CN113651245A - 一种起重机承载力监测系统 - Google Patents

一种起重机承载力监测系统 Download PDF

Info

Publication number
CN113651245A
CN113651245A CN202110938839.XA CN202110938839A CN113651245A CN 113651245 A CN113651245 A CN 113651245A CN 202110938839 A CN202110938839 A CN 202110938839A CN 113651245 A CN113651245 A CN 113651245A
Authority
CN
China
Prior art keywords
image
crane
hung
evaluation
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110938839.XA
Other languages
English (en)
Other versions
CN113651245B (zh
Inventor
梁大伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Chunhua Hoisting Machinery Co Ltd
Original Assignee
Hefei Chunhua Hoisting Machinery Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Chunhua Hoisting Machinery Co Ltd filed Critical Hefei Chunhua Hoisting Machinery Co Ltd
Priority to CN202110938839.XA priority Critical patent/CN113651245B/zh
Publication of CN113651245A publication Critical patent/CN113651245A/zh
Application granted granted Critical
Publication of CN113651245B publication Critical patent/CN113651245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C15/00—Safety gear
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/88—Safety gear
    • B66C23/90—Devices for indicating or limiting lifting moment
    • B66C23/905—Devices for indicating or limiting lifting moment electrical

Abstract

本发明公开了一种起重机承载力监测系统，属于起重机安全技术领域，包括建模模块、评估模块、服务器和储存模块；所述建模模块用于建立起重机的受力模型；所述评估模块用于评估待吊物品的重量和起重预警，具体方法包括：步骤SB1：获取待吊物品的高清图像和背景图像，根据待吊物品的高清图像和背景图像提取待吊物品的轮廓；通过获取待吊物品的评估质量，再通过将评估质量和吊钩位置输入到受力模型中，获得起重机受力图，完成对待吊物品的评估，做到提前了解，对有风险的进行重点关注，同时直接剔除一定超重的物品，保障起吊的物品在起重机的承载力范围内，避免发生安全事故。

Description

一种起重机承载力监测系统
技术领域
本发明属于起重机安全技术领域，具体是一种起重机承载力监测系统。
背景技术
起重机是指在一定范围内垂直提升和水平搬运重物的多动作起重机械。又称天车，航吊，吊车。轮胎起重机的主要特点是：其行驶驾驶室与起重操纵室合二为一、是由履带起重机(履带吊)演变而成，将行走机构的履带和行走支架部分变成有轮胎的底盘，克服了履带起重机(履带吊)履带板对路面造成破坏的缺点，属于物料搬运机械。桥式起重机是横架于车间、仓库和料场上空进行物料吊运的起重设备。由于它的两端坐落在高大的水泥柱或者金属支架上，形状似桥。桥式起重机的桥架沿铺设在两侧高架上的轨道纵向运行，可以充分利用桥架下面的空间吊运物料，不受地面设备的阻碍。它是使用范围最广、数量最多的一种起重机械。
但是目前已经发生过多起起重机事故，尤其是关于起重机承载力的问题，因为起重机在起吊前并不能很好的预估起吊的物品重量是否超过限制重量，从而导致有的起重机起吊的物品超重，超过了起重机的承载力；因此，目前需要一种起重机承载力监测系统，解决因为不能预估待吊物品的重量，而导致起重重量超过起重机承载力的问题。
发明内容
为了解决上述方案存在的问题，本发明提供了一种起重机承载力监测系统。
本发明的目的可以通过以下技术方案实现：
一种起重机承载力监测系统，包括建模模块、评估模块、服务器和储存模块；
所述建模模块用于建立起重机的受力模型；
所述评估模块用于评估待吊物品的重量和起重预警，具体方法包括：
步骤SB1：获取待吊物品的高清图像和背景图像，根据待吊物品的高清图像和背景图像提取待吊物品的轮廓；
步骤SB2：设置评估模型，获取待吊物品材质组成，设置调整系数，将待吊物品材质组成、调整系数和待吊物品的轮廓整合标记为评估输入数据，将评估输入数据输入到评估模型中，获得待吊物品的评估质量；
步骤SB3：将评估质量和吊钩位置输入到受力模型中，获得起重机受力图；
步骤SB4：根据起重机受力图对待吊物品进行承载力评估。
进一步地，建模模块建立起重机的受力模型的方法包括：
步骤SA1：获取用户起重机的设计参数和检验数据；
步骤SA2：构建人工智能模型；获取同型号起重机的起重数据，使用同型号起重机的起重数据和设计参数对人工智能模型进行训练，将训练后的人工智能模型标记为共有智能模型；
步骤SA3：使用用户起重机的设计参数和检验数据对共有智能模型进行训练，将训练后的共有智能模型标记为受力模型。
进一步地，评估等级分为三个等级，分别为禁止起吊、重点监控和安全起吊。
进一步地，当评估等级为禁止起吊时，对应的待吊物品禁止起吊。
进一步地，当评估等级为重点监控时，对应的待吊物品在吊装的过程中需要重点监控。
进一步地，当评估等级为安全起吊时，不进行操作。
进一步地，步骤SB1中根据待吊物品的高清图像和背景图像提取待吊物品的轮廓的方法包括：
将待吊物品的高清图像和背景图像进行图像预处理，并将图像预处理之后的图像分别标记为待吊物灰度图像和背景灰度图像，以图像中心为原点，建立图像灰度值三维坐标系，将待吊物灰度图像和背景灰度图像的灰度值输入到坐标系中；
将同一图像的相邻灰度值点使用平滑曲线进行连接，形成灰度值曲面，根据灰度值确定待吊物图像的边界坐标，根据边界坐标进行分割，提取待吊物品的轮廓。
进一步地，图像预处理包括图像分割、图像去噪、图像增强和灰度变换。
与现有技术相比，本发明的有益效果是：获取待吊物品的高清图像和背景图像，根据待吊物品的高清图像和背景图像提取待吊物品的轮廓；设置评估模型，获取待吊物品材质组成，设置调整系数，将待吊物品材质组成、调整系数和待吊物品的轮廓整合标记为评估输入数据，将评估输入数据输入到评估模型中，获得待吊物品的评估质量；通过获取待吊物品的评估质量，再通过将评估质量和吊钩位置输入到受力模型中，获得起重机受力图，完成对待吊物品的评估，做到提前了解，对有风险的进行重点关注，同时直接剔除一定超重的物品，保障起吊的物品在起重机的承载力范围内，避免发生安全事故。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种起重机承载力监测系统，包括建模模块、评估模块、服务器和储存模块；
储存模块用于储存系统数据；所述建模模块用于建立起重机的受力模型，具体方法包括：
步骤SA1：获取用户起重机的设计参数和检验数据，设计参数包括起重机尺寸、起吊重力范围等数据，检验数据就是检测部门对同批次的同型号的起重机进行检测的数据；
步骤SA2：构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；获取同型号起重机的起重数据，可以从互联网中或者厂家进行采集数据，起重数据就是起重机吊装时的物体重力、运行状态等数据，使用同型号起重机的起重数据和设计参数对人工智能模型进行训练，将训练后的人工智能模型标记为共有智能模型；
步骤SA3：使用用户起重机的设计参数和检验数据对共有智能模型进行训练，将训练后的共有智能模型标记为受力模型；受力模型是以吊物重量和吊钩位置为输入数据的，输出结果是起重机受力图；
所述评估模块用于评估待吊物品的重量和起重预警，具体方法包括：
步骤SB1：获取待吊物品的高清图像和背景图像，根据待吊物品的高清图像和背景图像提取待吊物品的轮廓；
步骤SB2：设置评估模型，获取待吊物品材质组成，待吊物品材质组成就是待吊物品各部分的材质，设置调整系数，将待吊物品材质组成、调整系数和待吊物品的轮廓整合标记为评估输入数据，将评估输入数据输入到评估模型中，获得待吊物品的评估质量；
步骤SB3：将评估质量和吊钩位置输入到受力模型中，获得起重机受力图；
步骤SB4：根据起重机受力图对待吊物品进行承载力评估，评估等级分为三个等级，分别为禁止起吊、重点监控和安全起吊；
当评估等级为禁止起吊时，对应的待吊物品禁止起吊；
当评估等级为重点监控时，对应的待吊物品在吊装的过程中需要重点监控；
当评估等级为安全起吊时，不进行操作；
步骤SB2中设置评估模型的方法包括：
获取评估历史数据，评估历史数据包括待吊物品材质组成、调整系数和待吊物品的轮廓；
为评估历史数据设置对应的评估质量；
构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；
将评估历史数据和对应的评估质量按照设定比例划分为训练集、测试集和校验集；所述设定比例包括3：2：2、4：2：1和3：1：1；
通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为评估模型；
步骤SB1中根据待吊物品的高清图像和背景图像提取待吊物品的轮廓的方法包括：
将待吊物品的高清图像和背景图像进行图像预处理，并将图像预处理之后的图像分别标记为待吊物灰度图像和背景灰度图像，图像预处理包括图像分割、图像去噪、图像增强和灰度变换，以图像中心为原点，建立图像灰度值三维坐标系，将待吊物灰度图像和背景灰度图像的灰度值输入到坐标系中；
将同一图像的相邻灰度值点使用平滑曲线进行连接，形成灰度值曲面，根据灰度值确定待吊物图像的边界坐标，根据边界坐标进行分割，提取待吊物品的轮廓；
步骤SB2中设置调整系数的方法包括：
设置调整模型，将待吊物品材质组成和待吊物品的轮廓整合标记为调整输入数据，将调整输入数据输入到调整模型中，获得调整系数；
获取调整历史数据，调整历史数据包括待吊物品材质组成和待吊物品的轮廓；
为评估历史数据设置对应的调整系数；
构建人工智能模型；人工智能模型包括误差逆向传播神经网络、RBF神经网络和深度卷积神经网络；
将调整历史数据和对应的调整系数按照设定比例划分为训练集、测试集和校验集；所述设定比例包括3：2：2、4：2：1和3：1：1；
通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为调整模型。
本发明的工作原理：建立起重机的受力模型，获取用户起重机的设计参数和检验数据，构建人工智能模型；获取同型号起重机的起重数据，使用同型号起重机的起重数据和设计参数对人工智能模型进行训练，将训练后的人工智能模型标记为共有智能模型；使用用户起重机的设计参数和检验数据对共有智能模型进行训练，将训练后的共有智能模型标记为受力模型；评估待吊物品的重量和起重预警，获取待吊物品的高清图像和背景图像，将待吊物品的高清图像和背景图像进行图像预处理，并将图像预处理之后的图像分别标记为待吊物灰度图像和背景灰度图像，以图像中心为原点，建立图像灰度值三维坐标系，将待吊物灰度图像和背景灰度图像的灰度值输入到坐标系中；将同一图像的相邻灰度值点使用平滑曲线进行连接，形成灰度值曲面，根据灰度值确定待吊物图像的边界坐标，根据边界坐标进行分割，提取待吊物品的轮廓；获取评估历史数据，评估历史数据包括待吊物品材质组成、调整系数和待吊物品的轮廓；为评估历史数据设置对应的评估质量；构建人工智能模型；将评估历史数据和对应的评估质量按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为评估模型；
获取待吊物品材质组成，设置调整模型，将待吊物品材质组成和待吊物品的轮廓整合标记为调整输入数据，将调整输入数据输入到调整模型中，获得调整系数；获取调整历史数据，调整历史数据包括待吊物品材质组成和待吊物品的轮廓；为评估历史数据设置对应的调整系数；构建人工智能模型；将调整历史数据和对应的调整系数按照设定比例划分为训练集、测试集和校验集；通过训练集、测试集和校验集对人工智能模型进行训练、测试和校验；将训练完成的人工智能模型标记为调整模型；将待吊物品材质组成、调整系数和待吊物品的轮廓整合标记为评估输入数据，将评估输入数据输入到评估模型中，获得待吊物品的评估质量；将评估质量和吊钩位置输入到受力模型中，获得起重机受力图；根据起重机受力图对待吊物品进行承载力评估，评估等级分为三个等级，分别为禁止起吊、重点监控和安全起吊；当评估等级为禁止起吊时，对应的待吊物品禁止起吊；当评估等级为重点监控时，对应的待吊物品在吊装的过程中需要重点监控；当评估等级为安全起吊时，不进行操作。
在本发明所提供的实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式；所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (8)

1.一种起重机承载力监测系统，其特征在于，包括建模模块、评估模块、服务器和储存模块；
所述建模模块用于建立起重机的受力模型；
所述评估模块用于评估待吊物品的重量和起重预警，具体方法包括：
步骤SB1：获取待吊物品的高清图像和背景图像，根据待吊物品的高清图像和背景图像提取待吊物品的轮廓；
步骤SB2：设置评估模型，获取待吊物品材质组成，设置调整系数，将待吊物品材质组成、调整系数和待吊物品的轮廓整合标记为评估输入数据，将评估输入数据输入到评估模型中，获得待吊物品的评估质量；
步骤SB3：将评估质量和吊钩位置输入到受力模型中，获得起重机受力图；
步骤SB4：根据起重机受力图对待吊物品进行承载力评估。
2.根据权利要求1所述的一种起重机承载力监测系统，其特征在于，建模模块建立起重机的受力模型的方法包括：
步骤SA1：获取用户起重机的设计参数和检验数据；
步骤SA2：构建人工智能模型；获取同型号起重机的起重数据，使用同型号起重机的起重数据和设计参数对人工智能模型进行训练，将训练后的人工智能模型标记为共有智能模型；
步骤SA3：使用用户起重机的设计参数和检验数据对共有智能模型进行训练，将训练后的共有智能模型标记为受力模型。
3.根据权利要求1所述的一种起重机承载力监测系统，其特征在于，评估等级分为三个等级，分别为禁止起吊、重点监控和安全起吊。
4.根据权利要求3所述的一种起重机承载力监测系统，其特征在于，当评估等级为禁止起吊时，对应的待吊物品禁止起吊。
5.根据权利要求3所述的一种起重机承载力监测系统，其特征在于，当评估等级为重点监控时，对应的待吊物品在吊装的过程中需要重点监控。
6.根据权利要求3所述的一种起重机承载力监测系统，其特征在于，当评估等级为安全起吊时，不进行操作。
7.根据权利要求1所述的一种起重机承载力监测系统，其特征在于，步骤SB1中根据待吊物品的高清图像和背景图像提取待吊物品的轮廓的方法包括：
将待吊物品的高清图像和背景图像进行图像预处理，并将图像预处理之后的图像分别标记为待吊物灰度图像和背景灰度图像，以图像中心为原点，建立图像灰度值三维坐标系，将待吊物灰度图像和背景灰度图像的灰度值输入到坐标系中；
将同一图像的相邻灰度值点使用平滑曲线进行连接，形成灰度值曲面，根据灰度值确定待吊物图像的边界坐标，根据边界坐标进行分割，提取待吊物品的轮廓。
8.根据权利要求7所述的一种起重机承载力监测系统，其特征在于，图像预处理包括图像分割、图像去噪、图像增强和灰度变换。
CN202110938839.XA 2021-08-16 2021-08-16 一种起重机承载力监测系统 Active CN113651245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110938839.XA CN113651245B (zh) 2021-08-16 2021-08-16 一种起重机承载力监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110938839.XA CN113651245B (zh) 2021-08-16 2021-08-16 一种起重机承载力监测系统

Publications (2)

Publication Number Publication Date
CN113651245A true CN113651245A (zh) 2021-11-16
CN113651245B CN113651245B (zh) 2023-07-21

Family

ID=78491172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110938839.XA Active CN113651245B (zh) 2021-08-16 2021-08-16 一种起重机承载力监测系统

Country Status (1)

Country Link
CN (1) CN113651245B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114488801A (zh) * 2022-01-18 2022-05-13 无锡安起科技有限公司 一种基于数据驱动的桥式起重机模型预测控制方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103613015A (zh) * 2013-11-26 2014-03-05 中联重科股份有限公司 安全吊载控制方法、装置、系统及起重机
EP3323765A1 (en) * 2016-11-22 2018-05-23 Manitowoc Crane Companies, LLC Optical detection and analysis of crane hoist and rope
CN110210629A (zh) * 2019-05-13 2019-09-06 武汉理工大学 基于大数据挖掘的起重机安全评估系统
JP2019207099A (ja) * 2017-07-31 2019-12-05 荏原環境プラント株式会社 廃棄物の質を推定する装置、システム、プログラム、及び方法
WO2020001642A1 (zh) * 2018-06-28 2020-01-02 中兴通讯股份有限公司 一种运维系统及方法
JP2020051771A (ja) * 2018-09-25 2020-04-02 株式会社日立ハイテクノロジーズ パターン形状評価装置、パターン形状評価システム及びパターン形状評価方法
CN112614178A (zh) * 2020-12-08 2021-04-06 快优智能技术有限公司 一种基于单设备的多摄像头位置定位方法
CN112818519A (zh) * 2021-01-15 2021-05-18 广州穗能通能源科技有限责任公司 变电设施吊装施工的三维仿真方法、装置和计算机设备
CN213445849U (zh) * 2020-09-28 2021-06-15 郑州江智自动化技术有限公司 一种起重机安装监控装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103613015A (zh) * 2013-11-26 2014-03-05 中联重科股份有限公司 安全吊载控制方法、装置、系统及起重机
EP3323765A1 (en) * 2016-11-22 2018-05-23 Manitowoc Crane Companies, LLC Optical detection and analysis of crane hoist and rope
JP2019207099A (ja) * 2017-07-31 2019-12-05 荏原環境プラント株式会社 廃棄物の質を推定する装置、システム、プログラム、及び方法
WO2020001642A1 (zh) * 2018-06-28 2020-01-02 中兴通讯股份有限公司 一种运维系统及方法
JP2020051771A (ja) * 2018-09-25 2020-04-02 株式会社日立ハイテクノロジーズ パターン形状評価装置、パターン形状評価システム及びパターン形状評価方法
CN110210629A (zh) * 2019-05-13 2019-09-06 武汉理工大学 基于大数据挖掘的起重机安全评估系统
CN213445849U (zh) * 2020-09-28 2021-06-15 郑州江智自动化技术有限公司 一种起重机安装监控装置
CN112614178A (zh) * 2020-12-08 2021-04-06 快优智能技术有限公司 一种基于单设备的多摄像头位置定位方法
CN112818519A (zh) * 2021-01-15 2021-05-18 广州穗能通能源科技有限责任公司 变电设施吊装施工的三维仿真方法、装置和计算机设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114488801A (zh) * 2022-01-18 2022-05-13 无锡安起科技有限公司 一种基于数据驱动的桥式起重机模型预测控制方法
CN114488801B (zh) * 2022-01-18 2023-12-22 无锡安起科技有限公司 一种基于数据驱动的桥式起重机模型预测控制方法

Also Published As

Publication number Publication date
CN113651245B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN113744395B (zh) 一种建筑地基沉降的监测预警方法及系统
CN102384856B (zh) 基于概率有限元法的钢桥疲劳可靠度评估方法
CN104732013A (zh) 一种单车通过多梁式桥梁的车辆荷载识别方法
CN102261988B (zh) 一种起重机剩余寿命的测试方法
CN204142505U (zh) 公路桥梁监测预警系统
CN107092735A (zh) 一种桥梁疲劳状态评估方法
CN113651245B (zh) 一种起重机承载力监测系统
CN116029555B (zh) 基于轻量化神经网络的桥梁风险识别预警系统及应用方法
WO2023000822A1 (zh) 作业机械的防倾覆预警方法、装置、作业机械及电子设备
CN114202572A (zh) 基于机器视觉的车辆荷载测量、运输线路规划方法及系统
CN110702195A (zh) 载重车辆运行状态监测方法及装置
Kong et al. Non-contact vehicle weighing method based on tire-road contact model and computer vision techniques
CN111368916B (zh) 一种基于一维卷积核特征提取的桥头跳车快速检测方法
CN116281475A (zh) 基于大数据的智慧建筑工地施工安全监测预警平台
CN107480645A (zh) 一种基于图形识别技术的塔机防碰撞系统及方法
CN116844113B (zh) 矿井单轨吊安全运行图像检测分析方法
CN115082849B (zh) 基于深度学习的模板支架安全智能监测方法
CN108734963B (zh) 一种基于多元非线性回归的车辆超载判定方法
CN104598970A (zh) 一种爬架组的工作状态检测方法
CN116664343A (zh) 一种基于智慧工地数字模型的系统及方法
CN116070105A (zh) 基于小波变换及残差网络的组合梁损伤识别方法及系统
CN113624201A (zh) 城市隧道多线叠交施工沉降监测预警系统及方法
CN106289642A (zh) 起吊工况下救援车整体重心平面位置的动态估计方法
CN113435675B (zh) 一种基于移动危化品运输的道路分级方法及其应用
CN112036305B (zh) 一种基于自编码模型的起重机异常事件检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant