一种集装箱装卸安全检测方法和系统技术方案

本申请公开了一种集装箱装卸安全检测方法和系统，该方法包括：使用多组训练数据对基于神经网络的机器学习模型进行训练，得到收敛的机器学习模型；其中，所述多组训练数据来自于现场作业数据集；通过摄像头对龙门吊与集装箱卡车上的集装箱连接的锁头进行拍摄，得到照片；将所述照片输入到所述机器学习模型中；获取所述机器学习模型输出的结果，其中，所述结果用于指示所述锁头是否处于安全状态。通过本申请解决了现有技术中依靠人工来判断集卡集装箱的锁头所带来的安全隐患所导致的问题，从而减少了人工成本。而减少了人工成本。而减少了人工成本。

【技术实现步骤摘要】
一种集装箱装卸安全检测方法和系统


[0001]本申请涉及到人工智能领域，具体而言，涉及一种集装箱装卸安全检测方法和系统。

技术介绍

[0002]集装箱码头(包括传统码头以及智能化现代码头)面临的主要安全隐患之一即是在内外集卡集装箱装卸过程中未解锁所有集卡锁头而造成的吊起。现有解决这一安全问题的方式依赖于人力。在传统码头中需部署现场人员巡检，通过人工观察以及专业人工经验进行判断，存在人工成本增加，不便于管理等问题。而在现存的智能化现代码头，仅通过在现场安装摄像头的方式代替人工现场作业，仍需人工观察实时视屏数据来判断集卡吊起情况，实际无明显人工成本的减持，并且增加了人工作业发复杂程度。

技术实现思路

[0003]本申请实施例提供了一种集装箱装卸安全检测方法和系统，以至少解决现有技术中依靠人工来判断集卡集装箱的锁头所带来的安全隐患所导致的问题。
[0004]根据本申请的一个方面，提供了一种集装箱装卸安全检测方法，包括：使用多组训练数据对基于神经网络的机器学习模型进行训练，得到收敛的机器学习模型；其中，所述多组训练数据来自于现场本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种集装箱装卸安全检测方法，其特征在于，包括：使用多组训练数据对基于神经网络的机器学习模型进行训练，得到收敛的机器学习模型；其中，所述多组训练数据来自于现场作业数据集；通过摄像头对龙门吊与集装箱卡车上的集装箱连接的锁头进行拍摄，得到照片；将所述照片输入到所述机器学习模型中；获取所述机器学习模型输出的结果，其中，所述结果用于指示所述锁头是否处于安全状态。2.根据权利要求1所述的方法，其特征在于，对基于神经网络的机器学习模型进行训练包括：将所述现场作业数据集经过基于ResNet的编码器进行编码；将编码后的所述现场作业数据集输入到基于聚类的机器学习模型中分类。3.根据权利要求2所述的方法，其特征在于，将所述现场作业数据集经过基于ResNet的编码器进行编码包括：输入所述现场作业集中的图像；将所述图像输入到编码器；接收所述编码器输出的低维编码；将所述低维编码输入译码器，获取与输入的所述图像尺寸相同的图像。4.根据权利要求3所述的方法，其特征在于，所述低维是指输出的编码的维度小于所述图像输入所述编码器之前的维度，所述维度用于指示所述图像中的特征数量。5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：在所述锁头未处于安全状态的情况下，进行报警。6.一种集装箱装...

【专利技术属性】
技术研发人员：高聪，杭珂烨，赵增民，季彬，陆思烽，肖梓贤，
申请(专利权)人：南京飞衍智能科技有限公司，
类型：发明
国别省市：