随着运输业发展,矿山运输车装载状态的判别问题得到重视。当前矿山运输车装载状态完全依靠人工经验和直观判断进行判别,作业环境恶劣,工作效率低,对现场工作人员人身安全造成了巨大威胁。为了加强对矿山运输车货物装载效率的监督作用,实现运输车装载状态判别自动化,在目前已有视频监控的基础上,本文提出了一种基于图像处理的矿山运输车装载状态识别算法。考虑到矿山环境下摄像头的安装环境较为复杂,为了充分利用原有监控设备,减少不必要的浪费,本文在单目图像的基础上对矿山运输车装载状态判别算法进行研究。首先通过车牌识别技术对车辆号码进行识别,上传至计算机中进行汇总,车牌号码与车辆尺寸信息一一对应,通过车牌号码排除非本矿区运输车带来的干扰,得到本矿区车辆的尺寸信息。采用全卷积神经网络与Edgebox融合的方法由粗到细的对车牌进行定位检测;简化CNN模型结构用于字符识别,采用2层卷积层,2层池化层的结构设计,利用全局平均池化层代替全连接层,提高了车牌识别过程的准确率及检测精度。再利用基于单目图像的三维状态估计算法,运输车的三维包围盒,为后续进行角度变换及装载状态的判别提供基础。在Faster-RCNN结构上进行改进,增加了FPN作为特征提取子网,采用矩形卷积核,更加适应运输车的形状特征;增加了方向预测分支,生成精确的二维包围框;根据车辆的具体信息与表面特征相融合,以车辆二维包围框作为约束条件,得到运输车三维包围盒。最后引入透视变换算法,取三维包围盒的侧面顶点为源点,将监控视角的图片转换为侧视图;根据货物的满额率和货物最高装载点与运输车前板总成的位置关系来判定装载状态。实验结果表明,本文提出的方法优于其他方法,判别准确率高,在原有设备上进行,可有效降低成本投入,避免人工现场作业,降低人身安全风险,具有较高的实用价值。