一种自动化码头桥吊遗留锁垫检测方法及系统技术方案

本发明专利技术提供了一种自动化码头桥吊遗留锁垫检测方法及系统，属于目标检测技术领域，本发明专利技术提供的检测系统，包括箱底角视频图像实时获取装置和锁垫遗留信息实时处理系统。在自动化码头卸船作业过程中，通过箱底角视频图像实时获取装置获取桥吊中转平台台座上集装箱的箱底角实时视频图像，采用锁垫遗留信息实时处理系统根据箱底角实时视频图像生成锁垫检测结果信号，并将锁垫检测结果信号发送到桥吊陆侧从小车电控系统；在有遗留锁垫时，控制桥吊陆侧从小车停止起升，警告现场作业人员及时摘除锁垫，本发明专利技术通过锁垫遗留信息实时处理系统实时对集装箱进行检测，可以有效防止现场作业人员因疏忽漏摘的锁垫进入堆场，避免锁垫进入堆场内发生安全事故。堆场内发生安全事故。堆场内发生安全事故。

【技术实现步骤摘要】
一种自动化码头桥吊遗留锁垫检测方法及系统


[0001]本专利技术属于目标检测
，更具体地说，是涉及一种自动化码头桥吊遗留锁垫检测方法及系统。

技术介绍

[0002]目前，自动化集装箱码头的卸船作业流程是：桥吊海侧主小车从岸边的集装箱船上抓起集装箱，桥吊海侧主小车将集装箱移动和放置到桥吊中转平台的台座上；现场作业人员手动拆除集装箱底角的锁垫；然后，桥吊陆侧从小车将集装箱从中转平台的台座上抓起移动，放置到地面AGV自动导航卡车上，集装箱被AGV自动导航卡车运送到指定的堆场后，堆场海侧轨道吊抓起集装箱，将集装箱放到指定的堆场位置。
[0003]现场作业人员有时会漏摘桥吊转运平台上集装箱底角的锁垫，尤其是带有自锁的锁垫。若未摘除的锁垫没有被发现，集装箱放置到堆场时会损坏下层集装箱，更为严重的是带有自锁遗留锁垫的集装箱与下层集装箱会产生固联，后续当海侧轨道吊吊起该集装箱时，会将下层集装箱一同吊起，导致严重的摔箱事故。
[0004]海侧进堆场集装箱的锁垫控制是港口行业的重要关注点，目前锁垫拆除和确认是依靠现场作业人员，如果现场作业人员因疏忽漏摘掉桥吊转运平台上集装箱底角的锁垫，会给堆场内作业带来极大安全隐患。因此亟需一种自动化码头桥吊遗留锁垫检测系统对漏摘的锁垫进行检测预警，实现锁垫零进场目标，避免在堆场内发生事故。

技术实现思路

[0005]本专利技术的目的在于提供一种自动化码头桥吊遗留锁垫检测方法及系统，旨在解决遗漏锁垫进堆场的安全问题。
[0006]为实现上述目的，本专利技术采用的技术方案是：
[0007]一种自动化码头桥吊遗留锁垫检测方法，包括：
[0008]事先获取箱底角图像，建立箱底角图像库；
[0009]根据所述箱底角图像库生成锁垫目标训练样本数据和背景训练样本数据；
[0010]根据所述锁垫目标训练样本数据和所述背景训练样本数据生成遗留锁垫检测网络模型；
[0011]获取作业中的箱底角实时视频图像；
[0012]将所述作业中的箱底角实时视频图像输入到所述遗留锁垫检测网络模型进行检测，生成锁垫检测结果信号；所述锁垫检测结果信号包括：具有遗留锁垫信号和没有遗留锁垫信号；
[0013]当所述锁垫检测结果信号为具有遗留锁垫信号时，控制桥吊陆侧从小车停止起升；
[0014]当所述锁垫检测结果信号为没有遗留锁垫信号时，控制桥吊陆侧从小车继续起升。
[0015]优选的，所述建立箱底角图像库，包括：
[0016]在桥吊中转平台台座上放置集装箱；所述集装箱包括45尺集装箱、40尺集装箱、双20尺集装箱和单20尺集装箱；
[0017]在所述集装箱的4个底角分别挂上锁垫；所述锁垫包括大锁垫、中锁垫和小锁垫；
[0018]采集多个集装箱箱底图像建立所述箱底角图像库。
[0019]优选的，所述根据所述箱底角图像库生成锁垫目标训练样本数据和背景训练样本数据，包括：
[0020]对所述箱底角图像库中任意一个带锁垫的箱底角图像中的锁垫区域进行截取和标注，生成所述锁垫目标训练样本数据；所述锁垫目标训练样本数据包括大锁垫样本、中锁垫样本和小锁垫样本；
[0021]对所述箱底角图像库中任意一个图像中的非锁垫区域进行随机截取，生成所述背景训练样本数据。
[0022]优选的，所述根据所述锁垫目标训练样本数据和所述背景训练样本数据生成遗留锁垫检测网络模型包括：
[0023]以所述锁垫目标训练样本数据为正样本，以所述背景训练样本数据为负样本，对SSD目标检测分类网络进行训练；
[0024]定义训练损失函数其中，L
loc
(x,l,g)为位置误差，L
conf
(x,c)为置信度误差，N是先验框的正样本数量，c是类别置信度预测值，g是正样本的位置参数，l是边界框预测值，是指示参数，表示第i个先验框与第j个正样本匹配，并且所述正样本的类别为p，α为权重系数；
[0025]通过所述锁垫目标训练样本数据和所述背景训练样本数据优化所述训练损失函数得到所述遗留锁垫检测网络模型。
[0026]优选的，将所述作业中的箱底角实时视频图像输入到所述遗留锁垫检测网络模型进行检测，生成锁垫检测结果信号包括：
[0027]将所述作业中的箱底角实时视频图像输入到遗留锁垫检测网络模型中，获得不同大小的特征映射；
[0028]抽取Conv4_3、Conv7、Conv8_2、Conv9_2、Conv10_2、Conv11_2层的特征图，然后分别在所述特征图上面的每一个点构造6个不同尺度大小的边界框，对边界框分别进行分类，生成多个带有类别置信度的预测框；
[0029]根据所述预测框和置信度生成锁垫检测结果信号。
[0030]优选的，所述根据所述预测框和置信度生成锁垫检测结果信号包括：
[0031]设置置信度阈值；
[0032]根据所述类别置信度和置信度阈值过滤掉类别置信度低于置信度阈值的预测框，生成过滤背景信息后的待处理预测框；
[0033]将所述待处理预测框进行解码，采用非极大值抑制方法去掉重叠或者不正确的预测框，确定锁垫的类别；所述锁垫的类别包括大锁垫、中锁垫和小锁垫；
[0034]生成锁垫检测结果信号。
[0035]一种自动化码头桥吊遗留锁垫检测系统，包括：
[0036]箱底角视频图像实时获取装置,用于获取桥吊中转平台台座上集装箱的箱底角实时视频图像；
[0037]锁垫遗留信息实时处理系统，与所述箱底角视频图像实时获取装置连接，用于根据所述箱底角实时视频图像生成锁垫检测结果信号，并将所述锁垫检测结果信号发送到桥吊陆侧从小车电控系统；所述锁垫检测结果信号包括：具有遗留锁垫信号和没有遗留锁垫信号；
[0038]当检测锁垫检测结果信号为具有遗留锁垫信号时，桥吊陆侧从小车电控系统控制桥吊陆侧从小车停止起升；
[0039]当检测锁垫检测结果信号为没有遗留锁垫信号时，桥吊陆侧从小车电控系统控制桥吊陆侧从小车继续起升。
[0040]优选的，所述锁垫遗留信息实时处理系统包括：
[0041]通迅接口模块，与桥吊陆侧从小车电控系统连接，用于传输桥吊陆侧从小车的作业信息；所述作业信息包括：着箱信号和作业箱型；
[0042]信息处理模块，与所述通迅接口模块连接，用于接受所述作业信息，并根据所述作业信息检测所述箱底角实时视频图像生成锁垫检测结果信号，并将所述锁垫检测结果信号发送到桥吊陆侧从小车电控系统。
[0043]本专利技术提供的一种自动化码头桥吊遗留锁垫检测方法及系统的有益效果在于：与现有技术相比，本专利技术在自动化码头卸船作业过程中，通过箱底角视频图像实时获取装置获取桥吊中转平台台座上集装箱的箱底角实时视频图像，采用锁垫遗留信息实时处理系统根据箱底角视频图像生成锁垫检测结果信号，并将所述锁垫检测结果信号发送到桥吊陆侧从小车电控系统；在有遗留锁垫时，桥吊陆侧从小车电控系统会控制桥吊陆侧从小车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动化码头桥吊遗留锁垫检测方法，其特征在于，包括：事先获取箱底角图像，建立箱底角图像库；根据所述箱底角图像库生成锁垫目标训练样本数据和背景训练样本数据；根据所述锁垫目标训练样本数据和所述背景训练样本数据生成遗留锁垫检测网络模型；获取作业中的箱底角实时视频图像；将所述作业中的箱底角实时视频图像输入到所述遗留锁垫检测网络模型进行检测，生成锁垫检测结果信号；所述锁垫检测结果信号包括：具有遗留锁垫信号和没有遗留锁垫信号；当所述锁垫检测结果信号为具有遗留锁垫信号时，控制桥吊陆侧从小车停止起升；当所述锁垫检测结果信号为没有遗留锁垫信号时，控制桥吊陆侧从小车继续起升。2.如权利要求1所述的一种自动化码头桥吊遗留锁垫检测方法，其特征在于，所述建立箱底角图像库，包括：在桥吊中转平台台座上放置集装箱；所述集装箱包括45尺集装箱、40尺集装箱、双20尺集装箱和单20尺集装箱；在所述集装箱的4个底角分别挂上锁垫；所述锁垫包括大锁垫、中锁垫和小锁垫；采集多个集装箱箱底图像建立所述箱底角图像库。3.如权利要求2所述的一种自动化码头桥吊遗留锁垫检测方法，其特征在于，所述根据所述箱底角图像库生成锁垫目标训练样本数据和背景训练样本数据，包括：对所述箱底角图像库中任意一个带锁垫的箱底角图像中的锁垫区域进行截取和标注，生成所述锁垫目标训练样本数据；所述锁垫目标训练样本数据包括大锁垫样本、中锁垫样本和小锁垫样本；对所述箱底角图像库中任意一个图像中的非锁垫区域进行随机截取，生成所述背景训练样本数据。4.如权利要求3所述的一种自动化码头桥吊遗留锁垫检测方法，其特征在于，所述根据所述锁垫目标训练样本数据和所述背景训练样本数据生成遗留锁垫检测网络模型包括：以所述锁垫目标训练样本数据为正样本，以所述背景训练样本数据为负样本，对SSD目标检测分类网络进行训练；定义训练损失函数其中，L
loc
(x,l,g)为位置误差，L
conf
(x,c)为置信度误差，N是先验框的正样本数量，c是类别置信度预测值，g是正样本的位置参数，l是边界框预测值，是指示参数，表示第i个先验框与第j个正样本匹配，并且所述正样本的类别为p，α为权重系数；通过所述锁垫目标训练样本数据和所述背景训练样本数据优化所述训练损失函数得到...

【专利技术属性】
技术研发人员：高仕博，唐波，张聪，张伯川，刘燕欣，郑智辉，徐安盛，魏小丹，闫涛，亓贺，
申请(专利权)人：北京航天自动控制研究所，
类型：发明
国别省市：