集装箱空箱智能检测方法及检测装置与流程

本发明涉及集装箱检测，尤其涉及一种集装箱空箱智能检测方法及一种集装箱空箱智能检测装置。

背景技术：

1、现有的集装箱检测技术中，如公开号为cn107621653a的中国发明专利(下称文献一)所公开的一种快速检测集装箱是否为空的仪器和方法，通过步骤一至步骤四，利用声学的原理，实现在不开箱的情况下快速识别集装箱空或非空情况。

2、然而，文献一还存在以下不足：在其步骤四中，对不同类型的集装箱，不同收发位置和声源频率，进行多次实验，以确定系统的工作参数。但该工作参数的确定较为复杂，易影响实际的检测效果。

技术实现思路

1、本发明的目的在于针对现有技术的不足提供一种集装箱空箱智能检测方法及检测装置，旨在免去提前确定工作参数的步骤，使检测方法更简单易操作，以提高检测效果。

2、本发明通过以下技术方案来实现上述目的：一种集装箱空箱智能检测方法，包括：

3、初始化步骤：获取采集到的集装箱在空箱和非空箱状态下的振动信号的频谱图，剔除该频谱图中幅值不衰减的频率值，得到有效振动数据，对该有效振动数据进行小波变换以得到频率分解幅值曲线的样本库，提取该样本库中的差异性特征并得到样本特征数据集；

4、建模步骤：建立带核函数的支持向量机svm模型，并利用该svm模型求解所述样本特征数据集在特征空间的最优分类超平面的拉格朗日乘子和截距，得到决策函数；

5、采集步骤：采集由待检测的集装箱振动产生的复合衰减的实际时域信号；

6、去噪步骤：对采集到的所述实际时域信号进行短时傅里叶变换，得到频谱图，剔除该频谱图中幅值不衰减的频率值，得到有效时域信号；

7、频率分解步骤：对所述有效时域信号进行小波变换，得到若干分解频率的幅值曲线；

8、判断步骤：提取所述幅值曲线的差异性特征并输入所述决策函数，输出所述决策函数的结果，根据该结果判断所述待检测的集装箱为空箱或非空箱。

9、作为本发明进一步的方案：建模步骤中，所述核函数和所述决策函数分别表示如下：

10、核函数：

11、其中，k(x,z)为高斯核函数，x和z分别为两个样本特征数据集的向量，||x-z||2为向量x和向量z的距离的平方，θ为高斯函数的方差；

12、决策函数：

13、其中，sign又叫sgn，为符号函数，用来提取一个数字的符号，k(x,xi)为核函数，为拉格朗日乘子，b*为截距，xi为第i个样本特征数据集的向量。

14、作为本发明进一步的方案：所述样本特征数据集包括线性可分特征，所述svm模型包括与所述线性可分特征对应的线性svm模型，对于线性svm模型的拉格朗日乘子，按如下公式求解：

15、

16、s.t∑iαiyi＝0,αi≥0，

17、公式中，αi为线性svm模型的拉格朗日乘子，αj为线性svm模型的拉格朗日乘子，xi为第i个实例，xj为第j个实例，yi为xi的类标记，yj为xj的类标记。

18、作为本发明进一步的方案：所述样本特征数据集包括线性不可分特征，所述svm模型包括与所述线性不可分特征对应的非线性svm模型，对于非线性svm模型的拉格朗日乘子，按如下公式求解：

19、

20、s.t∑iαiyi＝0,0≤αi≤c，

21、公式中，k(xi,xj)为高斯核函数k(x,z)，c为选取的参数，αi为非线性svm模型的拉格朗日乘子，αj为非线性svm模型的拉格朗日乘子，xi为第i个实例，xj为第j个实例，yi为xi的类标记，yj为xj的类标记；当核函数k(x,z)为正定核函数时，该公式的求解属于凸二次规划问题，其最优解为拉格朗日乘子向量表示其中第i个拉格朗日乘子的最优解。

22、作为本发明进一步的方案：所述截距，按如下步骤进行：

23、从拉格朗日乘子向量的最优解中选取一个正分量

24、将序号i对应的第i个样本特征数据集的yi代入公式：

25、

26、求解出b*，公式中，b*为所述截距，为第i个拉格朗日乘子的最优解，yi为第i个样本特征数据集的数据。

27、作为本发明进一步的方案：初始化步骤还包括：将所述样本特征数据集进行数据归一化，得到训练集；

28、建模步骤还包括：利用该svm模型求解所述训练集在特征空间的最优分类超平面的拉格朗日乘子和截距，得到所述决策函数。

29、作为本发明进一步的方案：初始化步骤还包括：将所述样本特征数据集进行数据归一化，并利用以下非线性svm算法从所述线性不可分特征中得到训练集：

30、t＝{(x1,y1),(x2,y2),…,(xn,yn)}，其中xi∈x＝rn,yi∈y＝{-1,+1}，

31、其中，xi为第i个实例，且若n>1，即x是多维度，并具有多个属性特征，此时xi为向量，yi为xi的类标记，当yi为+1时，xi为正例，当yi为-1时，xi为负例，t为训练集；

32、建模步骤还包括：利用该svm模型求解所述训练集在特征空间的最优分类超平面的拉格朗日乘子和截距，得到所述决策函数。

33、作为本发明进一步的方案：去噪步骤中的所述实际时域信号按如下公式进行短时傅里叶变换：

34、stftf(w,τ)＝∫rf(t)g'w,τ(t)dt＝∫rf(t)g(t-τ)e-jwtdt＝<f(t)·gw,τ(t)>，

35、gw,τ(t)＝g(t-τ)ejwt，

36、

37、公式中，f(t)是非平稳信号，ω是频率，e-jwt是复指数函数，g(t-τ)为分析窗函数，g(t)为窗口函数，短时傅里叶变换得到的是函数f(t)在τ时刻的傅里叶变换，不断变化τ，以得到函数f(t)在不同时刻的傅里叶变换。

38、作为本发明进一步的方案：频率分解步骤中的所述有效时域信号按以下公式进行小波变换：

39、

40、公式中，f(t)为待分析的信号，t为自变量、时域信号及小波变换的输入，wt(α,τ)为小波变换的结果，为小波基函数，α为尺度因子，τ为平移量。

41、作为本发明进一步的方案：初始化步骤为：对采集到的集装箱在空箱和非空箱状态下的振动信号，利用带通滤波器进行滤波，再进行短时傅里叶变换，得到频谱图，剔除该频谱图中幅值不衰减的频率值，以得到样本库，提取该样本库中的差异性特征并得到样本特征数据集；

42、初始化步骤中的所述振动信号和采集步骤中的所述实际时域信号，均是通过锤击法利用摆锤敲击集装箱产生；

43、采集步骤中的所述实际时域信号是利用与敲击集装箱的摆锤同侧设置的激光测距传感器进行采集；

44、去噪步骤为：对采集到的所述实际时域信号，利用带通滤波器进行滤波，再进行短时傅里叶变换，得到频谱图，剔除频谱图中幅值不衰减的频率值，得到有效时域信号；

45、初始化步骤之前还包括激励步骤：通过锤击法敲击集装箱以产生振动信号和/或复合衰减的实际时域信号。

46、本发明还提供了另一技术方案：一种集装箱空箱智能检测装置，包括：

47、激励模块，用于通过锤击法敲击集装箱；

48、初始化模块，用于对采集到的由锤击法敲击在空箱和非空箱状态下的集装箱产生的振动信号，进行短时傅里叶变换，得到频谱图，剔除该频谱图中幅值不衰减的频率值，得到有效振动数据，对该有效振动数据进行小波变换以得到频率分解幅值曲线的样本库，提取该样本库中的差异性特征以得到样本特征数据集；

49、svm建模模块，用于建立带核函数的支持向量机svm模型，并利用该svm模型求解所述样本特征数据集在特征空间的最优分类超平面的拉格朗日乘子和截距，得到决策函数：

50、

51、其中，sign又叫sgn，为符号函数，用来提取一个数字的符号，k(x,xi)为核函数，为拉格朗日乘子，b*为截距，xi为第i个样本特征数据集的向量；

52、信号采集模块，用于采集由锤击法敲击待检测的集装箱产生的复合衰减的实际时域信号；

53、去噪模块，用于对采集到的所述实际时域信号进行短时傅里叶变换，得到频谱图，剔除该频谱图中幅值不衰减的频率值，得到有效时域信号；

54、频率分解模块，用于对所述有效时域信号进行小波变换，得到若干分解频率的幅值曲线；以及

55、判断模块，用于提取所述幅值曲线的差异性特征并输入所述决策函数，输出所述决策函数的结果，根据该结果判断所述待检测的集装箱为空箱或非空箱。

56、本发明的有益效果：

57、与现有技术相比，本方案整个检测方法中不需要提前确定工作参数，而是通过建立svm模型，实现自适应检测算法，智能化更高，有效提高检测效率及检测效果；

58、通过去噪步骤，对车子因抖动产生的抖动信号或抖动噪声采取特定频率进行去噪去抖，进而对集装箱车辆打火或者熄火状态没有特别要求，提升了集装箱通关速度；

59、节约人工成本和时间成本，检测过程对人体无害，安全、无辐射的非入侵式探测方式，不需要额外装置确定集装箱尺寸和位置，对不同尺寸的集装箱包容性强。