1.一种粮仓粮食库存动态监管方法,其特征在于,包括以下步骤:
(1)采集仓内实际的粮面图像,所述粮面图像包括粮面区域以及处于粮面区域上方的参考对象;
(2)对粮面图像进行处理,识别出粮面图像中的粮面区域以及参考对象,计算粮面区域边缘与参考对象之间的像素距离,并与前一次计算得到的粮面区域边缘与参考对象之间的像素距离做差,得到像素距离差;
(3)若得到的像素距离差的绝对值大于设定阈值,则判定仓内储粮数量发生变化;
(4)将得到的仓内储粮数量发生变化的情况与对应的正常情况信息进行比对,根据与对应的正常情况信息是否一致判断是否发生异常情况,实现粮仓粮食库存动态监管。
2.根据权利要求1所述的粮仓粮食库存动态监管方法,其特征在于,所述对粮面图像进行处理的过程包括:采集粮面样本图像,对粮面样本图像中的粮面区域和参考对象进行标记,得到训练图像集;根据训练图像集训练卷积神经网络,得到仓内储粮图像识别模型;然后利用训练好的仓内储粮图像识别模型对采集得到的仓内实际的粮面图像进行处理。
3.根据权利要求2所述的粮仓粮食库存动态监管方法,其特征在于,所述参考对象为粮仓通风窗的下边沿或者上边沿。
4.根据权利要求1‑3任意一项所述的粮仓粮食库存动态监管方法,其特征在于,所述正常情况信息为根据粮情数据、仓储作业、出入库数据、保管账数据、轮换计划及执行情况中的至少一个得到的粮仓内粮食正常的储存状态。
5.一种粮仓粮食库存动态监管装置,包括存储器、处理器以及存储在所述存储器中并可在处理器上运行的计算机程序,其特征在于,所述处理器在执行所述计算机程序时实现的处理过程包括以下步骤:(1)采集仓内实际的粮面图像,所述粮面图像包括粮面区域以及处于粮面区域上方的参考对象;
(2)对粮面图像进行处理,识别出粮面图像中的粮面区域以及参考对象,计算粮面区域边缘与参考对象之间的像素距离,并与前一次计算得到的粮面区域边缘与参考对象之间的像素距离做差,得到像素距离差;
(3)若得到的像素距离差的绝对值大于设定阈值,则判定仓内储粮数量发生变化;
(4)将得到的仓内储粮数量发生变化的情况与对应的正常情况信息进行比对,根据与对应的正常情况信息是否一致判断是否发生异常情况,实现粮仓粮食库存动态监管。
6.根据权利要求5所述的粮仓粮食库存动态监管装置,其特征在于,所述对粮面图像进行处理的过程包括:采集粮面样本图像,对粮面样本图像中的粮面区域和参考对象进行标记,得到训练图像集;根据训练图像集训练卷积神经网络,得到仓内储粮图像识别模型;然后利用训练好的仓内储粮图像识别模型对采集得到的仓内实际的粮面图像进行处理。
7.根据权利要求6所述的粮仓粮食库存动态监管装置,其特征在于,所述参考对象为粮仓通风窗的下边沿或者上边沿。
8.根据权利要求5‑7任意一项所述的粮仓粮食库存动态监管装置,其特征在于,所述正常情况信息为根据粮情数据、仓储作业、出入库数据、保管账数据、轮换计划及执行情况中的至少一个得到的粮仓内粮食正常的储存状态。