本发明涉及集装箱检测，具体涉及基于人工智能的集装箱装卸检测控制方法及系统。
背景技术：
1、随着贸易的持续增长，集装箱运输作为物流的主要方式，其重要性日益凸显，集装箱运输的高效性、便捷性和标准化特性，使得它成为连接贸易的重要纽带，然而，随着运输量的增加，集装箱的检验和管理工作也面临着巨大的挑战，传统的集装箱检测方法主要依赖于人工检查，这种方法不仅效率低下，而且容易受到人为因素的影响，导致误检或漏检的情况时有发生，近年来，人工智能技术取得了显著的进步，人工智能关联技术的成熟为集装箱检测提供了新的解决方案。
2、现有技术中，针对铁路集装箱，称重起吊过程中，采用多个重量传感器来检测集装箱的重量，以判断铁路集装箱的重量阈值，进而实现铁路集装箱的起吊作业，但是多个重量传感器在测量过程中会出现误差累积以及环境因素干扰的问题，会对测量精度产生影响，进而导致测量精度下降，为此，现提出基于人工智能的集装箱装卸检测控制方法及系统。
技术实现思路
1、本发明目的在于提供基于人工智能的集装箱装卸检测控制方法及系统，以解决上述背景技术中提出的问题。
2、为解决上述技术问题，本发明所采用的技术方案是：
3、第一方面，基于人工智能的集装箱装卸检测控制方法，包括以下步骤：
4、步骤1，部署重量传感器和温湿度传感器，收集铁路集装箱重量和环境参数的原始数据，并根据运输要求和安全标准，设置集装箱重量阈值，以判断集装箱是否需要被起吊；
5、步骤2，根据获取的铁路集装箱重量和环境参数原始数据，并对原始数据进行数据融合和校正处理，其中，所述原始数据包括历史数据和实时数据；
6、步骤3，基于历史数据训练神经网络模型，预测集装箱的重量，并匹配设定的集装箱重量阈值，确定起吊的条件；
7、步骤4，结合环境参数的实时数据和应用环境补偿算法，调整传感器读数，减少环境因素的干扰，将融合和补偿后的数据输入训练好的神经网络模型，输出预测的集装箱重量；
8、步骤5，评估集装箱的重量与预设的集装箱重量阈值，做出起吊或不起吊的决策，并持续监控传感器的运行状态和测量数据的变化趋势，进行异常情况的预警。
9、本发明技术方案的进一步改进在于：所述步骤1中，铁路集装箱重量和环境参数的原始数据的收集过程为：
10、步骤101，在铁路集装箱称重区域部署四个重量传感器，确保均匀分布并准确测量集装箱的重量，并在称重区域部署温湿度传感器，监测重量测量的环境条件，收集环境参数数据；
11、步骤102，设置数据采集系统收集重量传感器和温湿度传感器的读数，获取原始数据，确保数据的时效性和准确性，并对原始数据进行清洗、去噪和异常值处理；
12、步骤103，根据运输要求和安全标准，设定集装箱的重量阈值，若集装箱的重量超过阈值，则判断为需要被起吊；否则，判断为不需要被起吊。
13、本发明技术方案的进一步改进在于：所述步骤2中，原始数据的数据融合和校正处理过程为：
14、步骤201，根据获取的铁路集装箱重量和环境参数原始数据，划分为历史数据和实时数据，并提取重量传感器的历史数据和温湿度传感器的历史数据，得到历史数据集和实时数据集；
15、步骤202，采用加权平均，根据每个传感器的精度和稳定性赋予不同权重，对四个重量传感器的原始数据进行数据融合，减少误差累积，反映集装箱的实际重量，融合的目的是减少因单个传感器误差而导致的整体误差累积，融合后的数据被视作更准确地反映了集装箱的实际重量；
16、步骤203，分析温湿度传感器的历史数据，确定环境参数与重量测量之间的关系，并根据环境参数的变化，对融合后的重量数据进行环境参数校正，校正的目的是调整重量传感器的读数，使其更加接近集装箱在标准环境条件下的真实重量；
17、步骤204，根据环境参数对重量测量的影响程度，结合温湿度传感器的历史数据构建环境补偿模型，分别得到温度补偿指数和湿度补偿指数，并结合温度补偿指数和湿度补偿指数获取综合环境补偿指数，综合温湿度对测量结果的影响，调整重量传感器的读数，消除或减少环境因素对测量结果的影响。
18、本发明技术方案的进一步改进在于：所述数据融合的表达式为：
19、
20、其中，wi为加权平均重量，表示考虑不同权重的重量传感器读数的平均值，wi为第i个重量传感器的权重，用于反映其对总重量的贡献或重要性，wei为第i个重量传感器的读数，i从1到4；
21、所述温度补偿指数的表达式为：
22、wt＝wraw·(1+α·δt)；
23、其中，wt为温度补偿指数，wraw为原始重量读数，α为温度系数，表示材料对温度的敏感度，δt为当前温度与参考温度的差值；
24、所述湿度补偿指数的表达式为：
25、wh＝wt·(1+β·δrh)；
26、其中，wh为湿度补偿指数，wt为温度补偿指数，表示经温度补偿后的重量，β为湿度系统，表示材料对湿度的敏感度，δrh为当前相对湿度与参考湿度的差值；
27、所述综合环境补偿指数的表达式为：
28、wez＝wraw·(1+α·δt+β·δrh+γ·δt·δrh)；
29、其中，wez为综合环境补偿指数，γ为交叉项系数，表示温度和湿度共同作用的影响。
30、本发明技术方案的进一步改进在于：所述步骤3中，集装箱重量的预测过程为：
31、步骤301，从历史数据集中提取重量传感器的读数和相关的温湿度数据，获取特征数据集，将特征数据集划分为训练集和测试集；
32、步骤302，基于神经网络模型结合训练集的数据，训练集装箱重量预测模型，通过迭代优化算法，调整集装箱重量预测模型的参数，使集装箱重量预测模型能够准确预测集装箱的重量，并使用测试数据集对集装箱重量预测模型进行评估测试，结合huber损失函数评估集装箱重量预测模型的预测性能，计算模型预测值与实际观测值之间的差距，衡量模型预测的准确性；
33、步骤303，部署集装箱重量预测模型，并输入实时数据，得到集装箱的预测重量，与设定集装箱重量阈值进行比较，若预测重量超过阈值，则触发起吊条件，并收集模型预测结果和实际起吊情况。
34、本发明技术方案的进一步改进在于：所述集装箱重量预测模型的每个神经元的输出计算公式为：
35、
36、其中，aj为第j个神经元的输出，σ为sigmoid激活函数，wjk为从第k个输入到第j个神经元的权重，xk为第k个输入特征，bj为第j个神经元的偏置项，m为输入特征的数量；
37、所述huber损失函数的表达式为：
38、
39、其中，hl为整个数据集的huber损失值，是所有样本损失的总和，ρ为huber损失函数中用于计算单个样本损失的函数，为单个样本的残差，即模型预测值与实际观测值yq之差，δ为huber损失函数中的阈值参数，用于区分平方损失和线性损失，以平衡平方损失的敏感性和线性损失的鲁棒性，q为样本索引，表示数据集中的第q个样本，n为数据集中的样本总数。
40、本发明技术方案的进一步改进在于：所述步骤4中，预测的集装箱重量输出过程为：
41、步骤401，提取重量传感器、温湿度传感器的实时读数，将四个重量传感器的读数融合成单一的重量值，并利用环境补偿算法，根据实时温湿度数据对重量传感器的读数进行调整，减少环境因素对重量测量的干扰；
42、步骤402，将实时重量传感器和温湿度传感器的数据输入到训练好神经网络模型中，根据神经网络模型和补偿后的数据预测集装箱重量；
43、步骤403，输出预测的集装箱重量，并根据设定的阈值判断是否满足起吊条件。
44、本发明技术方案的进一步改进在于：所述步骤5中，传感器运行状态的监控过程为：
45、步骤501，将补偿后的重量数据与预设的重量阈值进行比较，若集装箱的重量超过阈值，则触发起吊机制，若集装箱的重量低于或等于阈值，则不进行起吊，并设置一重一空按钮切换不同的状态，决定自动或手动执行起吊或放行操作；
46、步骤502，持续监控重量传感器、温湿度传感器的运行状态，确保它们正常工作并实时传输数据，并定期收集传感器的测量数据，分析传感器测量数据的变化趋势，识别异常状况，设定警报条件检测传感器数据的异常情况，如突然的变化、持续的偏差等；
47、步骤503，检测到异常情况，立即发出预警信号，并采取相应的措施，如检查传感器、调整补偿算法、重新校准等。
48、第二方面，基于人工智能的集装箱装卸检测控制系统，用于实现人工智能的集装箱检测控制方法，包括集装箱检测中心，所述集装箱检测中心通信连接有传感器模块、数据采集与处理模块、数据融合模块、环境补偿模块、预测模块、决策执行模块、状态切换控制模块以及异常检测模块，其中，各模块间电信号连接；
49、所述传感器模块，包括四个重量传感器和温湿度传感器，重量传感器用于检测铁路集装箱的重量，四个传感器分布在集装箱称重区域的不同位置，确保重量测量的准确性和稳定性，通过四个传感器的读数，计算出集装箱的总重量，温湿度传感器用于采集温湿度数据，结合环境补偿算法，减少环境因素对重量测量的干扰，提高测量的准确性；
50、所述数据采集与处理模块，用于收集来自传感器模块的数据，进行数据处理，包括重量和温湿度信息，应用环境补偿算法对重量传感器的读数进行调整，减少环境因素对测量的影响，将四个重量传感器的读数融合成一个单一的重量值，提高测量的可靠性；
51、所述数据融合模块，用于整合四个重量传感器的数据，减少单一传感器误差和故障的影响，提高重量测量的准确性和鲁棒性；
52、所述环境补偿模块，用于结合应用环境补偿算法，根据温湿度数据调整重量读数，消除或减少环境因素对重量测量的干扰，提高测量精度；
53、所述预测模块，用于构建神经网络模型，预测集装箱重量，并根据预设的集装箱重量阈值，对融合后的重量值进行评估；
54、所述决策执行模块，用于根据预设的集装箱重量阈值，对融合后的重量值进行评估，若检测到铁路集装箱重量高于阈值，则发出起吊指令，控制执行起吊操作，若检测到铁路集装箱重量不高于阈值，则发出不起吊指令；
55、所述状态切换控制模块，通过“一重一空”按钮，允许操作员切换系统状态，进行校准，提供系统状态的灵活控制，方便维护和校准；
56、所述异常检测模块，用于持续监控传感器的运行状态和测量数据的变化趋势，监控传感器数据和预测结果，检测异常情况并触发预警，及时发现和响应潜在问题，保障系统稳定运行。
57、由于采用了上述技术方案，本发明相对现有技术来说，取得的技术进步是：
58、1、本发明提供基于人工智能的集装箱装卸检测控制方法及系统，通过集成传感器和数据处理技术，实现对集装箱重量的精确测量，四个重量传感器的使用确保了测量的稳定性和准确性，而环境补偿算法则进一步减少了环境因素对测量的干扰，不仅提高了集装箱重量的测量精度，还大幅缩短了检测时间，提高了整体的工作效率，自主收集数据、处理数据、做出决策并执行相应的控制操作，减少了人工干预的需求。
59、2、本发明提供基于人工智能的集装箱装卸检测控制方法及系统，通过持续监控传感器的运行状态和测量数据的变化趋势，及时发现并处理异常情况，实时的监控和预警机制极大增强了系统的稳定性和可靠性，确保了集装箱运输的安全性和顺畅性，通过历史数据的训练，预测集装箱的重量，减少了对人工干预的依赖，根据预设的阈值做出是否起吊的决策，进一步提高了作业的自动化程度。
60、3、本发明提供基于人工智能的集装箱装卸检测控制方法及系统，通过精确测量和智能决策，优化集装箱的起吊作业，快速响应集装箱的重量信息，减少因等待重量测量结果而产生的延误，并且自动化的决策过程减少决策时间，提高了作业效率。
1.基于人工智能的集装箱装卸检测控制方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述步骤1中，铁路集装箱重量和环境参数的原始数据的收集过程为：
3.根据权利要求2所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述步骤2中，原始数据的数据融合和校正处理过程为：
4.根据权利要求3所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述数据融合的表达式为：
5.根据权利要求4所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述步骤3中，集装箱重量的预测过程为：
6.根据权利要求5所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述huber损失函数的表达式为：
7.根据权利要求6所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述步骤4中，预测的集装箱重量输出过程为：
8.根据权利要求7所述的基于人工智能的集装箱装卸检测控制方法，其特征在于：所述步骤5中，传感器运行状态的监控过程为：
9.基于人工智能的集装箱装卸检测控制系统，用于实现权利要求1-8任一项所述的基于人工智能的集装箱装卸检测控制方法，包括集装箱检测中心，其特征在于：所述集装箱检测中心通信连接有传感器模块、数据采集与处理模块、数据融合模块、环境补偿模块、预测模块、决策执行模块、状态切换控制模块以及异常检测模块，其中，各模块间电信号连接；
