环卫车扫盘磨损识别与运维方法及系统与流程

本发明涉及智能环卫，具体地，涉及一种环卫车扫盘磨损识别与运维方法及系统。

背景技术：

1、近年来，传统环卫服务行业老龄化、成本高、招聘难、管理难、安全事故频发的问题日益显著，与此同时，随着我国社会和经济的不断发展，城乡清洁工作中对卫生环境的要求也在不断提升。在此背景下，智慧环卫项目被越来越多的政府部门和环卫服务公司作为发展的重点，基于自动驾驶技术的无人环卫车也走入了真实的环卫服务项目中。

2、这类高科技无人环卫车为满足多环卫场景也在不断迭代和优化自身的环卫能力。目前业界主流的环卫车作业能力主要由三方面组成：扫，洗，冲。其中扫是日常使用频率最高的能力，无论是酷暑，潮湿还是雨雪等不同天气，道路清扫都是需要进行的环卫作业项。机器清扫和人工清扫在原理上是类似的，使用相关的扫具将路面上的垃圾和废弃物带走，保持路面的整洁；但是相较于人工的精细化工作方式，环卫车通常是在行进过程中一次性完成路面清扫，因此这对环卫车的清扫工具和能力提出了较大的挑战。

3、当前业界主流的环卫车清扫工具多是扫盘类型。在一个固定底座上安装上多个扫刷，扫刷之间保持适当的距离，采取液压制动。扫盘的底座可以上下左右灵活地移动，同时也支持快速旋转，在扫盘转动的过程中扫刷会将地面上的污垢带走。当遇到扫刷磨损或者坑洼或凸起路面时，调整扫盘与路面的距离使得扫刷和地面之间始终保持较强的接触力，保证清扫作业的高效。

4、扫盘在长时间的使用中出现老化和损伤是不可能避免的。在环卫车运行中过程中难免会碰到障碍物，障碍物中包括一些质地坚硬的物体，扫刷与这类障碍物接触时会对刷头造成严重的损耗，大大降低扫刷的使用寿命。同时扫盘底座有时在一些狭窄路口或上下坡时会出现和地面剐蹭的情况，这也会削弱扫盘的清扫质量。所以对于环卫车清扫装置的修理和更换是必要的，同时这也是保持无人环卫质量的基础。

5、专利文献cn112627088a(申请号：cn202011477630.x)公开了一种扫盘的自动调节控制系统及方法、扫路机，通过检测单元获取用于判断扫毛磨损程度的检测数据，然后通过控制系统基于检测数据进行分析以判断扫毛的磨损程度，并根据不同的磨损程度控制扫盘调节机构的工作状态，扫盘调节机构则驱动扫盘向外摆动以与路沿贴合，消除了路沿清扫盲区，实现了扫毛磨损的自动化检测和扫盘调节的自动化控制，无需人为操作，降低了作业人员的劳动强度，且控制精度高，大大提升了扫路机的清扫效果。但是扫盘的磨损只关注了扫毛的磨损情况，具有一定的片面性，不能保证识别出扫盘的真实磨损情况，而后续的磨损扫盘及环卫车的运维也是影响环卫效果与效率的重要影响因素，该专利公开的技术中未涉及完整磨损识别与运维一体化的技术方案。

6、目前环卫车扫盘装置的运维都是通过人工实现的。维修工人会定期到车库中检查所有车辆，对于存在风险的车进行修理和维护。目前这种频率一般为2-3个月一次，从实际的效果来看并不能高效的解决扫盘维护的问题。原因如下：(1)问题车辆的修复存在时间延迟。维修工人的维护周期一般较长，很多车辆一直处理问题作业状态；(2)人工检测全量车辆造成资源浪费。每次车辆维护都要对所有车辆的扫盘进行检查，但是实际存在问题的车辆不到10％；(3)集中维修检查会妨碍车辆正常工作，每次集中维修都会中断部分车辆的作业任务，从而影响正常作业内容。以上问题需要智能化的解决方案。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种环卫车扫盘磨损识别与运维方法及系统。

2、根据本发明提供的环卫车扫盘磨损识别与运维方法，包括：

3、步骤1：采用多机位进行多姿态检测，将扫盘装置的图片内容收集并进行数据预处理，然后通过云平台上传；

4、步骤2：通过磨损检测模型对图片进行识别，判断当前车辆是否存在磨损问题，如果存在磨损问题则无法外出工作，并将车辆问题信息上传到车辆管理中心，生成相应的修复调度任务，通知维修工人进行运维，同时云平台将问题车的作业任务分配给其他车辆。

5、优选的，在车辆停靠站的出入口处增加摄像装置，采用多机位、多姿态拍摄，在车辆进出时拍摄扫盘照片，将照片收集后统一由云平台上传到大数据处理中心，大数据处理中心结合深度学习算法训练出的识别模型对照片进行识别判断，将识别结果和预先设置的阈值进行比较，当置信度达到预设的异常区间内时，大数据平台判定当前车辆的扫盘情况不符合预期，需要进行维修；

6、当车辆被识别为异常状态后，云平台对车辆异常信息进行保存，并中断其正在执行的任务，然后再并行执行旧任务的重新分配和异常车辆的运维事件分发。

7、优选的，旧任务的重新分配包括：通过云平台对资源和任务进行统一管理，当云平台识别到存在车辆由于扫盘磨损问题无法执行任务时，读取当前车辆的待执行任务详情，分析出待执行任务关键属性，然后去资源库中匹配一台能解决当前任务的车辆，并将当前任务转发给选中车辆，当资源库中匹配不到能够解决问题的正常车辆，此时云平台给整体项目负责人发送相关告警；

8、异常车辆的运维事件分发包括：在车库的出入口处检查及时发现车辆存在的问题，发现问题后云平台及时记录故障内容并向下游传递车辆运维的事件请求，当车辆维修完成并且扫盘磨损程度检测结果正常后，云平台将该车辆的状态重新进行标记，之后该环卫车能在资源库中被正常调用。

9、优选的，使用计算机视觉技术结合神经网络模型识别车盘图片的磨损程度，包括：

10、对图片中的扫盘部分进行区域增强，包括轮廓增强和灰度处理，将原图中的扫盘轮廓凸出，在对识别主体进行增强的同时也通过低通降噪来减少图片凸出部分中的非关键属性的特征表达；

11、采用阈值分割、扫盘边缘检测、区域类聚的方式，将图片中的扫盘部分割裂出整体，抽象化其他区域的影响，提升扫盘区域的结果置信度占比；

12、通过卷积在轮廓、纹理和形状上的计算进行拓展，形成更准确的特征结果；

13、采用分类、回归损失函数，将多维特征提取的结果进行降维处理，同时降维后采取多标签分类，为每种特征标签进行置信度打分，最后的打分结果和系统设置的阈值进行比较，判断车辆最终的磨损情况。

14、优选的，数据预处理包括：

15、将数据集中预设低质量图和预设大容量图片进行过滤，然后进行唯一属性筛选；

16、采用均值插补和同类插补对属性不显著的图片进行补充，强化其特征；

17、采用旋转和翻转的方式进行数据集增强，以15°为间隔一直旋转360°，进行左右和上下翻转，在完成数据集增强后对数据进行清洗；

18、对数据集进行正则化处理，对图像进行特征选择。

19、根据本发明提供的环卫车扫盘磨损识别与运维系统，包括：

20、模块m1：采用多机位进行多姿态检测，将扫盘装置的图片内容收集并进行数据预处理，然后通过云平台上传；

21、模块m2：通过磨损检测模型对图片进行识别，判断当前车辆是否存在磨损问题，如果存在磨损问题则无法外出工作，并将车辆问题信息上传到车辆管理中心，生成相应的修复调度任务，通知维修工人进行运维，同时云平台将问题车的作业任务分配给其他车辆。

22、优选的，在车辆停靠站的出入口处增加摄像装置，采用多机位、多姿态拍摄，在车辆进出时拍摄扫盘照片，将照片收集后统一由云平台上传到大数据处理中心，大数据处理中心结合深度学习算法训练出的识别模型对照片进行识别判断，将识别结果和预先设置的阈值进行比较，当置信度达到预设的异常区间内时，大数据平台判定当前车辆的扫盘情况不符合预期，需要进行维修；

23、当车辆被识别为异常状态后，云平台对车辆异常信息进行保存，并中断其正在执行的任务，然后再并行执行旧任务的重新分配和异常车辆的运维事件分发。

24、优选的，旧任务的重新分配包括：通过云平台对资源和任务进行统一管理，当云平台识别到存在车辆由于扫盘磨损问题无法执行任务时，读取当前车辆的待执行任务详情，分析出待执行任务关键属性，然后去资源库中匹配一台能解决当前任务的车辆，并将当前任务转发给选中车辆，当资源库中匹配不到能够解决问题的正常车辆，此时云平台给整体项目负责人发送相关告警；

25、异常车辆的运维事件分发包括：在车库的出入口处检查及时发现车辆存在的问题，发现问题后云平台及时记录故障内容并向下游传递车辆运维的事件请求，当车辆维修完成并且磨损程度检测结果正常后，云平台将该车辆的状态重新进行标记，之后该环卫车能在资源库中被正常调用。

26、优选的，使用计算机视觉技术结合神经网络模型识别车盘图片的磨损程度，包括：

27、对图片中的扫盘部分进行区域增强，包括轮廓增强和灰度处理，将原图中的扫盘轮廓凸出，在对识别主体进行增强的同时也通过低通降噪来减少图片凸出部分中的非关键属性的特征表达；

28、采用阈值分割、扫盘边缘检测、区域类聚的方式，将图片中的扫盘部分割裂出整体，抽象化其他区域的影响，提升扫盘区域的结果置信度占比；

29、通过卷积在轮廓、纹理和形状上的计算进行拓展，形成更准确的特征结果；

30、采用分类、回归损失函数，将多维特征提取的结果进行降维处理，同时降维后采取多标签分类，为每种特征标签进行置信度打分，最后的打分结果和系统设置的阈值进行比较，判断车辆最终的磨损情况。

31、优选的，数据预处理包括：

32、将数据集中预设低质量图和预设大容量图片进行过滤，然后进行唯一属性筛选；

33、采用均值插补和同类插补对属性不显著的图片进行补充，强化其特征；

34、采用旋转和翻转的方式进行数据集增强，以15°为间隔一直旋转360°，进行左右和上下翻转，在完成数据集增强后对数据进行清洗；

35、对数据集进行正则化处理，对图像进行特征选择。

36、与现有技术相比，本发明具有如下的有益效果：

37、(1)本发明采用深度学习结合计算机视觉的前沿计算机技术实现环卫车扫盘磨损度检测，将人工观测转变成机器拍照识别，大大降低了人工成本，同时机器拍照具有不受时间和空间等外部因素影响，能够做到随时检测，快速出结果，结果有保障；

38、(2)本发明将磨损检测识别能力和云平台结合，检测服务由云平台管理，大数据团队底层支持，发挥出云计算高效，安全，稳定的特点；同时云平台和上下游系统的联通，能够把车辆的健康信息及时地进行上报和储存，实时地将问题车辆推送给维护团队，快速实现车辆的修复工作；在车辆出现健康问题后，云平台也能通过自身的资源调度能力快速地调配其他资源去实现问题车辆待执行的任务，实现整体任务的闭环。