一种基于扫描图像分析的智能塔吊结构状态检测方法和装置制造方法及图纸

本申请实施例提供一种基于扫描图像分析的智能塔吊结构状态检测方法和装置。该方法包括：在塔吊旁第一预设距离设置标准杆，在塔吊旁第二预设距离设置摄像头，通过摄像头实时拍摄进入标准杆和塔吊的全局扫描图像，获得监控图像数据；解析全局扫描图像，通过骨骼算法实时检测塔吊各个组成部分的结构状态；当塔吊运行时，计算塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，弯曲度变化情况至少包括弯曲变形的幅度、和弯曲变形的保持时间；将实时检测获得的塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对塔吊结构状态进行分类；根据分类的结果，优化调整塔吊的吊运任务。本申请在无人看管的塔吊自动运行时，及时、准确的发现可能出现的安全问题，并且优化调整塔吊运力，提高智能塔吊工作效率。

【技术实现步骤摘要】
一种基于扫描图像分析的智能塔吊结构状态检测方法和装置
本申请涉及智能塔吊
，尤其涉及一种基于扫描图像分析的智能塔吊结构状态检测方法和装置。
技术介绍
目前的塔吊，基本都是人员在塔吊上的中控室进行操控，或者通过操作人员在远程进行实时智能操控。塔吊行业来说，目前的发展方向是无人塔吊、智能塔吊，那么在产业升级的过程中会遇到很多的技术问题。例如无人塔吊、智能塔吊如何实现塔吊结构状态检测的及时性、准确性，如何能够发现塔吊在超负荷、超长时间运转时导致的吊臂、主塔的危险结构变形，这是关系安全生产的急迫、重大的技术问题。
技术实现思路
有鉴于此，本申请的目的在于提出一种基于扫描图像分析的智能塔吊结构状态检测方法和装置，本申请在无人看管的塔吊自动运行时，及时、准确的发现可能出现的安全问题，并且优化调整塔吊运力，提高智能塔吊工作效率。基于上述目的，本申请提出了一种基于扫描图像分析的智能塔吊结构状态检测方法，包括：在塔吊旁第一预设距离设置标准杆，在塔吊旁第二预设距离设置摄像头，通过所述摄像头实时拍摄进入所述标准杆和塔吊的全局扫描图像，获得监控图像数据；解析所述全局扫描图像，通过骨骼算法实时检测所述塔吊各个组成部分的结构状态；当所述塔吊运行时，计算所述塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，所述弯曲度变化情况至少包括弯曲变形的幅度、和弯曲变形的保持时间；将实时检测获得的所述塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对所述塔吊结构状态进行分类；根据所述分类的结果，优化调整所述塔吊的吊运任务。在一些实施例中，所述通过所述摄像头实时拍摄进入所述标准杆和塔吊的全局扫描图像，获得监控图像数据，包括：提取所述监控图像数据的实时特征流。在一些实施例中，在提取所述监控图像数据的实时特征流之前还包括：对所述监控图像数据中的图像进行目标定位，截取检测到的目标并分别提取特征，得到目标特征；对比所述目标特征与例外特征的差异度；若差异度小于阈值，则将此图像的帧剔除，不进行后续步骤；若差异度大于阈值，进行后续步骤。在一些实施例中，所述解析所述全局扫描图像，通过骨骼算法实时检测所述塔吊各个组成部分的结构状态，包括：识别所述全局扫描图像中的塔吊骨骼关键点；根据所述塔吊骨骼关键点构建塔吊的整体骨骼画像；根据所述整体骨骼画像确定所述塔吊各个组成部分的结构状态。在一些实施例中，所述计算所述塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，包括：根据所述标准杆的高度和所述塔吊骨骼关键点的偏离正常位置的位移幅度，计算得到所述塔吊各个组成部分的在承重前后的弯曲变形的幅度；通过计时器记录所述塔吊骨骼关键点的偏离正常位置的时间，作为弯曲变形的保持时间。在一些实施例中，所述将实时检测获得的所述塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对所述塔吊结构状态进行分类，包括：将大批量已知塔吊的各个组成部分的弯曲度变化情况的特征流导入到卷积神经网络，得到各个塔吊的结构状态类型；将已知塔吊的各个组成部分的弯曲度变化情况的特征流和结构状态类型构成的特征向量作为训练样本，构建训练样本集；用训练样本集训练由基于全连接神经网络的自动编码器模型和K-means模型构成的AKC模型；将待分类塔吊的各个组成部分的弯曲度变化情况的实时特征流输入训练好的AKC模型中，得到该待分类塔吊的结构状态类型。在一些实施例中，所述根据所述分类的结果，优化调整所述塔吊的吊运任务，包括：根据所述分类的结果为结构安全负载，提高所述塔吊的负重强度和/或负重时间；根据所述分类的结果为结构预警负载，降低所述塔吊的负重强度和/或负重时间；根据所述分类的结果为结构疲劳负载，卸载所述塔吊的负重。基于上述目的，本申请还提出了一种基于扫描图像分析的智能塔吊结构状态检测装置，包括：监控模块，用于在塔吊旁第一预设距离设置标准杆，在塔吊旁第二预设距离设置摄像头，通过所述摄像头实时拍摄进入所述标准杆和塔吊的全局扫描图像，获得监控图像数据；解析模块，用于解析所述全局扫描图像，通过骨骼算法实时检测所述塔吊各个组成部分的结构状态；弯曲度计算模块，用于当所述塔吊运行时，计算所述塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，所述弯曲度变化情况至少包括弯曲变形的幅度、和弯曲变形的保持时间；分类模块，用于将实时检测获得的所述塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对所述塔吊结构状态进行分类；优化模块，用于根据所述分类的结果，优化调整所述塔吊的吊运任务。总的来说，本申请的优势及给用户带来的体验在于：1、本申请在无人看管的塔吊自动运行时，及时、准确的发现可能出现的安全问题，并且优化调整塔吊运力，提高智能塔吊工作效率。2、采用了最新的神经网络分类技术，提高了塔吊结构检测的精度和效率；3、采用了骨骼算法，能够更加准确、快速的对塔吊的结构安全状况进行分类，提高结构状态分类的效率。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请公开的一些实施方式，而不应将其视为是对本申请范围的限制。图1示出本申请的装置架构原理示意图。图2示出根据本申请实施例的基于扫描图像分析的智能塔吊结构状态检测方法的流程图。图3示出根据本申请实施例的基于扫描图像分析的智能塔吊结构状态检测装置的构成图。图4示出了本申请一实施例所提供的一种电子设备的结构示意图；图5示出了本申请一实施例所提供的一种存储介质的示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。图1示出本申请的装置架构原理示意图。本申请的实施例中，设备包括塔吊、标准杆、摄像头、服务器等。在塔吊旁第一预设距离设置标准杆，在塔吊旁第二预设距离设置摄像头，通过摄像头实时拍摄进入标准杆和塔吊的全局扫描图像，获得监控图像数据；解析全局扫描图像，通过骨骼算法实时检测塔吊各个组成部分的结构状态；当塔吊运行时，计算塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，弯曲度变化情况至少包括弯曲变形的幅度、和弯曲变形的保持时间；将实时检测获得的塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对塔吊结构状态进行分类；根据分类的结果，优化调整塔吊的吊运任务。图2示出根据本申请实施例本文档来自技高网...

【技术保护点】
1.一种基于扫描图像分析的智能塔吊结构状态检测方法，其特征在于，包括：/n在塔吊旁第一预设距离设置标准杆，在塔吊旁第二预设距离设置摄像头，通过所述摄像头实时拍摄进入所述标准杆和塔吊的全局扫描图像，获得监控图像数据；/n解析所述全局扫描图像，通过骨骼算法实时检测所述塔吊各个组成部分的结构状态；/n当所述塔吊运行时，计算所述塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，所述弯曲度变化情况至少包括弯曲变形的幅度、和弯曲变形的保持时间；/n将实时检测获得的所述塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对所述塔吊结构状态进行分类；/n根据所述分类的结果，优化调整所述塔吊的吊运任务。/n

【技术特征摘要】
1.一种基于扫描图像分析的智能塔吊结构状态检测方法，其特征在于，包括：
在塔吊旁第一预设距离设置标准杆，在塔吊旁第二预设距离设置摄像头，通过所述摄像头实时拍摄进入所述标准杆和塔吊的全局扫描图像，获得监控图像数据；
解析所述全局扫描图像，通过骨骼算法实时检测所述塔吊各个组成部分的结构状态；
当所述塔吊运行时，计算所述塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，所述弯曲度变化情况至少包括弯曲变形的幅度、和弯曲变形的保持时间；
将实时检测获得的所述塔吊各个组成部分的弯曲度变化情况输入训练好的塔吊结构状态分类神经网络，对所述塔吊结构状态进行分类；
根据所述分类的结果，优化调整所述塔吊的吊运任务。


2.根据权利要求1所述的方法，其特征在于，
所述通过所述摄像头实时拍摄进入所述标准杆和塔吊的全局扫描图像，获得监控图像数据，包括：
提取所述监控图像数据的实时特征流。


3.根据权利要求2所述的方法，其特征在于，
在提取所述监控图像数据的实时特征流之前还包括：对所述监控图像数据中的图像进行目标定位，截取检测到的目标并分别提取特征，得到目标特征；对比所述目标特征与例外特征的差异度；若差异度小于阈值，则将此图像的帧剔除，不进行后续步骤；若差异度大于阈值，进行后续步骤。


4.根据权利要求1所述的方法，其特征在于，
所述解析所述全局扫描图像，通过骨骼算法实时检测所述塔吊各个组成部分的结构状态，包括：
识别所述全局扫描图像中的塔吊骨骼关键点；
根据所述塔吊骨骼关键点构建塔吊的整体骨骼画像；
根据所述整体骨骼画像确定所述塔吊各个组成部分的结构状态。


5.如权利要求4所述的方法，其特征在于，
所述计算所述塔吊各个组成部分的结构状态在承重前后的弯曲度变化情况，包括：
根据所述标准杆的高度和所述塔吊骨骼关键点的偏离正常位置的位移幅度，计算得到所述塔吊各个组成部分的在承重前后的弯曲变形的幅度；
通过计时器记录所述塔吊骨骼关键点的偏离正常位置的时间，作为弯曲变形的保持时间。


6.根据权利要求1-5任一项所述的方法，其特征在于，
所述将实时检测获得的所述塔吊各...

【专利技术属性】
技术研发人员：陈德木，蒋云，陈曦，陆建江，赵晓东，顾姣燕，
申请(专利权)人：杭州大杰智能传动科技有限公司，
类型：发明
国别省市：浙江;33