CN115937165A - 一种移动式螺栓松动智能检测识别方法及系统 - Google Patents

Abstract

本发明涉及智能检测技术领域，提供了一种移动式螺栓松动智能检测识别方法及系统，所述方法包括：通过移动检测车上设置的图像采集设备进行巡回图像采集，获得视频采集信息；进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；进行角度计算和异常特征分析，获得检测识别结果；当检测识别结果满足预警要求时，发送螺栓松动预警信息，并将检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理，解决了螺栓松动监测的覆盖位置与角度相对固定，监测灵活性差，检测识别效率与精度低的技术问题，实现了对移动检测车同步进行位移控制，提高监测灵活性，丰富螺栓松动监测的覆盖位置与角度，全面提升检测识别效率与精度的技术效果。

Description

一种移动式螺栓松动智能检测识别方法及系统

技术领域

本发明涉及智能检测相关技术领域，具体涉及一种移动式螺栓松动智能检测识别方法及系统。

背景技术

高强螺栓连接是目前钢结构桥梁应用最为广泛的一种连接方式，但因其长期处于振动、冲击、长期负荷状态，高强度螺栓容易出现疲劳松动、脱落断裂，严重影响结构设备的正常运行，造成不可估量的经济损失甚至付出生命的代价。目前钢桥运营阶段高强螺栓的检查和维护存在许多不足，给螺栓检测造成了很大的不便，亟需发展新的螺栓检测监测技术。

由此进行螺栓松动智能检测，可以在钢桥运营阶段高强螺栓的检查和维护，维护钢桥等相关高强螺栓连接结构体的使用安全保障，常见的，采用深度学习的图像识别技术进行检测，但由于是固定点位去拍摄照片，存在成本高，覆盖面低，灵活性差，难以推广的缺点。

综上所述，现有技术中存在螺栓松动监测的覆盖位置与角度相对固定，监测灵活性差，检测识别效率与精度低的技术问题。

发明内容

本申请通过提供了一种移动式螺栓松动智能检测识别方法及系统，旨在解决现有技术中的螺栓松动监测的覆盖位置与角度相对固定，监测灵活性差，检测识别效率与精度低的技术问题。

鉴于上述问题，本申请实施例提供了一种移动式螺栓松动智能检测识别方法及系统。

本申请公开的第一个方面，提供了一种移动式螺栓松动智能检测识别方法，其中，所述方法应用于移动式螺栓松动智能检测识别系统，所述系统包括一移动检测车，所述方法包括：通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；对所述视频采集信息进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，并将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理。

本申请公开的另一个方面，提供了一种移动式螺栓松动智能检测识别系统，其中，所述系统包括一移动检测车，所述系统包括：巡回图像采集模块，用于通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；关键帧提取模块，用于对所述视频采集信息进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；检测识别结果获得模块，用于基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；螺栓松动预警发送模块，用于当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，并将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；进行角度计算和异常特征分析，获得检测识别结果；当检测识别结果满足预警要求时，发送螺栓松动预警信息，并将检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理，实现了搭载移动检测车，对移动检测车同步进行位移控制，提高监测灵活性，丰富螺栓松动监测的覆盖位置与角度，全面提升检测识别效率与精度的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种移动式螺栓松动智能检测识别方法可能的流程示意图；

图2为本申请实施例提供了一种移动式螺栓松动智能检测识别方法中松动预测模型构建可能的流程示意图；

图3为本申请实施例提供了一种移动式螺栓松动智能检测识别方法中松动预测信息获得可能的流程示意图；

图4为本申请实施例提供了一种移动式螺栓松动智能检测识别系统可能的结构示意图。

附图标记说明：巡回图像采集模块100，关键帧提取模块200，检测识别结果获得模块300，螺栓松动预警发送模块400。

具体实施方式

本申请通过提供了一种移动式螺栓松动智能检测识别方法及系统，解决了螺栓松动监测的覆盖位置与角度相对固定，监测灵活性差，检测识别效率与精度低的技术问题，实现了搭载移动检测车，对移动检测车同步进行位移控制，提高监测灵活性，丰富螺栓松动监测的覆盖位置与角度，全面提升检测识别效率与精度的技术效果。

实施例一

如图1所示，本申请实施例提供了一种移动式螺栓松动智能检测识别方法，其中，所述方法应用于移动式螺栓松动智能检测识别系统，所述系统包括一移动检测车，所述方法包括：

S10：通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；

S20：对所述视频采集信息进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；

S30：基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；

S40：当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，并将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理。

具体而言，所述移动式螺栓松动智能检测识别系统包括一移动检测车，所述移动检测车用于在目标检测区域进行巡检，所述目标检测区域可以是桥梁等相关高强螺栓连接结构体，所述移动检测车的位移控制指令由移动式螺栓松动智能检测识别系统发布，所述移动式螺栓松动智能检测识别系统内置高性能GPU计算单元，含2048个CUDA，具有强大的AI性能和图像处理功能(12核A78 64位CPU；32G 256位DDR5内存；64G固态硬盘)，为进行螺栓松动全自动检测识别提供硬件支持；

所述移动检测车上搭载图像采集设备，所述图像采集设备可以是摄像机等相关图像实时采集装置，所述预设螺栓范围为所述目标检测区域中布设高强螺栓的区域，所述视频采集信息为同步采集处理的图像信息(所述图像采集设备的相关配置为：图像分辨率3448×2048、采集帧率20帧/秒、光学变焦镜头、识别距离：0.5～5m、USB 3.0接口，上述配置不做具体限定)，所述螺栓特征包括但不限于螺栓埋深、螺栓拧紧空间尺寸，所述螺栓特征包括但不限于高强螺栓的边缘特征、高强螺栓与螺母的边缘特征，所述螺栓松动预警信息包括松动螺栓位置信息、螺栓尺寸信息(不同尺寸的螺栓，需要选择不同的螺丝刀进行拧紧操作)(振动、冲击均会导致螺栓松动)；

通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集(巡回图像采集满足高强螺栓的全覆盖原则，所述全覆盖原则即目标检测区域内的所有高强螺栓全部均需要采集到)，获得视频采集信息；对所述视频采集信息进行关键帧(关键帧即存在高强螺栓影像信息的图像帧)提取，获取视频采集信息中的关键帧；

基于关键帧进行螺栓特征分析(一般的图像相关特征分析可以是卷积处理等相关基础算法，为现有技术，简单来说就是将关键帧的图像“减去”平滑后的图像，得到的就是一些边缘的信息，把这些边缘的信息叠加到关键帧的图像当中，特征锐化的效果，边缘的信息包括高强螺栓的边缘信息、高强螺栓与螺母的边缘信息)，确定螺栓特征；基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；设定预警要求(预设参数指标)，当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，所述螺栓松动预警信息用于提示所述移动式螺栓松动智能检测识别系统管理人员及时进行螺栓松动维护，将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理，为及时进行螺栓维护提供支持。

步骤S30包括步骤：

S31：基于所述螺栓特征，对螺栓进行定位，确定螺栓位置分布信息；

S32：根据所述螺栓位置分布信息进行螺栓位置风险性、结构支持度分析，确定各螺栓松动检测要求；

S33：基于所述螺栓特征进行螺栓角度计算，获得螺栓检测角度；

S34：利用预设异常特征对所述螺栓特征进行遍历分析，确定检测异常特征；

S35：根据所述螺栓检测角度、检测异常特征进行关联分析，确定综合异常特征；

S36：根据所述螺栓检测角度、检测异常特征、综合异常特征、螺栓松动检测要求，获得检测识别结果。

具体而言，基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果，具体包括：所述螺栓位置分布信息包括螺栓位置信息、螺栓分布信息，所述各螺栓松动检测要求包括螺栓位置风险性阈值、结构支持度阈值，所述预设异常特征包括但不限于载荷阈值(超出载荷阈值，会导致螺栓疲劳，螺栓疲劳是指螺栓和夹紧部件的永久性损坏或变形)；

基于所述螺栓特征，在目标检测区域内，对螺栓进行定位，确定螺栓位置分布信息；根据所述螺栓位置分布信息，进行螺栓位置风险性(处于承重区域的螺栓的位置风险性＞非承重区域的螺栓的位置风险性，具体依据螺栓所处的位置进行风险评估，一般的，螺栓位置风险性越高，对应的检测频率越高)、结构支持度分析(螺栓的型号参数不同，对应的受力载荷存在不同，螺栓使用说明中的额定载荷即结构支持度)，确定各螺栓松动检测要求；基于所述螺栓特征中的高强螺栓与螺母的边缘特征，进行螺栓角度计算(检测计算螺栓轴向角度与螺母轴向角度的夹角度数，越接近0度，稳定性越好)，获得螺栓检测角度；

利用预设异常特征，通过高强螺栓的边缘特征对所述螺栓特征进行遍历分析，遍历分析各个的高强螺栓拉伸是否处于弹性形变形变范围内，超出弹性形变形变范围即螺栓和夹紧部件的变形，确定检测异常特征；

设定预设关联区间，根据所述螺栓检测角度、检测异常特征进行关联分析，获取关联度，若所述关联度处于所述预设关联区间，对所述螺栓检测角度、检测异常特征进行加权计算(采用变异系数法进行加权计算，具体包括：所述变异系数法为一种客观赋权的方法，对所述螺栓检测角度进行归一化处理，直接利用所述归一化处理得到的各个结果所包含的信息，通过计算得到所述归一化处理得到的各个结果的权重，确定权重后，对所述检测异常特征进行权重计算，计算得到确定综合异常特征；若所述关联度不处于所述预设关联区间，直接将所述螺栓检测角度、检测异常特征设定为综合异常特征；

将所述螺栓检测角度、检测异常特征、综合异常特征、螺栓松动检测要求(支持在各类PC电脑和边缘设备上运行，内置螺栓松动智能识别专家系统，基于大数据，以所述螺栓检测角度、检测异常特征、综合异常特征、螺栓松动检测要求为约束信息进行数据检测，获取螺栓检测角度数据集、检测异常特征数据集、综合异常特征数据集、螺栓松动检测要求数据集，将螺栓检测角度数据集、检测异常特征数据集、综合异常特征数据集、螺栓松动检测要求数据集作为知识库，确定螺栓松动智能识别专家系统)输入螺栓松动智能识别专家系统，获得检测识别结果，为保证识别结果的可靠值提供支持。

步骤S36还包括步骤：

S361：获得移动检测车的采集区间，基于采集区间进行采集区域拼接，构建采集分布空间；

S362：根据所述采集分布空间进行区域联动分析，确定区域松动联动影响性；

S363：根据各区域检测识别结果、区域松动联动影响性进行全局松动分析，获得空间松动分析结果，基于空间松动分析结果进行预警分析。

具体而言，所述采集区间即采集区域的边界坐标信息，所述采集区间拼接存在限制，一般的，同一个连接部位的采集信息可以进行合并，所述采集分布空间为各个连接部位采集信息的分布空间，所述区域松动联动影响性某一个螺栓连接作用带来的相接的带来的力矩(力矩需要合成，力矩合成简单来说就是受力分解合并分析，如F_X＝cosθ₁F₁+cosθ₂F₂+……+cosθ_nF_n,其中，F_X为横轴方向的力的合成，θ₁为F₁与F_X之间的夹角，θ₂为F₂与F_X之间的夹角，θ_n为F_n与F_X之间的夹角，为进行后续分析提供数据支持)降低或消失带来的影响性(若F₁位置的螺栓松动，受力分析可得：F_X`＝cosθ<sub>1</sub>F<sub>1</sub>`+cosθ₂F₂`+……+cosθ<sub>n</sub>F<sub>n</sub>`，其中，若F₁`＜F<sub>1</sub>或F<sub>1</sub>`＝0，在保证连接有效的情况下，θ₁、θ₂、……θ_n＜90°，即存在F₂`＞F<sub>2</sub>、……、F<sub>n</sub>`＞F_n，所述区域松动联动影响性Q₁＝F₂`/F<sub>2</sub>×100％、……、Q<sub>n-1</sub>＝F<sub>n</sub>`/F_n×100％)，

在采集过程中，获得移动检测车的采集区间，基于采集区间，对各个连接部位进行采集区域拼接合并，构建采集分布空间；根据所述采集分布空间进行区域联动分析(由于同一个主体构件的振动、冲击相同的客观规律，对同一个主体构件的各个连接部位进行联动分析，所述区域联动分析就是以经典力学为支持，对各个主体构件的各个连接部位进行受力分析)，确定区域松动联动影响性；根据各区域检测识别结果、区域松动联动影响性进行全局松动分析(简单来说就是遍历所述采集分布空间中的各个连接部位，进行全局合并受力分析)，获得空间松动分析结果，基于空间松动分析结果进行预警分析，一方面，可以优化预警信息的优先级(多个螺栓均存在松动，同一个连接部位的其他螺栓受力超出载荷，优先进行维护；其余通过螺栓受力占载荷整体比重，进行优先级排序，螺栓受力占载荷整体比重为90％，优先级低于螺栓受力超出载荷，螺栓长期受力超出载荷，螺栓易出现疲劳松动、脱落断裂问题)，另一方面，可以为合理安排后续维护工作提供参考。

如图2所示，本申请实施例还包括步骤：

S51：通过移动检测车上设置的震动传感器，进行震动传感监测，构建震动监测数据库，所述震动监测数据库包括震动时间、震动幅值；

S52：获得螺栓松动记录数据，基于所述螺栓松动记录数据中的松动时间与所述震动监测数据库进行时间对齐，建立螺栓松动监测数据集；

S53：基于所述螺栓松动监测数据集进行螺栓松动与震动幅值、震动时间关系拟合，获得拟合函数关系；

S54：基于拟合函数关系，构建松动预测模型。

具体而言，通过移动检测车上设置的震动传感器，进行震动传感监测，将震动传感器采集所得数据收集，构建震动监测数据库，所述震动监测数据库包括震动时间、震动幅值；基于螺栓维护工作日志，获得螺栓松动记录数据，基于所述螺栓松动记录数据中的松动时间与所述震动监测数据库的震动时间进行时间对齐，建立螺栓松动监测数据集；基于所述螺栓松动监测数据集进行螺栓松动与震动幅值、震动时间关系拟合，构建一坐标系，所述坐标系的横坐标与纵坐标分别表示震动幅值、震动时间，将所述震动幅值组和震动时间组输入所述坐标系中进行数据统计，对统计结束的数据点进行曲线拟合，以螺栓松动作为函数目标，确定拟合函数关系；将所述拟合函数关系直接导入BP网络模型的网络层中，所述松动预测模型的输入层与输出层均为功能层，构建松动预测模型，为后续进行松动辨识提供模型支持，为及时排除螺栓松动提供支持。

如图3所示，步骤S54包括步骤：

S541：采集获得当前震动监测信息，并基于当前采集时间、预设相关周期，获得震动分析数据；

S542：基于所述当前采集时间、预设相关周期，获得相关螺栓特征；

S543：根据所述震动分析数据、相关螺栓特征，利用所述松动预测模型进行预测，获得松动预测信息。

具体而言，基于拟合函数关系，构建松动预测模型，所述步骤还包括：所述松动预测模型的输入层与输出层均为功能层，螺栓的弹性形变超出形变阈值，会产生塑性形变，经过累积会使得螺栓连接功能失效，所述震动分析数据包括当前所处周期(所述当前所处周期∈(0，1]、(1，2]或(2，3)；所述当前所处周期∈(0，1]即进行第一次从弹性形变超出形变阈值的过程；所述当前所处周期∈(1，2]即进行第二次从弹性形变超出形变阈值的过程；所述当前所处周期∈(2，3)即进行第三次从弹性形变超出形变阈值的过程)，所述相关螺栓特征包括震动监测频率等相关特征参数；

通过所述震动传感器，采集获得当前震动监测信息，并基于当前采集时间、预设相关周期(预设相关周期为预设参数指标，具体需要结合螺栓材料进行确定，预设相关周期即螺栓可以默认设置为3，即从弹性形变超出形变阈值循环3次，会产生不可逆转的塑性形变，为及时更换螺栓，保证螺栓连接的有效性提供支持)，获得震动分析数据；基于所述当前采集时间、预设相关周期，确定螺栓处于第几次从弹性形变超出形变阈值的过程阶段，若处于第一次，可以将相关螺栓特征设定为1min/次；若处于第二次，可以将相关螺栓特征设定为6S/次；若处于第三次，可以将相关螺栓特征设定为0.6S/次(数据为支持方案实施与理解所限定，仅做参考)，获得相关螺栓特征；基于相关螺栓特征，将采集所得当前震动监测信息与所述震动分析数据作为所述松动预测模型的输入层的输入数据，输入所述松动预测模型，获得松动预测信息，将所述松动预测信息添加到所述螺栓松动预警信息，为需要进行螺栓疲劳松动的第一时间进行螺栓拧紧加固提供支持。

所述通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集之前，步骤S541还包括步骤：

S541-1：获得螺栓应用环境信息，对所述螺栓应用环境信息进行松动因子分析提取，得到场景松动因子；

S541-2：根据所述场景松动因子进行松动影响度、因子关联性分析，确定松动影响系数；

S541-3：获得螺栓设置信息，包括螺栓属性信息、螺栓分布信息、螺栓使用时间；

S541-4：基于所述松动影响系数，根据所述螺栓属性信息、螺栓分布信息、螺栓使用时间，进行螺栓检测时间设定，获得预设采集时间信息。

具体而言，通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集之前，需要合理安排螺栓巡检检测任务，具体包括：所述螺栓应用环境信息可以包括环境湿度信息、环境风力信息，所述螺栓设置信息包括螺栓属性信息、螺栓分布信息、螺栓使用时间；

获得螺栓应用环境信息，采用PCA(Principal Component Analysis，主成成分分析法)对所述螺栓应用环境信息进行松动因子分析提取，采用所述螺栓应用环境信息构建矩阵，迭代矩阵位于对角线上的数据，每次下一次迭代都会进一步完善矩阵，直到它们收敛为止，得到场景松动因子；根据所述场景松动因子进行偏相关分析，通过所述场景松动因子从松动影响度方面进行偏相关计算(偏相关计算为现有技术)，获取第一偏向关系数；通过所述场景松动因子从因子关联性方面进行偏相关计算，第二偏向关系数，取所述第一偏向关系数与第二偏向关系数的均值，确定松动影响系数；获得螺栓设置信息，基于所述松动影响系数，根据所述螺栓属性信息、螺栓分布信息、螺栓使用时间，进行螺栓检测时间设定(如，风力较大导致螺栓松动的加剧，可以将螺栓巡检检测任务的螺栓检测时间设定在风力较大的时间段或是天气预报发出台风预警之前)，获得预设采集时间信息，为提高螺栓巡检检测任务安排的合理性提供基础，(台风等环境带来的螺栓预紧急剧降，桥梁稳定性收到威胁)降低因台风等环境带来的螺栓预紧急剧降低引发的灾难的概率。

步骤S5414还包括步骤：

S541-41：根据所述松动预测信息进行松动趋势分析；

S541-42：根据所述松动趋势分析与所述预设采集时间信息进行匹配度计算，确定采集趋势同步匹配结果；

S541-43：当所述采集趋势同步匹配结果为不匹配时，基于所述松动趋势分析，确定检测时间要求，利用所述检测时间要求对所述预设采集时间信息进行协同调整。

具体而言，根据所述松动预测信息，对螺栓进行松动趋势分析(一般的第一次的从弹性形变超出形变阈值的过程的时间周期长，第二次、第三次逐级递减，趋势分时需要结合弹性形变超出形变阈值的过程的次数进行等比例放缩，简单来说，第一次的从弹性形变超出形变阈值的过程的时间周期为1年，第二次的从弹性形变超出形变阈值的过程的时间周期为2个月，则将第一次的螺栓松动趋势分析曲线横向压缩6倍，即得到第二次的螺栓松动趋势分析曲线，第一次的松动趋势满足材料的弹性形变公式，所述材料的弹性形变公式为公知常识)；

根据所述松动趋势分析与所述预设采集时间信息进行匹配度计算，所述匹配度通过TOPSIS法(Technique for Order Preference by Similarity to ideal Sulution，优劣解距离法)，进行匹配度计算，具体的，对所述松动趋势分析与所述预设采集时间信息进行归一化处理，采用余弦法找出所述归一化处理结果中的最优匹配特征和最劣匹配特征，然后分别计算各评价对象与最优匹配特征和最劣匹配特征间的距离，获得各评价对象与最优匹配特征的相对接近程度，以此作为评价优劣的依据，确定采集趋势同步匹配结果；当所述采集趋势同步匹配结果为不匹配(所述采集趋势同步匹配结果为不匹配即低于采集趋势同步匹配结果50％)时，基于所述松动趋势分析，确定检测时间要求(所述检测时间要求一般为相关技术人员结合螺栓使用寿命设定)，利用所述检测时间要求对所述预设采集时间信息进行协同调整，采用螺栓使用寿命与松动趋势协同修正预设采集时间信息，进一步提高预设采集时间信息的精准度。

综上所述，本申请实施例所提供的一种移动式螺栓松动智能检测识别方法及系统具有如下技术效果：

1.由于采用了通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；进行角度计算和异常特征分析，获得检测识别结果；当检测识别结果满足预警要求时，发送螺栓松动预警信息，并将检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理，本申请通过提供了一种移动式螺栓松动智能检测识别方法及系统，实现了搭载移动检测车，对移动检测车同步进行位移控制，提高监测灵活性，丰富螺栓松动监测的覆盖位置与角度，全面提升检测识别效率与精度的技术效果。

2.由于采用了采集获得当前震动监测信息，并基于当前采集时间、预设相关周期，获得震动分析数据；基于当前采集时间、预设相关周期，获得相关螺栓特征，结合震动分析数据，利用松动预测模型进行预测，获得松动预测信息，为需要进行螺栓疲劳松动的第一时间进行螺栓拧紧加固提供支持。

实施例二

基于与前述实施例中一种移动式螺栓松动智能检测识别方法相同的发明构思，如图4所示，本申请实施例提供了一种移动式螺栓松动智能检测识别系统，其中，所述系统包括：

巡回图像采集模块100，用于通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；

关键帧提取模块200，用于对所述视频采集信息进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；

检测识别结果获得模块300，用于基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；

螺栓松动预警发送模块400，用于当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，并将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理。

进一步的，所述系统包括：

震动传感监测模块，用于通过移动检测车上设置的震动传感器，进行震动传感监测，构建震动监测数据库，所述震动监测数据库包括震动时间、震动幅值；

时间对齐模块，用于获得螺栓松动记录数据，基于所述螺栓松动记录数据中的松动时间与所述震动监测数据库进行时间对齐，建立螺栓松动监测数据集；

拟合函数关系获得模块，用于基于所述螺栓松动监测数据集进行螺栓松动与震动幅值、震动时间关系拟合，获得拟合函数关系；

松动预测模型构建模块，用于基于拟合函数关系，构建松动预测模型。

进一步的，所述系统包括：

震动分析数据获得模块，用于采集获得当前震动监测信息，并基于当前采集时间、预设相关周期，获得震动分析数据；

相关螺栓特征获得模块，用于基于所述当前采集时间、预设相关周期，获得相关螺栓特征；

松动预测信息获得模块，用于根据所述震动分析数据、相关螺栓特征，利用所述松动预测模型进行预测，获得松动预测信息。

进一步的，所述系统包括：

场景松动因子获得模块，用于获得螺栓应用环境信息，对所述螺栓应用环境信息进行松动因子分析提取，得到场景松动因子；

松动影响系数确定模块，用于根据所述场景松动因子进行松动影响度、因子关联性分析，确定松动影响系数；

螺栓设置信息获得模块，用于获得螺栓设置信息，包括螺栓属性信息、螺栓分布信息、螺栓使用时间；

螺栓检测时间设定模块，用于基于所述松动影响系数，根据所述螺栓属性信息、螺栓分布信息、螺栓使用时间，进行螺栓检测时间设定，获得预设采集时间信息。

进一步的，所述系统包括：

松动趋势分析模块，用于根据所述松动预测信息进行松动趋势分析；

匹配度计算模块，用于根据所述松动趋势分析与所述预设采集时间信息进行匹配度计算，确定采集趋势同步匹配结果；

检测时间要求确定模块，用于当所述采集趋势同步匹配结果为不匹配时，基于所述松动趋势分析，确定检测时间要求，利用所述检测时间要求对所述预设采集时间信息进行协同调整。

进一步的，所述系统包括：

螺栓位置分布信息确定模块，用于基于所述螺栓特征，对螺栓进行定位，确定螺栓位置分布信息；

螺栓松动检测要求确定模块，用于根据所述螺栓位置分布信息进行螺栓位置风险性、结构支持度分析，确定各螺栓松动检测要求；

螺栓角度计算模块，用于基于所述螺栓特征进行螺栓角度计算，获得螺栓检测角度；

遍历分析模块，用于利用预设异常特征对所述螺栓特征进行遍历分析，确定检测异常特征；

关联分析模块，用于根据所述螺栓检测角度、检测异常特征进行关联分析，确定综合异常特征；

检测识别结果获得模块，用于根据所述螺栓检测角度、检测异常特征、综合异常特征、螺栓松动检测要求，获得检测识别结果。

进一步的，所述系统包括：

采集区域拼接模块，用于获得移动检测车的采集区间，基于采集区间进行采集区域拼接，构建采集分布空间；

区域联动分析模块，用于根据所述采集分布空间进行区域联动分析，确定区域松动联动影响性；

预警分析模块，用于根据各区域检测识别结果、区域松动联动影响性进行全局松动分析，获得空间松动分析结果，基于空间松动分析结果进行预警分析。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种移动式螺栓松动智能检测识别方法，其特征在于，所述方法应用于移动式螺栓松动智能检测识别系统，所述系统包括一移动检测车，所述方法包括：

通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；

对所述视频采集信息进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；

基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；

当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，并将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过移动检测车上设置的震动传感器，进行震动传感监测，构建震动监测数据库，所述震动监测数据库包括震动时间、震动幅值；

获得螺栓松动记录数据，基于所述螺栓松动记录数据中的松动时间与所述震动监测数据库进行时间对齐，建立螺栓松动监测数据集；

基于所述螺栓松动监测数据集进行螺栓松动与震动幅值、震动时间关系拟合，获得拟合函数关系；

基于拟合函数关系，构建松动预测模型。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

采集获得当前震动监测信息，并基于当前采集时间、预设相关周期，获得震动分析数据；

基于所述当前采集时间、预设相关周期，获得相关螺栓特征；

根据所述震动分析数据、相关螺栓特征，利用所述松动预测模型进行预测，获得松动预测信息。

4.如权利要求3所述的方法，其特征在于，所述通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集之前，包括：

获得螺栓应用环境信息，对所述螺栓应用环境信息进行松动因子分析提取，得到场景松动因子；

根据所述场景松动因子进行松动影响度、因子关联性分析，确定松动影响系数；

获得螺栓设置信息，包括螺栓属性信息、螺栓分布信息、螺栓使用时间；

基于所述松动影响系数，根据所述螺栓属性信息、螺栓分布信息、螺栓使用时间，进行螺栓检测时间设定，获得预设采集时间信息。

5.如权利要求4所述的方法，其特征在于，所述方法包括：

根据所述松动预测信息进行松动趋势分析；

根据所述松动趋势分析与所述预设采集时间信息进行匹配度计算，确定采集趋势同步匹配结果；

当所述采集趋势同步匹配结果为不匹配时，基于所述松动趋势分析，确定检测时间要求，利用所述检测时间要求对所述预设采集时间信息进行协同调整。

6.如权利要求1所述的方法，其特征在于，基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果，包括：

基于所述螺栓特征，对螺栓进行定位，确定螺栓位置分布信息；

根据所述螺栓位置分布信息进行螺栓位置风险性、结构支持度分析，确定各螺栓松动检测要求；

基于所述螺栓特征进行螺栓角度计算，获得螺栓检测角度；

利用预设异常特征对所述螺栓特征进行遍历分析，确定检测异常特征；

根据所述螺栓检测角度、检测异常特征进行关联分析，确定综合异常特征；

根据所述螺栓检测角度、检测异常特征、综合异常特征、螺栓松动检测要求，获得检测识别结果。

7.如权利要求6所述的方法，其特征在于，所述方法还包括：

获得移动检测车的采集区间，基于采集区间进行采集区域拼接，构建采集分布空间；

根据所述采集分布空间进行区域联动分析，确定区域松动联动影响性；

根据各区域检测识别结果、区域松动联动影响性进行全局松动分析，获得空间松动分析结果，基于空间松动分析结果进行预警分析。

8.一种移动式螺栓松动智能检测识别系统，其特征在于，用于实施权利要求1-7任一一项所述的一种移动式螺栓松动智能检测识别方法，包括：

巡回图像采集模块，用于通过移动检测车上设置的图像采集设备对预设螺栓范围进行巡回图像采集，获得视频采集信息；

关键帧提取模块，用于对所述视频采集信息进行关键帧提取，基于关键帧进行螺栓特征分析，确定螺栓特征；

检测识别结果获得模块，用于基于所述螺栓特征进行角度计算和异常特征分析，获得检测识别结果；

螺栓松动预警发送模块，用于当所述检测识别结果满足预警要求时，发送螺栓松动预警信息，并将所述检测识别结果、螺栓松动预警信息同步上传至云平台进行数据更新管理。

Images