随着工业技术的进步和经济的发展,对粉粒物料运输车的高效运作能力提出了更高的要求。在装载粉粒干燥物料时,必须保证罐车的装料口和料仓口完全对准,才能实现高效的罐车装料。目前工程现场多采用人工指挥对接的方式,该方式存在操作复杂、对接效率较低、可靠性差、智能化程度低等缺陷,不能很好地满足现代粉粒物料运输车高效率的装料需求。如何实现罐车装料过程中对料口的检测跟踪,已成为相关行业的当务之急。为解决传统罐车装料所存在的问题,本文提出了一种基于人工智能的罐车装料口视觉跟踪系统。通过分析系统需求,设计了系统总体方案。基于ARM构建了以图像处理模块为核心,搭载图像采集模块、存储模块、通信模块和显示模块的嵌入式硬件平台,其中以四核Cortex-A7 CPU架构的H5处理器为核心,设计了图像处理模块;采用具有CSI接口的GC2035 CMOS摄像头模组,完成了图像采集模块的设计;采用eMMC实现了对系统镜像的存储及读取;采用CH340E和RTL8211E分别设计了串口转USB电路及以太网通信电路,实现了通信模块的设计;采用HDMI外接高清显示器作为显示模块。通过编译UBoot、内核和制作根文件系统,构建了嵌入式Linux操作系统,在此基础上,通过对TensorFlow深度学习框架的移植,实现了系统软件平台的搭建。研究了基于候选区域的卷积神经网络算法RCNN、Fast-RCNN、Faster-RCNN和基于图像回归方法的卷积神经网络算法YOLO、SSD,提出了SSD罐车装料口检测跟踪算法,基于迁移学习训练了SSD神经网络,建立了深度学习模型,实现了罐车装料识别跟踪,为后续的运动控制提供依据。通过跟踪实验,验证了所提系统的可行性和实用性。实验结果表明,所设计的基于人工智能的罐车装料口视觉跟踪系统具有良好的鲁棒性和实用性,无论在普通环境下或者在复杂环境下,都能够准确地输出罐车进料口的坐标位置,实现对进料口的稳定跟踪,完全满足了罐车装料过程中对装料口的检测跟踪技术要求。