【技术实现步骤摘要】
结合摄像头的识别卷扬乱绳的方法及装置
本专利技术涉及智能工程机械领域，尤其涉及一种结合摄像头的识别卷扬乱绳的方法及装置。
技术介绍
操作卷扬机的过程中，会存在各种原因导致卷扬出现乱绳，卷扬卷绳有重叠、挤压等情况发生时认为乱绳，乱绳之后将会导致钢绳损坏或加速损坏。目前针对卷扬乱绳的主要解决办法还是靠人工直接检查或通过视频监控由人工识别。在人工直接检查的情况下，卷扬处安装有后视镜，机手在操作起重机时通过观看后视镜里卷扬的情况判断是否乱绳；在视频监控情况下，卷扬处安装有摄像机，卷扬视频实时传送到驾驶室的显示屏上，由机手观看视频判断是否乱绳。这两种情况都需要人工全程参与，需要机手高度专注，但由于人员操作疏忽，经常没有及时排除乱绳情况，留下了极大的安全隐患。如果乱绳一旦没有及时发现，尤其是对于大型的卷扬机，要将其恢复到正常的状态需要花费不少时间和经历，一旦钢丝绳因为乱绳造成损坏将进一步造成经济损失。
技术实现思路
针对现有技术中存在的问题，本专利技术实施例提供一种结合摄像头的识别卷扬乱绳的方法及装置。第一方...
【技术保护点】
1.一种结合摄像头的识别卷扬乱绳的方法，其特征在于，包括：/n获取摄像头采集到的实时图像；/n基于所述摄像头采集到的实时图像，确定卷扬机卷绳区域；/n将所述卷扬机卷绳区域的实时图像输入分类网络对所述卷绳区域进行识别，识别结果为未知状态、正常状态和乱绳状态中的一种；/n基于当前卷绳区域的识别结果和所述卷绳区域的前K-1次的识别结果，确定尺寸为K的队列；/n基于所述尺寸为K的队列中各类识别结果的数量、预警阈值P1和报警阈值P2，确定当前卷绳的状态；其中，所述卷绳状态为正常状态、预警状态和报警状态中的一种；所述预警阈值P1小于所述报警阈值P2。/n
【技术特征摘要】
1.一种结合摄像头的识别卷扬乱绳的方法，其特征在于，包括：
获取摄像头采集到的实时图像；
基于所述摄像头采集到的实时图像，确定卷扬机卷绳区域；
将所述卷扬机卷绳区域的实时图像输入分类网络对所述卷绳区域进行识别，识别结果为未知状态、正常状态和乱绳状态中的一种；
基于当前卷绳区域的识别结果和所述卷绳区域的前K-1次的识别结果，确定尺寸为K的队列；
基于所述尺寸为K的队列中各类识别结果的数量、预警阈值P1和报警阈值P2，确定当前卷绳的状态；其中，所述卷绳状态为正常状态、预警状态和报警状态中的一种；所述预警阈值P1小于所述报警阈值P2。
2.根据权利要求1所述的结合摄像头的识别卷扬乱绳的方法，其特征在于，所述基于所述尺寸为K的队列中各类识别结果的数量、预警阈值P1和报警阈值P2，确定当前卷绳的状态，具体包括：
基于所述尺寸为K的队列，确定识别结果为未知状态的数量L0；
基于所述尺寸为K的队列，确定识别结果为正常状态的数量L1；
基于所述尺寸为K的队列，确定识别结果为乱绳状态的数量L2；
当L0大于L2时，确定未知状态占K次识别结果的百分比PL0，并基于未知状态占K次识别结果的百分比PL0、预警阈值P1和报警阈值P2，确定当前卷绳的状态；
当L0小于L2时，确定乱绳状态占K次识别结果的百分比PL2，并基于乱绳状态占K次识别结果的百分比PL2、预警阈值P1和报警阈值P2，确定当前卷绳的状态。
3.根据权利要求2所述的结合摄像头的识别卷扬乱绳的方法，其特征在于，所述当L0大于L2时，确定未知状态占K次识别结果的百分比PL0，并基于未知状态占K次识别结果的百分比PL0、预警阈值P1和报警阈值P2，确定当前卷绳的状态，具体包括：
若未知状态占K次识别结果的百分比PL0大于0且小于P1，则当前卷绳的状态为正常状态；
若未知状态占K次识别结果的百分比PL0大于P1且小于P2，则当前卷绳的状态为预警状态；
若未知状态占K次识别结果的百分比PL0大于P2，则当前卷绳的状态为报警状态。
4.根据权利要求2所述的结合摄像头的识别卷扬乱绳的方法，其特征在于，所述当L0小于L2时，确定乱绳状态占K次识别结果的百分比PL2，并基于乱绳状态占K次识别结果的百分比PL2、预警阈值P1和报警阈值P2，确定当前卷绳的状态，具体包括：
若乱绳状态占K次识别结果的百分比PL2大于0且小于P1，则当前卷绳的状态为正常状态；
若乱绳状态占K次识别结果的百分比PL2大于P1且小于P2，则当前卷...
【专利技术属性】
技术研发人员：汪寒，叶小平，顾鹏笠，
申请(专利权)人：杭州鸿泉物联网技术股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。