违法的判断结论。主要工作流程分为以下4个部分(1)图像成像模块布置在道路检查站，通过数码相机或摄像头拍摄接受检查的运输车辆的后视图（见图1），对图像进行初步的处理，将图像转化为灰度图像。通过网络将图像数据传输到云端。(2)图像处理模块布置在云端，对灰度图像进行更进一步的处理。如果有必要，对图像部分区域采用人机交互处理，或人工选择图面区域。对灰度图像分离前景与背景，由于图像上原木与其周围的背景在灰度值上存在明显差异，根据实际图像灰度直方图上的灰度值分布，选取最优的灰度值，保留图像上这一范围的像素点，从而分离出原木端面的图像的前景和背景，得到二值化的图像（图2）。(3)利用基于链码的原木端面图像检尺径识别算法，计算原木端面的直径，实现对图像中每根原木端面直径的圆拟合（图3）。(4)根据图像处理子系统得到的数据，与检尺码单的数据进行核对，得出最终的检测结果，并根据结果做出是否发生了违法运输的判定。

4图像识别算法介绍

5总结和展望

本研究通过物联网的图像识别技术实现了对木材运输车辆的堆垒面照片的检测，计算木材堆垒面的根数和径级。受到野外恶劣环境的干扰，目前识别率和人工检尺误差约15%，但是各道路检查点采用相同的检测系统和相同的图像识别算法的检测结果误差小于1%，因此可以用于各检查站检测数据的相互对比，从而发现在半途搭载盗砍滥伐木材的非法运输行为，实现运输道路上的全电子监管。目前系统还需要解决的问题为“如何识别余下的10%非圆木材，从而逼近人工检尺的结果”，我们将应用神经网络的模糊识别技术来完善图像识别算法，解决非圆木材的径级模糊匹配问题。

参考文献

[1]林宇洪，沈嵘枫，邱荣祖．南方林区林产品运输监管系统的研发[J]．北京林业大学学报，2011，33(5)：130-135．

[2]林宇洪,林敏敏,胡连珍,邱荣祖.基于AT89C2051的木材供应链手持机的设计[J].中南林业科技大学学报,2017,37(3):98-103.

[3]郭曼，朱海鹏，郦晶．基于数据网格的RFID农产品跟踪与追溯系统研究[J]．农机化研究，2007(11)：101．

[4]姜晓睿,田亚,蒋莉,梁荣华.城市道路交通数据可视分析综述[J].中国图象图形学报,2015,20(04):454-467.

[5]谢德胜,徐友春,万剑,韩栋斌,陆峰.基于RTK-GPS的轮式移动机器人轨迹跟随控制[J].机器人,2017,39(02):221-229.

作者：林昕怡；欧志铭；郑平杰 单位：福建农林大学交通与土木工程学院