1.一種稱重設備聯合監控方法，其特征在于，包括：

進行稱重設備的數量及位置的布局；所述稱重設備包括第一稱重設備及第二稱重設備，所述第一稱重設備為槽鋼傳感器或壓電薄膜傳感器，所述第二稱重設備為窄條傳感器或石英傳感器；

實時獲取車輛經過第一稱重設備的第一車輛特征信息；其中，所述第一車輛特征信息包括：接地長度、車速、上稱時間、下稱時間、波形點數、峰值點、軸距及軸數中的至少一種及第一稱重設備得到的車輛重量信息；

實時獲取車輛經過第二稱重設備的第二車輛特征信息；其中，所述第二車輛特征信息包括：接地長度、車速、上稱時間、下稱時間、波形點數、峰值點、軸距及軸數中的至少一種及第二稱重設備得到的車輛重量信息；

根據所述第一車輛特征信息及所述第二車輛特征信息將經過所述第一稱重設備的車輛與經過所述第二稱重設備的車輛進行邏輯匹配；

根據匹配成功的車輛對應的第二稱重設備得到的車輛重量信息對該匹配成功的車輛的第一車輛特征信息中上稱時間與下稱時間之間的波形積分和/或第一稱重設備的時序信號進行訓練標定，得到稱重模型，所述稱重模型用于獲取第一稱重設備的車輛重量信息；采用機器學習的方法訓練稱重模型，所述稱重模型具體運行的框架是基于Google開源的Tensorflow框架，所述稱重模型包括：輸入層模塊，卷積層模塊，池化層模塊，全連接層模塊及輸出層模塊，其中卷積層模塊和池化層模塊可以歸一為Cov模塊；

根據第二稱重設備得到的車輛重量信息及第一稱重設備得到的車輛重量信息進行聯合稱重，其中，根據第二稱重設備得到的車輛重量信息及第一稱重設備得到的車輛重量信息判斷車輛是否作弊并根據判斷結果采用對應的方式進行稱重。