CN114919079A - 基于图像识别的评估双轮铣工作状态的方法及系统 - Google Patents
基于图像识别的评估双轮铣工作状态的方法及系统 Download PDFInfo
- Publication number
- CN114919079A CN114919079A CN202210334489.0A CN202210334489A CN114919079A CN 114919079 A CN114919079 A CN 114919079A CN 202210334489 A CN202210334489 A CN 202210334489A CN 114919079 A CN114919079 A CN 114919079A
- Authority
- CN
- China
- Prior art keywords
- wire rope
- double
- steel wire
- image
- wheel
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D1/00—Working stone or stone-like materials, e.g. brick, concrete or glass, not provided for elsewhere; Machines, devices, tools therefor
- B28D1/18—Working stone or stone-like materials, e.g. brick, concrete or glass, not provided for elsewhere; Machines, devices, tools therefor by milling, e.g. channelling by means of milling tools
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D7/00—Accessories specially adapted for use with machines or devices of the preceding groups
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B28—WORKING CEMENT, CLAY, OR STONE
- B28D—WORKING STONE OR STONE-LIKE MATERIALS
- B28D7/00—Accessories specially adapted for use with machines or devices of the preceding groups
- B28D7/005—Devices for the automatic drive or the program control of the machines
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Mining & Mineral Resources (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像识别的评估双轮铣工作状态的方法及系统,基于机器视觉技术评估双轮铣的施工状态,通过对预警阈值所在的数据进行监测,对应指导纠偏操作,解决了常规接触式传感器无法监测双轮铣施工状态的难题,在实现快速、便捷、无接触式测量的同时,提高了双轮铣施工的安全性以及智能化程度,提高了对钢丝绳振动状态评估的准确性。
Description
技术领域
本发明涉及地下连续墙成槽施工技术领域。更具体地说,本发明涉及基于图像识别的评估双轮铣工作状态的方法及系统。
背景技术
双轮铣是一种地下连续墙的成槽施工机器,具有成槽施工效率高、适用地层范围广等优点,在工程界得到了广泛应用。双轮铣成槽过程中,其施工状态对成槽质量乃至施工安全有着重要的影响,为了满足对成槽质量和施工安全的要求,需要对双轮铣的施工状态进行及时、准确的评估。双轮铣施工过程中铣轮深入土层,难以直接评估其施工状态,且其工作环境恶劣,使用传感器对其进行监测时,传感器极易损坏。因此,急需提出一种双轮铣施工状态监测系统及方法,准确地评估双轮铣的施工状态,以提高施工质量,避免工程事故的发生。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供基于图像识别的评估双轮铣工作状态的方法及系统,以解决现有技术对双轮铣的施工状态的评估不及时、不够准确的技术问题。
为了实现根据本发明的这些目的和其它优点,提供了一种基于图像识别的评估双轮铣工作状态的方法,包括:
S1、建立项目数据库;
S2、确定拍摄区域,连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像;
S3、读取采集到的图像,根据图像的像素高度与拍摄区域的实际高度计算得到比例尺,通过图像识别技术确定钢丝绳的形心位置变化量,得到钢丝绳的水平位移,从而得到钢丝绳水平振动随时间变化的时域波形并存储在项目数据库中;
S4、对钢丝绳水平振动的时域波形进行特征提取,得到钢丝绳的瞬时振幅、瞬时振频,根据钢丝绳的对应的水平位移计算得到钢丝绳倾斜度并存储在项目数据库中;
S5、根据项目数据库中双轮铣正常工作的历史数据建立预警系统,并设定预警阈值,以评估当前双轮铣施工状态是否为正常工作,若超过预警阈值,预警系统发出预警;
S6、在预警系统中设置地下连续墙垂直度允许偏差值,当钢丝绳倾斜度大于地下连续墙垂直度允许偏差值时,预警系统提醒双轮铣司机进行纠偏操作。
优选的是,实时获得所述钢丝绳的瞬时振幅wt、瞬时振频ft,所述预警阈值包括瞬时频率阈值Tf和瞬时振幅阈值Tw,当ft<Tf且wt<Tw,评估双轮铣为正常工作,当ft>Tf或wt>Tw,评估双轮铣的施工状态存在异常,预警系统发出预警,提醒双轮铣司机进行调整。
优选的是,步骤S5中预警系统的建立方法如下:
S5.1、根据双轮铣正常工作的历史数据选择样本数据集(f,w,y),其中f、w为用来预测双轮铣施工状态的特征参数组合,y为特征参数组合对应的施工状态,对样本数据进行处理,将y按正常施工状态为0、异常施工状态为1的原则进行数字化处理,对特征参数组合按最大最小值法进行归一化处理,转换函数如下;
S5.2、将样本数据集按4:1的比例随机分割为训练集和验证集;
S5.3、选择SVM的核函数,对SVM的两个超参数:惩罚参数C和容忍误差ε进行优化,然后进行调参找到最优惩罚参数C和最优容忍误差ε,再在整个训练集上重新训练模型,得到最终模型;
S5.4、用验证集对最终模型进行检验,确保预警系统的精度满足需求;
S5.5、输入当前特征参数组合,当预测施工状态为0时,双轮铣正常工作,当预测施工状态为1时,双轮铣施工状态存在异常,提醒双轮铣司机进行调整。
优选的是,所述调参采用交叉检验法交叉验证与网格搜索结合的方法进行:设定超参数的变化范围和间隔,根据设定的超参数变化范围和间隔,对不同超参数组合下的模型使用k折交叉验证法进行训练,得到不同超参数组合下的模型分数,选择最高分数对应的超参数作为最优超参数。
优选的是,所述k折交叉验证法为:把样本数据集分成k个大小相同的子集,每次取一个样本子集作为测试子集,取剩下的k-1个样本子集作为训练子集来训练分类器,用测试子集检验所训练的分类器的预测准确率,如此重复k次,得到模型分数。
优选的是,步骤S3中,对拍摄区域的钢丝绳的形心位置进行识别的步骤如下:
S3.1、对图像进行灰度化处理,将彩色图像转化为灰度图像;
S3.2、使用高斯滤波器对灰度图像进行平滑处理,滤除噪声,得到平滑图像;
S3.3、利用soble水平和垂直算子计算得到平滑图像每个像素点的梯度幅值和梯度方向;
S3.4、沿着梯度方向对梯度幅值进行非极大值抑制,保留局部梯度最大的点,以得到细化的边缘;
S3.5、使用双阈值检测算法确定真实和潜在的边缘,完成钢丝绳边缘检测,输出二值化图像;
S3.6,根据二值化图像的01矩阵f按公式其中i,j分别为矩阵f的行标和列标,f(i,j)表示矩阵f中的元素,q为比例尺,计算得到钢丝钢丝绳形心在水平方向的位置x,减去初始时刻的位置坐标x0,得到振动位移Sxt=xt-x0,根据钢丝绳的实际振动位移Sxt和对应的时刻t得到钢丝绳水平振动的时域波形(Sxt-t)。
本发明还提供一种基于图像识别的评估双轮铣工作状态的系统,包括顺次通信连接的图像采集系统、图像处理模块、数据处理模块、纠偏辅助决策模块和预警模块,图像采集系统用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像,图像采集系统用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像并传输给图像处理模块,图像处理模块用于对图像中的钢丝绳进行识别,得到钢丝绳的的水平位移,然后生成钢丝绳水平振动的时域波形并传输给数据处理模块,数据处理模块用于根据时域波形处理得到钢丝绳的瞬时振幅、瞬时振频,并计算出钢丝绳的垂直度,纠偏辅助决策模块中设置有钢丝绳的瞬时振幅、瞬时振频的阈值及钢丝绳的垂直度的控制值,纠偏辅助决策模块用于将获得的数据与设定值比较,超出阈值或控制值时向预警模块发送预警信号,预警模块接收到预警信号后进行警报操作。
优选的是,所述图像采集系统包括工业相机、白色背景板、补光灯,工业相机用于对所述双轮铣的钢丝绳进行拍摄形成图像数据,白色背景板布置在钢丝绳的后侧,补光灯朝向白色背景板和钢丝绳设置。
优选的是,还包括支撑装置,支撑装置包括主平台,主平台上靠近导墙施工处的一端设置提升轮,所述钢丝绳绕过提升轮后在竖向上与双轮铣连接,主平台在靠近所述钢丝绳的一端表面沿相对于所述钢丝绳对称的方向开设有一对凹槽,凹槽沿水平方向延伸,每个凹槽内滑动连接有竖杆,每个凹槽内还设置有用于临时卡位固定竖杆的楔块,一个竖杆的顶部沿水平方向连接有第一平板,另一个竖杆的顶部沿水平方向连接有第二平板,第一平板和第二平板在水平面内拼合设置且中部设置有槽口,所述钢丝绳穿过槽口,第一平板的面积大于第二平板且第一平板的底部在远离对应的竖杆的一侧可拆卸连接有撑杆,撑杆的下端用于支撑在导墙的另一侧地面表面,第一平板、第二平板上分别设置有用于安装所述图像采集系统、所述图像处理模块、所述数据处理模块、所述纠偏辅助决策模块和所述预警模块的安装座,第一平板和第二平板上还分别安装有一个振动监测模块,用于监测对应第一平板或第二平板上的振动,两个振动监测模块相对于所述钢丝绳对称设置且分别位于所述钢丝绳靠近及远离主平台的两侧,振动监测模块分别与所述数据处理模块通信连接并将采集到的振动信号传输给所述数据处理模块。
优选的是,所述第一平板和所述第二平板的底部还分别设置有若干个触杆,触杆在竖向的长度与所述第一平板/所述第二平板距离所述主平台的表面的长度一致。
本发明至少包括以下有益效果:
(1)本发明基于机器视觉技术对双轮铣钢丝绳的振动进行了监测,可以进行远距离的非接触式测量,且操作简单、测量快速、结果准确、成本低廉,后续的监测、双轮铣施工状态评估和预警以及纠偏辅助决策均可自动进行,提高了双轮铣施工时的智能化程度。
(2)本发明通过钢丝绳的振动评估了双轮铣的施工状态,可用于指导现场安全施工,通过钢丝绳的水平位移计算得到了双轮铣成槽施工时的实时倾斜度,可用于指导双轮铣施工过程中的纠偏操作,提高成槽质量。
(3)本发明的基于图像识别的评估双轮铣工作状态的系统,包括图像采集系统、图像处理模块、数据处理模块、纠偏辅助决策模块和预警模块,通过数据处理模块获得钢丝绳水平振动的时域波形,通过纠偏辅助决策模块对比设定值,之后通过预警模块控制预警,监测时通过支撑装置提供安装座便于各模块的集成安装,并设置补偿的振动监测模块,保证对钢丝绳振动状态评估的准确性。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的基于图像识别的评估双轮铣工作状态的方法的流程图;
图2为本发明的基于图像识别的评估双轮铣工作状态的系统的工作示意图;
图3为本发明的一个实施例中所测的钢丝绳水平振动的时域波形图;
图4为本发明的基于图像识别的评估双轮铣工作状态的系统的模块连接示意图;
图5为本发明的基于图像识别的评估双轮铣工作状态的系统的一个实施例的侧视结构图;
图6为本发明的基于图像识别的评估双轮铣工作状态的系统的一个实施例的俯视结构图。
说明书附图标记说明:1、卷扬机卷筒,2、卷筒与提升轮之间的钢丝绳,3、提升轮,4、双轮铣与提升轮之间的钢丝绳,5、图像采集系统,6、铣轮结构,7、主平台,8、凹槽,9、竖杆,10、楔块,11、第一平板,12、第二平板,13、槽口,14、撑杆,15、安装座,16、振动监测模块,17、触杆,18、导墙施工处。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得;在本发明的描述中,术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1-4所示,本发明提供基于图像识别的评估双轮铣工作状态的方法,包括:
S1、建立项目数据库,用于存储相关数据。
S2、确定拍摄区域,连续采集双轮铣施工过程中连接双轮铣的钢丝绳4的振动状态图像。
具体的,根据双轮铣与提升机构之间的竖向钢丝绳4位置和高度,设置图像采集系统5,确定拍摄区域,可通过图像处理模块加载工业相机连续采集图像。
S3、读取采集到的图像,根据图像的像素高度与拍摄区域的实际高度计算得到比例尺,通过图像识别技术确定钢丝绳4的形心位置变化量,得到钢丝绳4的水平位移,从而得到钢丝绳4水平振动随时间变化的时域波形并存储在项目数据库中。
图像识别技术采用Canny边缘检测算法对拍摄区域钢丝绳的形心位置进行识别,根据图像像素高度与拍摄区域实际高度计算得到比例尺q,Canny边缘检测算法基于最优化理论,具有信噪比高、检测精度高和计算速度快等优点。
S4、对钢丝绳4水平振动的时域波形进行特征提取,得到钢丝绳4的瞬时振幅、瞬时振频,根据钢丝绳4的对应的水平位移计算得到钢丝绳倾斜度并存储在项目数据库中。具体的,使用希尔伯特-黄变换(HHT)对钢丝绳水平振动的时域波形进行特征提取,获取瞬时振幅wt和瞬时频率ft。
S5、根据项目数据库中双轮铣正常工作的历史数据建立预警系统,并设定预警阈值,以评估当前双轮铣施工状态是否为正常工作,若超过预警阈值,预警系统发出预警。
S6、在预警系统中设置地下连续墙垂直度允许偏差值,当钢丝绳4倾斜度大于地下连续墙垂直度允许偏差值时,预警系统提醒双轮铣司机进行纠偏操作。
本发明的基于图像识别的评估双轮铣工作状态的方法基于机器视觉技术评估双轮铣的施工状态,通过对预警阈值所在的数据进行监测,对应指导纠偏操作,解决了常规接触式传感器无法监测双轮铣施工状态的难题,在实现快速、便捷、无接触式测量的同时,提高了双轮铣施工的安全性以及智能化程度。
在另一种技术方案中,如图1所示,实时获得所述钢丝绳的瞬时振幅wt、瞬时振频ft,所述预警阈值包括瞬时频率阈值Tf和瞬时振幅阈值Tw,当ft<Tf且wt<Tw,评估双轮铣为正常工作,当ft>Tf或wt>Tw,评估双轮铣的施工状态存在异常,预警系统发出预警,提醒双轮铣司机进行调整。本方案中选择瞬时振幅和瞬时频率来监测表征双轮铣钢丝绳的振动,能够对双轮铣的施工状态评估和了解更直接、准确。
在另一种技术方案中,如图1所示,步骤S5中预警系统的建立方法如下:
S5.1、根据双轮铣正常工作的历史数据选择样本数据集(f,w,y),其中f、w为用来预测双轮铣施工状态的特征参数组合,y为特征参数组合对应的施工状态,对样本数据进行处理,将y按正常施工状态为0、异常施工状态为1的原则进行数字化处理,对特征参数组合按最大最小值法进行归一化处理,转换函数如下;
S5.2、将样本数据集按4:1的比例随机分割为训练集和验证集;
S5.3、选择SVM的核函数,对SVM的两个超参数:惩罚参数C和容忍误差ε进行优化,然后进行调参找到最优惩罚参数C和最优容忍误差ε,再在整个训练集上重新训练模型,得到最终模型;
S5.4、用验证集对最终模型进行检验,确保预警系统的精度满足需求;
S5.5、输入当前特征参数组合,当预测施工状态为0时,双轮铣正常工作,当预测施工状态为1时,双轮铣施工状态存在异常,提醒双轮铣司机进行调整。
其中,选择SVM的核函数,常用的SVM的核函数有线性核函数、多项式核函数、sigmoid核函数和RBF核函数,其中以RBF核函数应用最为广泛,其收敛域宽,适用范围广,在低维、高维、小样本、大样本等情况下均表现出卓越的性能,且其参数相对较少,本实施例中选择RBF核函数作为SVM的核函数。进行归一化处理后,预测施工状态为0时即可代表双轮铣正常工作,预测施工状态为1时双轮铣施工状态存在异常,预警系统提醒双轮铣司机进行纠偏操作。
在另一种技术方案中,所述调参采用交叉检验法交叉验证与网格搜索结合的方法进行:设定超参数的变化范围和间隔,根据设定的超参数变化范围和间隔,对不同超参数组合下的模型使用k折交叉验证法进行训练,得到不同超参数组合下的模型分数,选择最高分数对应的超参数作为最优超参数。
在另一种技术方案中,所述k折交叉验证法为:把样本数据集分成k个大小相同的子集,每次取一个样本子集作为测试子集,取剩下的k-1个样本子集作为训练子集来训练分类器,用测试子集检验所训练的分类器的预测准确率,如此重复k次,得到模型分数。可选择k=10,采用10折交叉法进行验证。
在另一种技术方案中,如图1、图3所示,步骤S3中,对拍摄区域的钢丝绳4的形心位置进行识别的步骤如下:
S3.1、对图像进行灰度化处理,将彩色图像转化为灰度图像;
S3.2、使用高斯滤波器对灰度图像进行平滑处理,滤除噪声,得到平滑图像;
S3.3、利用soble水平和垂直算子计算得到平滑图像每个像素点的梯度幅值和梯度方向;
S3.4、沿着梯度方向对梯度幅值进行非极大值抑制,保留局部梯度最大的点,以得到细化的边缘;
S3.5、使用双阈值检测算法确定真实和潜在的边缘,完成钢丝绳边缘检测,输出二值化图像;
S3.6,根据二值化图像的01矩阵f按公式其中i,j分别为矩阵f的行标和列标,f(i,j)表示矩阵f中的元素,q为比例尺,计算得到钢丝钢丝绳形心在水平方向的位置x,减去初始时刻的位置坐标x0,得到振动位移Sxt=xt-x0,根据钢丝绳的实际振动位移Sxt和对应的时刻t得到钢丝绳水平振动的时域波形(Sxt-t)。
按照本发明提供的基于图像识别的评估双轮铣工作状态的方法,连续获取钢丝绳的振动状态图像,根据二值化图像的01矩阵f按下式计算得到钢丝钢丝绳形心在水平方向的位置x,减去初始时刻的位置坐标x0,得到振动位移Sxt=xt-x0,根据钢丝绳的实际振动位移Sxt和对应的时刻t得到钢丝绳水平振动的时域波形(Sxt-t),时域波形图如图3所示,取k=10,即采用10折交叉法,可设定超参数C和ε的变化范围和间隔分别为((1,100),1)和((0.01,0.20),0.01),得到最优超参数值,之后用验证集对最终模型进行检验,得到模型的准确率超过93%,双轮铣施工状态评估预警系统精度满足使用需求。
一种评估双轮铣工作状态的系统,如图4所示,包括顺次通信连接的图像采集系统5、图像处理模块、数据处理模块、纠偏辅助决策模块和预警模块,图像采集系统5用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳4的振动状态图像,图像采集系统5用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳4的振动状态图像并传输给图像处理模块,图像处理模块用于对图像中的钢丝绳4进行识别,得到钢丝绳4的的水平位移,然后生成钢丝绳4水平振动的时域波形并传输给数据处理模块,数据处理模块用于根据时域波形处理得到钢丝绳4的瞬时振幅、瞬时振频,并计算出钢丝绳的垂直度,纠偏辅助决策模块中设置有钢丝绳4的瞬时振幅、瞬时振频的阈值及钢丝绳4的垂直度的控制值,纠偏辅助决策模块用于将获得的数据与设定值比较,超出阈值或控制值时向预警模块发送预警信号,预警模块接收到预警信号后进行警报操作。
通过设置的纠偏辅助决策模块实时对比获得的钢丝绳4的瞬时振幅、瞬时振频及钢丝绳的垂直度同时与对应的阈值、预设值分别进行对比,以评估双轮铣的工作状态,若为非正常工作状态则通过预警模块进行预警,帮助司机及时对双轮铣进行纠偏操作。
在另一种技术方案中,所述图像采集系统5包括工业相机、白色背景板、补光灯,工业相机用于对所述双轮铣的钢丝绳4进行拍摄形成图像数据,白色背景板布置在钢丝绳4的后侧,补光灯朝向白色背景板和钢丝绳4设置。
设置图像采集系统55时工业相机与铣切平面平行,白色背景板与铣切平面垂直,图像采集系统5的布置如图2所示,其中钢丝绳从卷扬机卷筒1引出,钢丝绳位于卷筒与提升轮之间的部分为2,钢丝绳绕过提升轮3后与双轮铣连接,钢丝绳位于铣轮结构与提升轮之间的部分为4,图像采集系统5设置在位于铣轮结构与提升轮之间的钢丝绳4处,由于视图角度的限制仅画出了白色背景屏,与白色背景屏垂直的工业相机未能画出,铣轮结构6包括刀架和铣轮。
在另一种技术方案中,如图5-6所示,还包括支撑装置,支撑装置包括主平台7,主平台上靠近导墙施工处18的一端设置提升轮3,所述钢丝绳4绕过提升轮3后在竖向上与双轮铣连接,主平台7在靠近所述钢丝绳4的一端表面沿相对于所述钢丝绳4对称的方向开设有一对凹槽8,凹槽8沿水平方向延伸,每个凹槽8内滑动连接有竖杆9,每个凹槽8内还设置有用于临时卡位固定竖杆9的楔块10,一个竖杆9的顶部沿水平方向连接有第一平板11,另一个竖杆9的顶部沿水平方向连接有第二平板12,第一平板11和第二平板12在水平面内拼合设置且中部设置有槽口13,所述钢丝绳穿过槽口13,第一平板11的面积大于第二平板12且第一平板11的底部在远离对应的竖杆9的一侧可拆卸连接有撑杆14,撑杆14的下端用于支撑在导墙的另一侧地面表面,第一平板11、第二平板12上分别设置有用于安装所述图像采集系统5、所述图像处理模块、所述数据处理模块、所述纠偏辅助决策模块和所述预警模块的安装座15,第一平板11和第二平板12上还分别安装有一个振动监测模块16,用于监测对应第一平板11或第二平板12上的振动,两个振动监测模块16相对于所述钢丝绳对称设置且分别位于所述钢丝绳靠近及远离主平台7的两侧,振动监测模块16分别与所述数据处理模块通信连接并将采集到的振动信号传输给所述数据处理模块。
钢丝绳连接双轮铣下放到导墙施工处地面以下后,通过竖杆9在凹槽8内沿水平方向滑动,第一平板11、第二平板12与对应的竖杆9垂直固定,从而带动对应的第一平板11、第二平板12在水平面内转动,移动到导墙的另一侧上,并分别靠近钢丝绳,直至第一平板11和第二平板12拼合连接起来,拼合连接可通过在对应位置的第一平板11、第二平板12对应设置凸块和凹腔实现,然后在第一平板11的底部设置撑杆14,撑杆14可设置为伸缩套管结构或通过丝杆螺栓改变高度的结构,撑杆14的下端固定支撑在导墙的另一侧的底面上、上端支撑第一平板11,稳固平稳后,在凹槽8内插入楔块10以卡位固定住竖杆9,由此第一平板11和第二平板12环绕固定在钢丝绳周围,然后在第一平板11、第二平板12上的安装座15上安装固定图像采集系统5、图像处理模块、数据处理模块、纠偏辅助决策模块和预警模块,各模块可集成安装,一同安装振动监测模块16,两个振动监测模块16形成补偿机制,在对应位置分别监测第一平板11、第二平板12处的振动信号,并传输给数据处理模块,数据处理模块中取两个振动信号的平均值再被减至由图像处理模块获得的振动状态数据中,最后获得拟合后的时域波形,再由数据处理模块获得钢丝绳的瞬时振幅、瞬时振频,监测工作完成后,按安装顺序拆除即可,最后将第一平板11、第二平板12旋转至远离导墙施工处、主平台7上方收纳。
另一种技术方案中,如图5-6所示,所述第一平板11和所述第二平板12的底部还分别设置有若干个触杆17,触杆17在竖向的长度与所述第一平板11/所述第二平板12距离所述主平台7的表面的长度一致。
通过设置触杆17,当旋转第一平板11、第二平板12至主平台7上后,通过触杆17与竖杆9共同支撑第一平板11、第二平板12。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.基于图像识别的评估双轮铣工作状态的方法,其特征在于,包括:
S1、建立项目数据库;
S2、确定拍摄区域,连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像;
S3、读取采集到的图像,根据图像的像素高度与拍摄区域的实际高度计算得到比例尺,通过图像识别技术确定钢丝绳的形心位置变化量,得到钢丝绳的水平位移,从而得到钢丝绳水平振动随时间变化的时域波形并存储在项目数据库中;
S4、对钢丝绳水平振动的时域波形进行特征提取,得到钢丝绳的瞬时振幅、瞬时振频,根据钢丝绳的对应的水平位移计算得到钢丝绳倾斜度并存储在项目数据库中;
S5、根据项目数据库中双轮铣正常工作的历史数据建立预警系统,并设定预警阈值,以评估当前双轮铣施工状态是否为正常工作,若超过预警阈值,预警系统发出预警;
S6、在预警系统中设置地下连续墙垂直度允许偏差值,当钢丝绳倾斜度大于地下连续墙垂直度允许偏差值时,预警系统提醒双轮铣司机进行纠偏操作。
2.如权利要求1所述的基于图像识别的评估双轮铣工作状态的方法,其特征在于,实时获得所述钢丝绳的瞬时振幅wt、瞬时振频ft,所述预警阈值包括瞬时频率阈值Tf和瞬时振幅阈值Tw,当ft<Tf且wt<Tw,评估双轮铣为正常工作,当ft>Tf或wt>Tw,评估双轮铣的施工状态存在异常,预警系统发出预警,提醒双轮铣司机进行调整。
3.如权利要求2所述的基于图像识别的评估双轮铣工作状态的方法,其特征在于,步骤S5中预警系统的建立方法如下:
S5.1、根据双轮铣正常工作的历史数据选择样本数据集(f,w,y),其中f、w为用来预测双轮铣施工状态的特征参数组合,y为特征参数组合对应的施工状态,对样本数据进行处理,将y按正常施工状态为0、异常施工状态为1的原则进行数字化处理,对特征参数组合按最大最小值法进行归一化处理,转换函数如下;
S5.2、将样本数据集按4:1的比例随机分割为训练集和验证集;
S5.3、选择SVM的核函数,对SVM的两个超参数:惩罚参数C和容忍误差ε进行优化,然后进行调参找到最优惩罚参数C和最优容忍误差ε,再在整个训练集上重新训练模型,得到最终模型;
S5.4、用验证集对最终模型进行检验,确保预警系统的精度满足需求;
S5.5、输入当前特征参数组合,当预测施工状态为0时,双轮铣正常工作,当预测施工状态为1时,双轮铣施工状态存在异常,提醒双轮铣司机进行调整。
4.如权利要求3所述的基于图像识别的评估双轮铣工作状态的方法,其特征在于,所述调参采用交叉检验法交叉验证与网格搜索结合的方法进行:设定超参数的变化范围和间隔,根据设定的超参数变化范围和间隔,对不同超参数组合下的模型使用k折交叉验证法进行训练,得到不同超参数组合下的模型分数,选择最高分数对应的超参数作为最优超参数。
5.如权利要求4所述的基于图像识别的评估双轮铣工作状态的方法,其特征在于,所述k折交叉验证法为:把样本数据集分成k个大小相同的子集,每次取一个样本子集作为测试子集,取剩下的k-1个样本子集作为训练子集来训练分类器,用测试子集检验所训练的分类器的预测准确率,如此重复k次,得到模型分数。
6.如权利要求1所述的基于图像识别的评估双轮铣工作状态的方法,其特征在于,步骤S3中,对拍摄区域的钢丝绳的形心位置进行识别的步骤如下:
S3.1、对图像进行灰度化处理,将彩色图像转化为灰度图像;
S3.2、使用高斯滤波器对灰度图像进行平滑处理,滤除噪声,得到平滑图像;
S3.3、利用soble水平和垂直算子计算得到平滑图像每个像素点的梯度幅值和梯度方向;
S3.4、沿着梯度方向对梯度幅值进行非极大值抑制,保留局部梯度最大的点,以得到细化的边缘;
S3.5、使用双阈值检测算法确定真实和潜在的边缘,完成钢丝绳边缘检测,输出二值化图像;
7.基于图像识别的评估双轮铣工作状态的系统,其特征在于,包括顺次通信连接的图像采集系统、图像处理模块、数据处理模块、纠偏辅助决策模块和预警模块,图像采集系统用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像,图像采集系统用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像并传输给图像处理模块,图像处理模块用于对图像中的钢丝绳进行识别,得到钢丝绳的的水平位移,然后生成钢丝绳水平振动的时域波形并传输给数据处理模块,数据处理模块用于根据时域波形处理得到钢丝绳的瞬时振幅、瞬时振频,并计算出钢丝绳的垂直度,纠偏辅助决策模块中设置有钢丝绳的瞬时振幅、瞬时振频的阈值及钢丝绳的垂直度的控制值,纠偏辅助决策模块用于将获得的数据与设定值比较,超出阈值或控制值时向预警模块发送预警信号,预警模块接收到预警信号后进行警报操作。
8.如权利要求7所述的基于图像识别的评估双轮铣工作状态的系统,其特征在于,所述图像采集系统包括工业相机、白色背景板、补光灯,工业相机用于对所述双轮铣的钢丝绳进行拍摄形成图像数据,白色背景板布置在钢丝绳的后侧,补光灯朝向白色背景板和钢丝绳设置。
9.如权利要求8所述的基于图像识别的评估双轮铣工作状态的系统,其特征在于,还包括支撑装置,支撑装置包括主平台,主平台上靠近导墙施工处的一端设置提升轮,所述钢丝绳绕过提升轮后在竖向上与双轮铣连接,主平台在靠近所述钢丝绳的一端表面沿相对于所述钢丝绳对称的方向开设有一对凹槽,凹槽沿水平方向延伸,每个凹槽内滑动连接有竖杆,每个凹槽内还设置有用于临时卡位固定竖杆的楔块,一个竖杆的顶部沿水平方向连接有第一平板,另一个竖杆的顶部沿水平方向连接有第二平板,第一平板和第二平板在水平面内拼合设置且中部设置有槽口,所述钢丝绳穿过槽口,第一平板的面积大于第二平板且第一平板的底部在远离对应的竖杆的一侧可拆卸连接有撑杆,撑杆的下端用于支撑在导墙的另一侧地面表面,第一平板、第二平板上分别设置有用于安装所述图像采集系统、所述图像处理模块、所述数据处理模块、所述纠偏辅助决策模块和所述预警模块的安装座,第一平板和第二平板上还分别安装有一个振动监测模块,用于监测对应第一平板或第二平板上的振动,两个振动监测模块相对于所述钢丝绳对称设置且分别位于所述钢丝绳靠近及远离主平台的两侧,振动监测模块分别与所述数据处理模块通信连接并将采集到的振动信号传输给所述数据处理模块。
10.如权利要求9所述的基于图像识别的评估双轮铣工作状态的系统,其特征在于,所述第一平板和所述第二平板的底部还分别设置有若干个触杆,触杆在竖向的长度与所述第一平板/所述第二平板距离所述主平台的表面的长度一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334489.0A CN114919079B (zh) | 2022-03-31 | 2022-03-31 | 基于图像识别的评估双轮铣工作状态的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334489.0A CN114919079B (zh) | 2022-03-31 | 2022-03-31 | 基于图像识别的评估双轮铣工作状态的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114919079A true CN114919079A (zh) | 2022-08-19 |
CN114919079B CN114919079B (zh) | 2023-05-23 |
Family
ID=82804990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210334489.0A Active CN114919079B (zh) | 2022-03-31 | 2022-03-31 | 基于图像识别的评估双轮铣工作状态的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114919079B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117608326A (zh) * | 2024-01-19 | 2024-02-27 | 四川图林科技有限责任公司 | 一种半球谐振陀螺的半球谐振子振动幅值控制系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203779705U (zh) * | 2014-01-29 | 2014-08-20 | 徐工集团工程机械股份有限公司 | 一种双轮铣槽机的进给装置及双轮铣槽机 |
CN109710649A (zh) * | 2018-11-14 | 2019-05-03 | 中交第二航务工程局有限公司 | 周转材料推荐方法及系统 |
CN110387879A (zh) * | 2019-06-27 | 2019-10-29 | 中交第二航务工程局有限公司 | 一种液压振动锤击沉管的混凝土灌注桩施工方法 |
CN110398305A (zh) * | 2019-08-22 | 2019-11-01 | 沈邕 | 一种建筑施工架体受力监测装置 |
CN110528498A (zh) * | 2018-05-23 | 2019-12-03 | 中铁七局集团西安铁路工程有限公司 | 一种花岗岩地质的地下连续墙成槽的施工方法 |
-
2022
- 2022-03-31 CN CN202210334489.0A patent/CN114919079B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203779705U (zh) * | 2014-01-29 | 2014-08-20 | 徐工集团工程机械股份有限公司 | 一种双轮铣槽机的进给装置及双轮铣槽机 |
CN110528498A (zh) * | 2018-05-23 | 2019-12-03 | 中铁七局集团西安铁路工程有限公司 | 一种花岗岩地质的地下连续墙成槽的施工方法 |
CN109710649A (zh) * | 2018-11-14 | 2019-05-03 | 中交第二航务工程局有限公司 | 周转材料推荐方法及系统 |
CN110387879A (zh) * | 2019-06-27 | 2019-10-29 | 中交第二航务工程局有限公司 | 一种液压振动锤击沉管的混凝土灌注桩施工方法 |
CN110398305A (zh) * | 2019-08-22 | 2019-11-01 | 沈邕 | 一种建筑施工架体受力监测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117608326A (zh) * | 2024-01-19 | 2024-02-27 | 四川图林科技有限责任公司 | 一种半球谐振陀螺的半球谐振子振动幅值控制系统及方法 |
CN117608326B (zh) * | 2024-01-19 | 2024-03-29 | 四川图林科技有限责任公司 | 一种半球谐振陀螺的半球谐振子振动幅值控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114919079B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580657B (zh) | 一种桥梁质量检测中的裂缝检测方法 | |
CN107449589B (zh) | 一种hud成像位置检测装置及方法 | |
CN105937879B (zh) | 一种边坡位移及倾角监测装置及方法 | |
CN109754368A (zh) | 一种桥梁质量检测中的裂缝拼接方法 | |
WO2023045299A1 (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
CN104977305A (zh) | 一种基于红外视觉的焊接质量分析装置及分析方法 | |
CN110458157B (zh) | 一种电力电缆生产过程智能监控系统 | |
CN114919079A (zh) | 基于图像识别的评估双轮铣工作状态的方法及系统 | |
CN114898523A (zh) | 一种具有测距功能的输电线路图像监测方法及装置 | |
RU2459213C1 (ru) | Устройство и способ для измерения вертикального ускорения пантографа посредством обработки изображения | |
CN113112500A (zh) | 基于机器视觉的电梯曳引轮磨损量表征方法及系统 | |
CN116026414A (zh) | 一体化架桥机监测系统及监测方法 | |
CN108821117A (zh) | 一种智慧型桥面吊机 | |
CN106289678A (zh) | 一种圆柱体异形鼓曲检测装置与识别方法 | |
CN112085787B (zh) | 一种基于单目视觉的提升钢丝绳空间振动测量方法 | |
CN102183206B (zh) | 一种pcb板上线路的线宽测量方法 | |
KR101236845B1 (ko) | 계측 시스템 및 이를 이용한 계측방법 | |
CN110244717B (zh) | 基于既有三维模型的港口起重机攀爬机器人自动寻路方法 | |
CN109675936A (zh) | 带钢浪形在线检测系统及方法 | |
CN208232559U (zh) | 一种凹印版辊检测设备 | |
CN102928093A (zh) | 一种基于红外的钢坯表面温度检测装置 | |
CN209894722U (zh) | 一种测量桥梁结构裂缝的自动识别装置 | |
CN109539980B (zh) | 一种基于图像处理的接触线抬升量实时测量方法 | |
CN211085051U (zh) | 一种基于倾斜角度补偿的电梯轨道检测装置 | |
CN211078082U (zh) | 基于加速度补偿的电梯轨道检测装置 |
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 |