基於信息融合的礦用地磅車牌識別

用地磅  稱重管理的 範化、 代化和智能化等需求，有必要在地磅管理係 中引入 牌  技 。   一特征提取方法   牌效果不理想的 狀，將信息融合用於 牌字符的  ，  不同信息源的  互 。利用互 的信息以降低 用地磅 牌  係 的  率，提高係 的 定性, 提高出入煤 地磅  的自 化管理都具有  意 。

1   引言

隨著采煤技術的不斷改進、  采煤設備的日趨先進以及對能 源需求的不斷增長， 煤礦產量得到很大的提高， 地磅車輛的稱重工作也隨之變得日常繁重， 對出入磅車輛進行規範、高效、 現代化管理顯得更加迫切。 在以往的稱重管理方式中，完全靠人工記錄車輛信息、 稱重信息、 資金情況以及信息的統計匯總等， 並由人工指揮車輛出入磅。 這種靠人工來記錄的方法不僅工作強度高、 作業效率低、 容易出現安全事故，而且漏收、 誤收現象比較嚴重， 出錯概率較高； 其次， 由於缺乏有效的監督， 人為可作弊行為可能性極大， 都將可能導致企業的資產流失； 並且獲取的數據不能通過網絡傳輸實現實時共享， 而是憑借手工填寫單據， 送交財務、 銷售、 倉庫等其他相關部門， 難以及時了解礦內車輛的作業動態， 也不方便進行及時有效的管理。

因此， 有必要在地磅管理係統中引入車牌識別技術，  自動識別出入磅車輛， 對車輛身份進行唯一性認證、 自動登記並驗放車輛， 實現過磅車輛監控和管理自動化。 車牌識別一般可分為車牌定位、 字符分割和字符識別 3 大部分。 為了更有效地構造一個高性能的車牌識別係統， 在對車牌字符輪廓、投影和網格編碼特征提取的基礎上， 利用 SVM 在解決小樣本、 高維數和非線性模式識別問題中良好的分類能力以及D-S 證據理論具有直接表達不確定 、 不完全信息的優勢 ， 利用D-S 證據理論融合單特征的 SVM 字符識別信息 ， 構建信息融合的礦用地磅車牌識別係統， 充分運用了各特征的冗餘互補信息， 大大提高了識別的準確性和可信度， 為提高企業經營運作的高效率和高效益有十分重要的意義。

2    信息融合理論基礎

在人類辨識外界事物的過程中，  通常根據來自不同感覺器官獲得的關於目標的多種特征信息， 並利用各種已有不確定的知識來判斷目標種類。 在工程實踐中也存在類似的情況， 經常要求根據一些經驗知識以及多種特征對事物的種類進行判斷。 信息融合 （Information Fusion） 就是指采集並集成各種信息源、 多種媒體和多種格式信息， 從而生成完整、準確、 及時和有效的綜合信息的過程。 信息融合的方法很多， 包括： 加權平均法、 數理統計法、 神經網絡法、 Kalman濾波、 Bayes 推理方法和證據決策推理方法。 信息融合方法中， D-S 證據理論在不完全、 不確定、 不清晰信息的表示、組合、 決策方麵具有明顯的優勢， 是決策級信息融合的經典理論。D-S 證據理論是基於 “證據 ” 和 “組合 ” 來處理不確定性推理問題的決策級融合方法。 D-S 證據理論定義待識別的