一种塔吊销轴部件故障检测方法技术

本发明专利技术公开了一种塔吊销轴部件故障检测方法

【技术实现步骤摘要】
一种塔吊销轴部件故障检测方法、系统、设备及存储介质


[0001]本专利技术涉及工地安全检测
，尤其是一种塔吊销轴部件故障检测方法
、
系统
、
设备及存储介质
。

技术介绍

[0002]塔吊是建筑工地中常见的起重设备，由于操作和环境的复杂性，塔吊在操作过程中的安全保障更为重要，而塔吊销轴部件是否安装到位
、
是否合格接插等影响着塔吊在操作过程中的安全性
。
目前，在工地高空作业的情况下通常还需要人为巡检塔吊销轴部件的安装情况类别，效率较低，并且人为检测还增加了事故风险
。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种智能化的塔吊销轴部件故障检测方法
、
系统
、
设备及存储介质，旨在实现对塔吊销轴部件故障的自动检测，提高检测效率，降低事故风险
。
[0004]为实现上述目的，本专利技术实施例的一方面提出了一种塔吊销轴部件故障检测方法，所述方法包括：
[0005]锁定塔吊控制系统，并实时采集待检测塔吊销轴部件图像；
[0006]根据所述待检测塔吊销轴部件图像，通过预训练的目标检测模型识别塔吊销轴部件的安装情况类别；
[0007]根据所述安装情况类别确定所述塔吊销轴部件的故障情况；
[0008]根据所述故障情况进行故障告警，并返回执行实时采集待检测塔吊销轴部件图像的步骤，直至所有的所述塔吊销轴部件均满足预设条件，则解锁所述塔吊控制系统
。
[0009]可选地，所述目标检测模型的训练步骤包括：
[0010]获取经过标注的塔吊销轴部件的图像数据集；
[0011]对所述图像数据集进行去噪和裁剪，得到第一数据集；
[0012]对所述第一数据集进行数据增强处理，得到第二数据集；其中，所述数据增强处理包括随机裁剪
、
随机翻转
、
随机缩放至少之一；
[0013]根据
PP
‑
YOLOv2
预训练模型构建初始检测模型；
[0014]采用所述第二数据集对所述初始检测模型进行模型训练，得到目标检测模型
。
[0015]可选地，所述根据
PP
‑
YOLOv2
预训练模型构建初始检测模型，包括：
[0016]基于所述
PP
‑
YOLOv2
预训练模型的网络框架，采用
ResNet50
‑
vd
残差网络构建初始检测模型的主干网络；
[0017]采用特征金字塔网络构建所述初始检测模型的第一网络；其中，所述第一网络用于将所述主干网络输出的特征进行整合；
[0018]采用依次排列的3×3卷积层和1×1卷积层构建所述初始检测模型的检测头网络；
[0019]在所述初始检测模型最终输出的特征图中的每个特征位置均配置三个锚点；
[0020]在所述初始检测模型的输出层配置
IoU
感知损失函数
。
[0021]可选地，所述采用所述第二数据集对所述初始检测模型进行模型训练，得到目标检测模型，包括：
[0022]将所述第二数据集划分为训练集和验证集；
[0023]配置模型的超参数和训练条件；其中，所述超参数包括学习率
、
图像输入规格和批量大小；所述训练条件包括迭代次数；
[0024]采用训练集按照迭代次数对所述初始检测模型进行模型训练，采用
IoU
感知损失函数计算预测框和真实框之间的
IoU
损失值；
[0025]根据所述
IoU
损失值对所述初始检测模型中预测框的位置和尺寸进行优化，得到第一检测模型；
[0026]采用验证集对所述第一检测模型进行拟合，确定超参数取值，得到目标检测模型
。
[0027]可选地，所述实时获取待检测塔吊销轴部件图像，包括：
[0028]通过摄像头拍摄所述塔吊销轴部件的图片；
[0029]将所述摄像头的输入流导入所述边缘计算盒中，得到所述待检测塔吊销轴部件图像
。
[0030]可选地，所述方法还包括：
[0031]对所述待检测塔吊销轴部件图像进行加密存储，得到第一图像集合；
[0032]对所述第一图像集合中的图像进行脱敏处理，得到第三数据集；
[0033]根据所述第三数据集对所述目标检测模型进行模型更新
。
[0034]可选地，所述根据所述故障情况进行故障告警，包括：
[0035]当故障监测数据超过设定的阈值范围，生成警报信号或者警报信息；
[0036]将所述警报信号或者警报信息对相关人员进行告警通知；其中，所述告警包括声音警报
、
短信
、
邮件
、APP
推送至少之一
。
[0037]本专利技术实施例的另一方面提出了一种塔吊销轴部件故障检测系统，包括：
[0038]第一模块，用于锁定塔吊控制系统，并实时采集待检测塔吊销轴部件图像；
[0039]第二模块，用于根据所述待检测塔吊销轴部件图像，通过预训练的目标检测模型识别塔吊销轴部件的安装情况类别；
[0040]第三模块，用于根据所述安装情况类别确定所述塔吊销轴部件的故障情况；
[0041]第四模块，用于根据所述故障情况进行故障告警，并返回执行实时采集待检测塔吊销轴部件图像的步骤，直至所有的所述塔吊销轴部件均满足预设条件，则解锁所述塔吊控制系统
。
[0042]所述系统还可以包括第五模块：用于对待检测塔吊销轴部件图像进行加密存储，得到第一图像集合；对第一图像集合中的图像进行脱敏处理，得到第三数据集；根据第三数据集对目标检测模型进行模型更新
。
[0043]本专利技术实施例还提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如上所述的方法
。
[0044]本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如上所述的方法
。
[0045]本专利技术实施例具有如下有益效果：通过锁定塔吊控制系统，并实时采集待检测塔吊销轴部件图像；根据待检测塔吊销轴部件图像，通过预训练的目标检测模型识别塔吊销
轴部件的安装情况类别；根据安装情况类别确定塔吊销轴部件的故障情况；根据故障情况进行故障告警，并返回执行实时采集待检测塔吊销轴部件图像的步骤，直至所有的塔吊销轴部件均满足预设条件，则解锁塔吊控制系统的整体步骤，能够智能化快速准确地对塔吊销轴部件的安装情况类别进行自动检测，提高检测效率，并且在锁定塔吊控制系统的过程中进行检测工作，能够降低事故风险
。
附图说明
[0046]为了更清楚地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种塔吊销轴部件故障检测方法，其特征在于，包括：锁定塔吊控制系统，并实时采集待检测塔吊销轴部件图像；根据所述待检测塔吊销轴部件图像，通过预训练的目标检测模型识别塔吊销轴部件的安装情况类别；根据所述安装情况类别确定所述塔吊销轴部件的故障情况；根据所述故障情况进行故障告警，并返回执行实时采集待检测塔吊销轴部件图像的步骤，直至所有的所述塔吊销轴部件均满足预设条件，则解锁所述塔吊控制系统
。2.
根据权利要求1所述的一种塔吊销轴部件故障检测方法，其特征在于，所述目标检测模型的训练步骤包括：获取经过标注的塔吊销轴部件的图像数据集；对所述图像数据集进行去噪和裁剪，得到第一数据集；对所述第一数据集进行数据增强处理，得到第二数据集；其中，所述数据增强处理包括随机裁剪
、
随机翻转
、
随机缩放至少之一；根据
PP
‑
YOLOv2
预训练模型构建初始检测模型；采用所述第二数据集对所述初始检测模型进行模型训练，得到目标检测模型
。3.
根据权利要求2所述的一种塔吊销轴部件故障检测方法，其特征在于，所述根据
PP
‑
YOLOv2
预训练模型构建初始检测模型，包括：基于所述
PP
‑
YOLOv2
预训练模型的网络框架，采用
ResNet50
‑
vd
残差网络构建初始检测模型的主干网络；采用特征金字塔网络构建所述初始检测模型的第一网络；其中，所述第一网络用于将所述主干网络输出的特征进行整合；采用依次排列的3×3卷积层和1×1卷积层构建所述初始检测模型的检测头网络；在所述初始检测模型最终输出的特征图中的每个特征位置均配置三个锚点；在所述初始检测模型的输出层配置
IoU
感知损失函数
。4.
根据权利要求2所述的一种塔吊销轴部件故障检测方法，其特征在于，所述采用所述第二数据集对所述初始检测模型进行模型训练，得到目标检测模型，包括：将所述第二数据集划分为训练集和验证集；配置模型的超参数和训练条件；其中，所述超参数包括学习率
、
图像输入规格和批量大小；所述训练条件包括迭代次数；采用训练集按照迭代次...

【专利技术属性】
技术研发人员：吴旭彪，
申请(专利权)人：广东粤桨产业科技有限公司，
类型：发明
国别省市：