人工智能 | 基于视觉大模型和机器学习的非接触式车辆动态称重可以实现吗？

随着交通量的增加，车辆超载和超限等违法行为也愈加频繁，严重威胁交通基础设施安全。传统技术方案我们都是采用称重设备实现货车的载重测量，那么视觉大模型可以实现非接触称重吗？ 近期看到一篇论文，我们进行一下拆解。

这篇论文的原理很简单，就是“看轮胎有多扁，就知道车有多重”。

一、实现原理

非接触式动态称重主要包括三大模块：轮胎图像分割与形变识别、轮胎侧壁字符识别以及轮胎-路面接触力预测，下面用大白话对技术原理进行理解。

1.看轮胎有多扁

• 给轮胎拍张照片，用一个很厉害的AI模型（叫SAM）把轮胎的轮廓和压在地上的那接触面精准地圈出来。
• 然后量一量这个接触面的长度、轮胎下沉了多少。我们知道车越重，轮胎压得越扁，这个接触面就越长。

2.看轮胎的参数

• 轮胎侧面有一串字符，就像轮胎的“身份证”，写着它的尺寸、能承受的最大压力等信息。
• 用另一个AI模型（Mask-RCNN和YOLO）把这串字符找出来、摆正、然后认出来，这样就知道这个轮胎本身的参数怎么样。

3.把前两步的信息结合起来算重量

• 收集很多数据，主要是不同的轮胎在承受不同重量时，会被压得多扁。
• 训练一个机器学习模型（叫LightGBM），你只要告诉它“这是一个XX尺寸的轮胎，现在被压扁了这么多”，它就能根据历史经验，反推出当前压在轮胎上的重量是多少。
• 最后把车所有轮子的重量加起来，就是整辆车的重量了。

二、测试结果

论文提到，经过实际测试，用这套非接触式动态称重的方法：

• 对于家用SUV，猜出来的重量和实际重量误差不到 4%。
• 对于满载的大货车，误差也不超过 5%。

以上误差满足中国《公路车辆动态称重检测系统技术规范》规定的最大允许误差为 ±5%。

三 、疑问解惑

1.此方法的应用场景

这个方法的核心正是通过视觉测量轮胎的变形（尤其是接触长度和挠度），结合轮胎的规格信息（从字符识别获得），来间接推算轮胎所受的力（荷载），从而得到车重。

如何方法可行，那么我们可以在收费车道、匝道、服务区出入口等低速通行场景下进行抓拍分析，就可以实现动态称重。

这里需要注意，动态称重的场景要求需要对车辆的两侧所有轮胎进行拍照识别，所以车道、匝道等单车道通行场景各合适。

2.摄像机的安装

因为需要清晰地拍摄到轮胎侧面（用于字符识别）和轮胎与地面的接触区域（用于形变测量），所以在车道两侧（如收费岛、护栏或专门立柱上），相机镜头水平或略微向下，对准车辆轮胎进行拍照。

3.轮胎字符不可识别

轮胎侧壁污损（泥土、油污、雪水、刹车粉尘）会导致字符识别完全失效，在拍照前方安装轮胎清洗装置不太现实。

所以解决方案就是采用图像增强与复原算法，解决一部分，还有就是结合一个车辆整体识别模型（识别品牌、型号、轴数、轴距），通过车型数据库，可以大概率推断出该车原装轮胎的标准规格范围。

四、结语

在理论层面，该方法通过视觉大模型（SAM）精准捕捉轮胎力学形变，结合深度神经网络（Mask-RCNN & YOLO）智能识别轮胎身份信息，并依托轻量高效的机器学习模型（LightGBM）建立形变与荷载的复杂映射关系，构建了一套完整、自动、高精度的非接触称重技术框架。

实验证明，其对SUV及重型货车的称重误差均可控制在5%以内，满足我国《公路车辆动态称重检测系统技术规范》的精度要求，具备了技术可行性。

本文的论文来源于：

高康，陈子达，张皓炜，刘松荣，吴刚.基于视觉大模型和机器学习的非接触式车辆动态称重方法[J].中国公路学报，2024,37(8): 65-76 https://doi.org/10.19721/j.cnki.1001-7372.2024.08.006

---END---