CN113673046A - 用于智能塔吊紧急预警的物联网通信系统及其方法 - Google Patents

用于智能塔吊紧急预警的物联网通信系统及其方法 Download PDF

Info

Publication number
CN113673046A
CN113673046A CN202110821099.1A CN202110821099A CN113673046A CN 113673046 A CN113673046 A CN 113673046A CN 202110821099 A CN202110821099 A CN 202110821099A CN 113673046 A CN113673046 A CN 113673046A
Authority
CN
China
Prior art keywords
tower crane
sensor
light intensity
information
real
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
CN202110821099.1A
Other languages
English (en)
Other versions
CN113673046B (zh
Inventor
陈德木
蒋云
陈曦
陆建江
赵晓东
顾姣燕
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.)
Hangzhou Dajie Intelligent Transmission Technology Co Ltd
Original Assignee
Hangzhou Dajie Intelligent Transmission Technology 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 Hangzhou Dajie Intelligent Transmission Technology Co Ltd filed Critical Hangzhou Dajie Intelligent Transmission Technology Co Ltd
Priority to CN202110821099.1A priority Critical patent/CN113673046B/zh
Publication of CN113673046A publication Critical patent/CN113673046A/zh
Application granted granted Critical
Publication of CN113673046B publication Critical patent/CN113673046B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/75—Information technology; Communication
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G16Y30/10—Security thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Informatics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Computer Security & Cryptography (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本申请实施例提供一种用于智能塔吊紧急预警的物联网通信系统及其方法。该方法包括：根据位置传感器的实时位置计算所述主横梁的弯曲度；根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。本申请基于物联网及传感器技术，通过大数据的训练，能够精准的控制无人驾驶智能塔吊的运行，在危险度较高的环境状态下同时保障塔吊的运行安全和效率。

Description

用于智能塔吊紧急预警的物联网通信系统及其方法
技术领域
本申请涉及智能塔吊技术领域，尤其涉及一种用于智能塔吊紧急预警的物联网通信系统及其方法。
背景技术
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。
无人塔吊在一些特殊情况下如果继续运行会遇到安全问题，例如主横梁弯曲度过大、雨雪天、大风天、某些异物入侵导致影响吊钩的正常运行，都会引起极大的安全隐患。
发明内容
有鉴于此，本申请的目的在于提出一种用于智能塔吊紧急预警的物联网通信方法和装置，本申请能够通过物联网及各种传感器自动化的分析无人塔吊可能面临的环境风险，兼顾安全和效率，提高智能塔吊工作效率。
基于上述目的，本申请提出了一种用于智能塔吊紧急预警的物联网通信方法，包括：
在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度；
在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；
在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；
在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；
将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。
在一些实施例中，所述在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度，包括：
在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器；
在挂钩空吊状态下，获取所述位置传感器的初始位置；
在挂钩执行吊装任务时获取所述位置传感器的实时位置；
计算所示实时位置和初始位置在竖直方向上的高度差，再除以所述主横梁的横向长度值，得到的商作为所述主横梁的弯曲度。
在一些实施例中，所述在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息，包括：
在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器；
实时获取所述降水量传感器、温度传感器和风速传感器的实时数据；
根据所述降水量传感器、温度传感器和风速传感器的实时数据，得到所述塔吊所在环境的降雨强度、降雪强度、和/或风力强度，作为所述塔吊所在环境的天气信息。
在一些实施例中，所述在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息，包括：
在无人驾驶智能塔吊的塔身安装至少一个光强度传感器；
获取所述光强度传感器的实时数据；
根据所述光强度传感器的实时数据所在的数值区间，得到所述无人驾驶智能塔吊所在环境的光强度信息。
在一些实施例中，所述在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息，包括：
步骤1，采集红外传感器数据，对红外传感器数据集进行数据预处理，并生成对应的标签；步骤2，对预处理后的红外传感器数据集进行增强操作；步骤3，将增强操作后的数据集进行训练/验证/测试集的划分；步骤4，构建网络结构，导入训练集、验证集及其对应的标签进行训练；测试阶段具体包含如下步骤：步骤5，对红外传感器数据集进行数据预处理；步骤6，将预处理后的红外传感器数据集输入步骤4构建的网络结构，加载网络结构对应的模型参数进行前向传播；步骤7，取出网络结构的输出结果，根据标签生成规则得到分类标签；步骤8，根据每类标签的含义将所述分类标签转化即得到最终的异物入侵信息。
在一些实施例中，所述将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型，包括：
将大批量已知无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息导入到卷积神经网络，得到无人驾驶智能塔吊的安全策略类型；将已知无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息和无人驾驶智能塔吊的安全策略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；
将待分类无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的AKC模型中，得到所述无人驾驶智能塔吊的预警策略类型。
在一些实施例中，所述无人驾驶智能塔吊的安全策略类型包括：
根据所述主横梁的弯曲度为过度弯曲，停止所述智能塔吊的运行；
根据所述天气类型为雪天、雨天或大风天，停止所述智能塔吊的运行；
根据所述光强度类型为极低，停止所述智能塔吊的运行；
根据异物入侵类型为小动物，控制所述智能塔吊降速运行。
基于上述目的，本申请还提出了一种用于智能塔吊紧急预警的物联网通信装置，包括：
弯曲度检测模块，用于在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度；
天气识别模块，用于在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；
光强度识别模块，用于在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；
异物入侵识别模块，用于在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；
安全策略模块，用于将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。
总的来说，本申请的优势及给用户带来的体验在于：
本申请基于物联网及传感器技术，实时计算和判断无人驾驶智能塔吊主横梁的弯曲度、所在环境的天气类型、光强度类型、异物入侵类型，并且通过大数据的训练，能够精准的控制无人驾驶智能塔吊的运行，在危险度较高的环境状态下同时保障塔吊的运行安全和效率。
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用于智能塔吊紧急预警的物联网通信方法的流程图。
图3示出根据本申请实施例的用于智能塔吊紧急预警的物联网通信装置的构成图。
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发明，而非对该发明的限定。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发明相关的部分。
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、位置传感器、降水传感器、温度传感器、风速传感器、红外传感器、光强度传感器、终端设备等。根据位置传感器的实时位置计算所述主横梁的弯曲度；根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。本申请基于物联网及传感器技术，通过大数据的训练，能够精准的控制无人驾驶智能塔吊的运行，在危险度较高的环境状态下同时保障塔吊的运行安全和效率。
本发明实施例中，上述位置传感器为纳米传感器，纳米传感器为尺寸为纳米级～毫米级的传感器，为使其尺寸足够小，纳米传感器可以仅包含位置反馈的功能，而不包括其他功能。
本发明实施例中，终端设备可以采用具有通信能力的服务器，也可为智能手机、智能手表等具有计算能力和收发信号能力的终端设备。
上述纳米传感器可为直径为1毫米的原形电子芯片，该电子芯片仅具备位置反馈功能，电子芯片启动后，开始向终端设备反馈位置信息。终端设备接收到位置信息后，根据获取到的位置信息确定塔吊主横梁的弯曲度。
其他的各种传感器，例如降水传感器、温度传感器、风速传感器、红外传感器、光强度传感器等，都可以采用现有的物联网传感器，以实现降水量测量、温度检测、风速检测、红外温度探测、光强检测等功能，在此不再赘述。
图2示出根据本申请实施例的用于智能塔吊紧急预警的物联网通信方法的流程图。如图2所示，该用于智能塔吊紧急预警的物联网通信方法包括：
步骤101：在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度，包括：
在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器；
在挂钩空吊状态下，获取所述位置传感器的初始位置；
在挂钩执行吊装任务时获取所述位置传感器的实时位置；
计算所示实时位置和初始位置在竖直方向上的高度差，再除以所述主横梁的横向长度值，得到的商作为所述主横梁的弯曲度。
作为另一种可选的实施方式，纳米传感器可为携带放射性元素。而专用的终端设备具备放射性检测功能，通过对放射性进行检测获得纳米传感器的位置信息。需要说明的是上述携带放射性元素为对人体无害的、低放射性的物质，例如碳14元素；碳14元素已被用于进行呼气试验而检测油门螺旋杆菌感染，根据专业性评估报告证实，碳14呼气试验对患者和操作人员的辐射危险可忽略不计，临床上可以安全使用。因此，可以将含有碳14元素的食物作为纳米传感器或纳米传感器的载体，再通过终端设备对放射性进行检测以获得纳米传感器的位置信息。
例如，根据主横梁的弯曲度的数值区间位于0-3度之间，认为主横梁的弯曲度低，此时可以继续正常的执行塔吊任务；根据主横梁的弯曲度的数值区间位于3-10度，认为主横梁的弯曲度中等，此时可以降速执行吊装任务以保障安全；根据主横梁的弯曲度的数值区间位于10-20度，认为主横梁的弯曲度过高，此时可以发出预警以停止执行塔吊任务。
步骤102：在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息，包括：
在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器；
实时获取所述降水量传感器、温度传感器和风速传感器的实时数据；
根据所述降水量传感器、温度传感器和风速传感器的实时数据，得到所述塔吊所在环境的降雨强度、降雪强度、和/或风力强度，作为所述塔吊所在环境的天气信息。
本实施例中，例如可以根据各自传感器信息创建用于预测室外对应天气的天气识别模型。
首先，获取各种天气类型各自对应的传感器数据。例如，分别获取晴、多云、阴、绵绵雨、小雨、中雨、大雨、大风、中风、小风、大雪、小雪、中雪等各种天气类型的多个降水量数据、温度数据、风速数据。
其次，对所获取的天气类型的多个降水量数据、温度数据、风速数据进行特征提取，获取各种天气类型对应的特征训练集。例如，可以分别从降水量数据、温度数据、风速数据等入手，确认每种天气类型的特征向量。
最后，依据所述各种天气类型对应的特征训练集，训练得到用于识别输入降水量数据、温度数据、风速数据对应天气的天气识别模型。所述天气识别模型能够实现将输入降水量数据、温度数据、风速数据与多个天气类型中的一个对应起来。
步骤103：在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息，包括：
在无人驾驶智能塔吊的塔身安装至少一个光强度传感器；
获取所述光强度传感器的实时数据；
根据所述光强度传感器的实时数据所在的数值区间，得到所述无人驾驶智能塔吊所在环境的光强度信息。
例如，根据光强度传感器的数值区间位于[0,20]，认为塔吊施工环境的光照强度低，此时继续执行塔吊任务会导致不安全；根据光强度传感器的数值区间位于[20,500]，认为塔吊施工环境的光照强度中等，此时可以降速执行吊装任务以保障安全；根据光强度传感器的数值区间位于[50,100]，认为塔吊施工环境的光照强度强，此时可以继续正常的执行塔吊任务。
如果塔吊所在环境的光强度类型较强，才会有利于吊装活动的正常运行，如果光强较低，例如无灯的深夜，塔吊继续执行吊装任务的话，可能导致安全问题的产生。
步骤104：在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息，包括：
步骤1，采集红外传感器数据，对红外传感器数据集进行数据预处理，并生成对应的标签；步骤2，对预处理后的红外传感器数据集进行增强操作；步骤3，将增强操作后的数据集进行训练/验证/测试集的划分；步骤4，构建网络结构，导入训练集、验证集及其对应的标签进行训练；测试阶段具体包含如下步骤：步骤5，对红外传感器数据集进行数据预处理；步骤6，将预处理后的红外传感器数据集输入步骤4构建的网络结构，加载网络结构对应的模型参数进行前向传播；步骤7，取出网络结构的输出结果，根据标签生成规则得到分类标签；步骤8，根据每类标签的含义将所述分类标签转化即得到最终的异物入侵信息。
常见的异物入侵包括：杨柳絮、树叶、塑料袋、小动物等，这些异物入侵会导致塔吊的运行安全，通过识别异物入侵的类型，本申请能够智能的控制塔吊的运行，保障吊装任务的安全和效率。
步骤105：将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型，包括：
将大批量已知无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息导入到卷积神经网络，得到无人驾驶智能塔吊的安全策略类型；将已知无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息和无人驾驶智能塔吊的安全策略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；
将待分类无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的AKC模型中，得到所述无人驾驶智能塔吊的预警策略类型。
本申请中，举例来说，安全策略的决策过程例如：根据所述主横梁的弯曲度为过度弯曲，停止所述智能塔吊的运行；根据所述天气类型为雪天、雨天或大风天，停止所述智能塔吊的运行；根据所述光强度类型为极低，停止所述智能塔吊的运行；根据异物入侵类型为杨柳絮、树叶、塑料袋，维持所述智能塔吊继续运行；根据异物入侵类型为小动物，控制所述智能塔吊降速运行。
以上列举了根据主横梁的弯曲度、天气信息、光强度信息、异物入侵信息各自单方面决定紧急预警策略的情况。然而，可以拓展的预警控制方式可以有多种，例如同时根据主横梁的弯曲度、天气信息、光强度信息、异物入侵信息中两种以上的因素，通过加权组合共同决定紧急预警的策略。例如在主横梁的弯曲度为中、天气信息为中风、光强度信息为中等、有塑料垃圾等异物入侵时根据大数据的训练可知需要直接停止塔吊运行。
更进一步的，如果主横梁的弯曲度、天气信息、光强度信息、异物入侵信息中两种以上的因素之间的预警策略发生不一致的情况时，可以执行对应安全程度相对较低的因素所对应的预警策略，从而保证塔吊工作的安全。
本申请通过结合监控视频，实时计算和判断无人驾驶智能塔吊主横梁的弯曲度、所在环境的天气信息、光强度信息、异物入侵信息，并且通过大数据的训练，能够精准的控制无人驾驶智能塔吊的运行，在危险度较高的环境状态下同时保障塔吊的运行安全和效率。
以下举例说明本申请的用于智能塔吊紧急预警的物联网通信效果：（以下数据仅为示意性举例，具体数据来源参照建筑和塔吊行业常用数据）
Figure 127178DEST_PATH_IMAGE001
申请实施例提供了一种用于智能塔吊紧急预警的物联网通信装置，该装置用于执行上述实施例所述的用于智能塔吊紧急预警的物联网通信方法，如图3所示，该装置包括：
弯曲度检测模块501，用于在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度；
天气识别模块502，用于在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；
光强度识别模块503，用于在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；
异物入侵识别模块504，用于在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；
安全策略模块505，用于将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。
本申请的上述实施例提供的用于智能塔吊紧急预警的物联网通信装置与本申请实施例提供的用于智能塔吊紧急预警的物联网通信方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的用于智能塔吊紧急预警的物联网通信方法对应的电子设备，以执行上用于智能塔吊紧急预警的物联网通信方法。本申请实施例不做限定。
请参考图4，其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图4所示，所述电子设备2包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的用于智能塔吊紧急预警的物联网通信方法。
其中，存储器201可能包含高速随机存取存储器（RAM：Random Access Memory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口203（可以是有线或者无线）实现该装置网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述用于智能塔吊紧急预警的物联网通信方法可以应用于处理器200中，或者由处理器200实现。
处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的用于智能塔吊紧急预警的物联网通信方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的用于智能塔吊紧急预警的物联网通信方法对应的计算机可读存储介质，请参考图5，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序（即程序产品），所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的用于智能塔吊紧急预警的物联网通信方法。
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的用于智能塔吊紧急预警的物联网通信方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器( DSP )来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种用于智能塔吊紧急预警的物联网通信方法，其特征在于，包括：
在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度；
在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；
在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；
在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；
将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。
2.根据权利要求1所述的方法，其特征在于，
所述在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度，包括：
在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器；
在挂钩空吊状态下，获取所述位置传感器的初始位置；
在挂钩执行吊装任务时获取所述位置传感器的实时位置；
计算所示实时位置和初始位置在竖直方向上的高度差，再除以所述主横梁的横向长度值，得到的商作为所述主横梁的弯曲度。
3.根据权利要求2所述的方法，其特征在于，
所述在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息，包括：
在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器；
实时获取所述降水量传感器、温度传感器和风速传感器的实时数据；
根据所述降水量传感器、温度传感器和风速传感器的实时数据，得到所述塔吊所在环境的降雨强度、降雪强度、和/或风力强度，作为所述塔吊所在环境的天气信息。
4.根据权利要求3所述的方法，其特征在于，
所述在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息，包括：
在无人驾驶智能塔吊的塔身安装至少一个光强度传感器；
获取所述光强度传感器的实时数据；
根据所述光强度传感器的实时数据所在的数值区间，得到所述无人驾驶智能塔吊所在环境的光强度信息。
5.根据权利要求4所述的方法，其特征在于，
所述在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息，包括：
步骤1，采集红外传感器数据，对红外传感器数据集进行数据预处理，并生成对应的标签；步骤2，对预处理后的红外传感器数据集进行增强操作；步骤3，将增强操作后的数据集进行训练/验证/测试集的划分；步骤4，构建网络结构，导入训练集、验证集及其对应的标签进行训练；测试阶段具体包含如下步骤：步骤5，对红外传感器数据集进行数据预处理；步骤6，将预处理后的红外传感器数据集输入步骤4构建的网络结构，加载网络结构对应的模型参数进行前向传播；步骤7，取出网络结构的输出结果，根据标签生成规则得到分类标签；步骤8，根据每类标签的含义将所述分类标签转化即得到最终的异物入侵信息。
6.如权利要求5所述的方法，其特征在于，
所述将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型，包括：
将大批量已知无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息导入到卷积神经网络，得到无人驾驶智能塔吊的安全策略类型；将已知无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息和无人驾驶智能塔吊的安全策略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；
将待分类无人驾驶智能塔吊所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的AKC模型中，得到所述无人驾驶智能塔吊的预警策略类型。
7.根据权利要求6所述的方法，其特征在于，
所述无人驾驶智能塔吊的安全策略类型包括：
根据所述主横梁的弯曲度为过度弯曲，停止所述智能塔吊的运行，发出红色预警提示；
根据所述天气类型为雪天、雨天或大风天，停止所述智能塔吊的运行，发出红色预警提示；
根据所述光强度类型为极低，停止所述智能塔吊的运行，发出红色预警提示；
根据异物入侵类型为小动物，控制所述智能塔吊降速运行，发出黄色预警提示。
8.一种用于智能塔吊紧急预警的物联网通信装置，其特征在于，包括：
弯曲度检测模块，用于在无人驾驶智能塔吊的主横梁上安装至少一个位置传感器，根据位置传感器的实时位置计算所述主横梁的弯曲度；
天气识别模块，用于在无人驾驶智能塔吊的顶部安装至少一个降水量传感器、温度传感器和风速传感器，根据降水量传感器、温度传感器和风速传感器的实时数据获取所述塔吊所在环境的天气信息；
光强度识别模块，用于在无人驾驶智能塔吊的塔身安装至少一个光强度传感器，根据光强度传感器的实时数据获取所述塔吊所在环境的光强度信息；
异物入侵识别模块，用于在无人驾驶智能塔吊的施工入口处安装至少一个红外传感器，根据红外传感器的实时数据获取所述塔吊所在环境的异物入侵信息；
安全策略模块，用于将获得的所述主横梁的弯曲度、天气信息、光强度信息、异物入侵信息输入训练好的预警分类神经网络，确定所述无人驾驶智能塔吊的预警策略类型。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
CN202110821099.1A 2021-07-20 2021-07-20 用于智能塔吊紧急预警的物联网通信系统及其方法 Active CN113673046B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110821099.1A CN113673046B (zh) 2021-07-20 2021-07-20 用于智能塔吊紧急预警的物联网通信系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110821099.1A CN113673046B (zh) 2021-07-20 2021-07-20 用于智能塔吊紧急预警的物联网通信系统及其方法

Publications (2)

Publication Number Publication Date
CN113673046A true CN113673046A (zh) 2021-11-19
CN113673046B CN113673046B (zh) 2023-06-06

Family

ID=78539670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110821099.1A Active CN113673046B (zh) 2021-07-20 2021-07-20 用于智能塔吊紧急预警的物联网通信系统及其方法

Country Status (1)

Country Link
CN (1) CN113673046B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202255A (zh) * 2022-02-15 2022-03-18 杭州杰牌传动科技有限公司 一种用于传动体系生产的异构数据交互方法和系统
CN114212688A (zh) * 2022-02-22 2022-03-22 杭州未名信科科技有限公司 一种智能塔机的运动控制方法和装置
CN114715806A (zh) * 2022-06-08 2022-07-08 杭州未名信科科技有限公司 一种塔机异常状态的应急控制方法、装置、介质及塔机
CN115421414A (zh) * 2022-08-24 2022-12-02 杭州大杰智能传动科技有限公司 塔式起重机运维机构嵌入式集成控制方法和系统
CN115947239A (zh) * 2022-12-26 2023-04-11 深圳市神州云海智能科技有限公司 异常预警与应急处理方法、装置及建筑机器人

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107720554A (zh) * 2017-11-13 2018-02-23 长沙海川自动化设备有限公司 仰臂式起重机及其监测方法、监测装置和存储介质
CN109071188A (zh) * 2016-04-05 2018-12-21 利勃海尔比伯拉赫股份有限公司 用于在升降机的使用期间监测操作数据和/或确定缆索磨损置换状态的设备
CN111125883A (zh) * 2019-12-03 2020-05-08 中国能源建设集团江苏省电力设计院有限公司 一种快速确定陆上风机吊装工况的计算方法
CN112216049A (zh) * 2020-09-25 2021-01-12 交通运输部公路科学研究所 一种基于图像识别的施工警戒区监测预警系统及方法
CN112209247A (zh) * 2020-08-27 2021-01-12 中联重科股份有限公司 起重机吊臂幅度补偿方法及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109071188A (zh) * 2016-04-05 2018-12-21 利勃海尔比伯拉赫股份有限公司 用于在升降机的使用期间监测操作数据和/或确定缆索磨损置换状态的设备
CN107720554A (zh) * 2017-11-13 2018-02-23 长沙海川自动化设备有限公司 仰臂式起重机及其监测方法、监测装置和存储介质
CN111125883A (zh) * 2019-12-03 2020-05-08 中国能源建设集团江苏省电力设计院有限公司 一种快速确定陆上风机吊装工况的计算方法
CN112209247A (zh) * 2020-08-27 2021-01-12 中联重科股份有限公司 起重机吊臂幅度补偿方法及设备
CN112216049A (zh) * 2020-09-25 2021-01-12 交通运输部公路科学研究所 一种基于图像识别的施工警戒区监测预警系统及方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202255A (zh) * 2022-02-15 2022-03-18 杭州杰牌传动科技有限公司 一种用于传动体系生产的异构数据交互方法和系统
CN114212688A (zh) * 2022-02-22 2022-03-22 杭州未名信科科技有限公司 一种智能塔机的运动控制方法和装置
CN114715806A (zh) * 2022-06-08 2022-07-08 杭州未名信科科技有限公司 一种塔机异常状态的应急控制方法、装置、介质及塔机
CN114715806B (zh) * 2022-06-08 2023-06-16 杭州未名信科科技有限公司 一种塔机异常状态的应急控制方法、装置、介质及塔机
CN115421414A (zh) * 2022-08-24 2022-12-02 杭州大杰智能传动科技有限公司 塔式起重机运维机构嵌入式集成控制方法和系统
CN115947239A (zh) * 2022-12-26 2023-04-11 深圳市神州云海智能科技有限公司 异常预警与应急处理方法、装置及建筑机器人
CN115947239B (zh) * 2022-12-26 2024-03-12 深圳市神州云海智能科技有限公司 异常预警与应急处理方法、装置及建筑机器人

Also Published As

Publication number Publication date
CN113673046B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN113673046A (zh) 用于智能塔吊紧急预警的物联网通信系统及其方法
Hou et al. Inspection of surface defects on stay cables using a robot and transfer learning
EP3926582B1 (en) Model generating apparatus, method, and program, and prediction apparatus
CN113239911B (zh) 一种无人驾驶智能塔吊视觉场景分析方法和装置
CN109993031A (zh) 一种畜力车目标违章行驶行为检测方法、装置及相机
US20100214410A1 (en) Image Processing Sensor Systems
CN115527234A (zh) 一种基于改进YOLOv5模型的红外图像笼内死鸡识别方法
CN113052295B (zh) 一种神经网络的训练方法、物体检测方法、装置及设备
CN117671603B (zh) 用于三维立体测距装置的输电线路多维环境监测方法
CN111914656A (zh) 一种人员行为检测方法、装置、电子设备及存储介质
KR20210054266A (ko) 소의 승가 행위 판별 방법 및 시스템.
CN117495954A (zh) 覆冰厚度检测方法、装置、电子设备及存储介质
Ibraheam et al. Animal species recognition using deep learning
Ronoh et al. Human-wildlife conflict early warning system using the internet of things and short message service
CN117456369A (zh) 智能化红树林生长情况的视觉识别方法
Zhang et al. A real-time foreign object detection method based on deep learning in complex open railway environments
CN113673344A (zh) 一种智能塔吊物料挂载位置识别方法和装置
Kanthimathi et al. Enhancing Animal Intrusion Detection with Raspberry Pi and Fast R-CNN: A Practical Approach for Wildlife Management
CN113255859B (zh) 一种基于电子标签的智能塔吊挂钩识别切换方法和装置
Wang et al. Detection and tracking of oestrus dairy cows based on improved YOLOv8n and TransT models
TWI809241B (zh) 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法
Lee et al. Computer-vision based UAV inspection for steel bridge connections
CN114604764A (zh) 用于智能塔吊吊钩的松开自动检测控制方法及其装置
Bhutia et al. Elephant Detection near Railway Tracks using an Ensemble Approach of SSD and YOLO Model
CN118521872B (zh) 基于独立视觉单元的人员状态智能识别方法及系统

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