CN117274919B - 一种基于机器视觉的厂区施工违章行为监测管理系统 - Google Patents
一种基于机器视觉的厂区施工违章行为监测管理系统 Download PDFInfo
- Publication number
- CN117274919B CN117274919B CN202311570066.XA CN202311570066A CN117274919B CN 117274919 B CN117274919 B CN 117274919B CN 202311570066 A CN202311570066 A CN 202311570066A CN 117274919 B CN117274919 B CN 117274919B
- Authority
- CN
- China
- Prior art keywords
- standardization
- hoisting
- lifting
- tower crane
- hoisting operation
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 70
- 238000010276 construction Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 88
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 230000004397 blinking Effects 0.000 claims description 33
- 238000012423 maintenance Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000009435 building construction Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000000284 resting effect Effects 0.000 claims description 8
- 230000032683 aging Effects 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 18
- 230000007547 defect Effects 0.000 abstract description 3
- 210000001747 pupil Anatomy 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Ophthalmology & Optometry (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Control And Safety Of Cranes (AREA)
Abstract
本发明涉及厂区施工违章行为监测管理技术领域,具体公开一种基于机器视觉的厂区施工违章行为监测管理系统,该系统包括:吊装作业前规范度分析模块、吊装作业过程规范度分析模块、吊装作业后规范度分析模块、云数据库和施工违章反馈模块;本发明通过分析吊装作业前、吊装作业过程中和吊装作业后对应的规范度,并对目标塔式起重机的施工违章行为进行反馈,有效解决了当前人力监控的方式中存在的局限性,规避了人力监控的方式中存在的耗时长、监测过程较为繁琐以及分析结果误差大等多个方面的不足,确保了监测结果的可靠性,提高了施工违章行为监测排查的效率,从而提高了施工违章行为发现的及时性和违章处理的及时性。
Description
技术领域
本发明涉及厂区施工违章行为监测管理技术领域,具体而言,涉及一种基于机器视觉的厂区施工违章行为监测管理系统。
背景技术
随着科技的不断发展,智能化建设已成为厂区建设的重要方向,通过使用机器视觉等智能化技术对建筑施工厂区施工的各进程进行监测和管理,可以实现自动化、智能化的监控和管理,提高建设效率和管理水平,同时建筑施工厂区施工涉及各种复杂环境和危险因素,为了保障施工安全性,需要对建筑施工厂区的施工违章行为进行监测管理。
现有的对建筑施工厂区的施工违章行为进行监测管理方式中还存在以下几个方面的问题:1、根据人力监控的方式不仅耗时长,监测过程也较为繁琐,并且存在很大的误差性,无法确保监测结果的可靠性,降低了施工违章行为监测排查的效率,并且难以全面覆盖施工现场,从而降低了施工违章行为发现的及时性和违章处理的及时性。
2、在吊装作业过程中,当前仅考虑待吊货物是否栓紧,未对待吊货物在吊装作业过程中的吊装平稳度进行分析,同时未对操纵人员在吊装作业过程中的操作疲劳度进行分析,使得吊装作业过程中对应的规范度分析覆盖面不足,从而降低了吊装作业过程中对应的规范度分析的准确性,致使无法精确了解吊装作业过程中对应的违章行为,增加了事故发生的可能性。
3、在吊装作业后,未对起重吊钩和起重臂的归位位置规范度进行深度分析,从而无法确保起重臂和起重吊钩的归位位置对吊装作业的安全性和效率产生的影响,增加了起重吊钩和起重臂位置归位不合适而导致的安全隐患发生,提高了不合理的位置归位对起重机的性能和使用寿命的影响。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于机器视觉的厂区施工违章行为监测管理系统。
本发明的目的可以通过以下技术方案实现:本发明提供一种基于机器视觉的厂区施工违章行为监测管理系统,包括:吊装作业前规范度分析模块,用于监测目标建筑施工厂区中各地面施工人员分别与目标塔式起重机和待吊货物之间的距离,分析目标塔式起重机吊装作业前对应的规范度。
吊装作业过程规范度分析模块,用于将目标塔式起重机的吊装作业过程按照设定的时长划分为各监测时间段,采集各监测时间段对应的待吊货物的振动频率和风速,并采集吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长,分析目标塔式起重机吊装作业过程中对应的规范度。
吊装作业后规范度分析模块,用于采集吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离,并采集目标塔式起重机的起重臂的旋转角度、使用年限和维修次数,分析目标塔式起重机吊装作业后对应的规范度。
云数据库,用于存储目标塔式起重机的安全吊装距离,存储待吊货物的安全待吊距离,存储静息状态下对应的眨眼频率和眨眼时长,并存储吊装作业后起重吊钩与起重臂之间适宜的最大距离。
施工违章反馈模块,用于当目标塔式起重机吊装作业前对应的规范度为0时或者吊装作业过程中对应的规范度小于预设的吊装作业过程规范度时或者吊装作业后对应的规范度小于预设的吊装作业后规范度时,进行反馈。
具体地,所述分析目标塔式起重机吊装作业前对应的规范度,具体分析过程为:A1、将目标建筑施工厂区中各地面施工人员与目标塔式起重机之间的距离与云数据库中存储的目标塔式起重机的安全吊装距离进行对比,提取与目标塔式起重机之间的距离小于安全吊装距离的地面施工人员,并将其记为不安全施工人员,统计不安全施工人员数目。
A2、根据目标建筑施工厂区中各地面施工人员与待吊货物之间的距离,筛选出各不安全施工人员与待吊货物之间的距离,并将其与云数据库中存储的待吊货物的安全待吊距离进行对比,统计与待吊货物之间的距离小于安全待吊距离的不安全施工人员数目,并将不安全施工人员数目记为危险施工人员数目,记为。
A3、构建目标塔式起重机吊装作业前对应的规范度评估模型,输出吊装作业前对应的规范度,其中目标塔式起重机吊装作业前对应的规范度评估模型表示为:。
具体地,所述分析目标塔式起重机吊装作业过程中对应的规范度,具体分析过程为:B1、根据各监测时间段对应的待吊货物的振动频率,计算待吊货物的吊装平稳度。
B2、根据吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长,计算操纵人员的操作疲劳度。
B3、计算目标塔式起重机吊装作业过程中对应的规范度,,其中,/>和/>分别表示设定参照的吊装平稳度和操作疲劳度,/>和/>分别表示设定的吊装平稳度和操作疲劳度对应吊装作业过程中的规范度评估占比权重。
具体地,所述计算待吊货物的吊装平稳度,具体计算过程为:C1、将各监测时间段对应的待吊货物的振动频率与设定参照的振动频率进行对比,若某监测时间段对应的待吊货物的振动频率大于设定参照的振动频率,则表明该监测时间段为危险时间段,统计吊装作业过程中危险时间段数目,记为。
C2、从各监测时间段对应的待吊货物的振动频率中提取最大值,记为。
C3、将各监测时间段对应的风速记为,其中,/>表示监测时间段的编号,。
C4、计算风速对吊装平稳度的影响因子,/>,其中,/>表示设定许可的风速,/>表示监测时间段数目,/>表示自然常数。
C5、计算待吊货物的吊装平稳度,/>,其中,/>和/>分别表示设定参照的危险时间段占比和振动频率,/>和/>分别表示设定的危险时间段占比和振动频率对应吊装平稳度评估占比权重。
具体地,所述计算操纵人员的操作疲劳度,具体计算过程为:D1、将吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长分别记为和/>,其中,/>表示各次眨眼编号,/>。
D2、从云数据库中提取静息状态下对应的眨眼频率和眨眼时长,并分别记为和/>。
D3、将吊装作业过程中操纵人员各次眨眼对应的眨眼时长与云数据库中存储的静息状态下对应的眨眼时长进行作差,得到各次眨眼对应的时长偏差,并将其与设定参照的眨眼时长偏差进行对比,统计时长偏差大于设定参照的眨眼时长偏差的眨眼次数,并记为异常眨眼次数。
D4、计算操纵人员的操作疲劳度,/>,其中,/>表示设定参照的异常眨眼占比,/>、/>和/>分别表示设定的眨眼频率、眨眼时长和异常眨眼占比对应操作疲劳度评估占比权重,/>表示眨眼次数。
具体地,所述分析目标塔式起重机吊装作业后对应的规范度,具体分析过程为:E1、根据吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离,计算吊装作业后起重吊钩的位置规范度。
E2根据目标塔式起重机的起重臂的旋转角度、使用年限和维修次数,计算吊装作业后起重臂的位置规范度。
E3、计算目标塔式起重机吊装作业后对应的规范度,,其中,/>和/>分别表示设定参照的起重吊钩和起重臂的位置规范度,/>和/>分别表示设定的起重吊钩和起重臂的位置规范度对应吊装作业后的规范度评估占比权重。
具体地,所述计算吊装作业后起重吊钩的位置规范度,具体计算过程为:F1、将吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离与云数据库中存储的吊装作业后起重吊钩与起重臂之间适宜的最大距离进行对比,若吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离小于或者等于适宜的最大距离,则将吊装作业后起重吊钩的位置规范度记为;
F2、若吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离大于适宜的最大距离,则将吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离记为,将适宜的最大距离记为/>,计算吊装作业后起重吊钩的位置规范度/>,。
F3、综上得到吊装作业后起重吊钩的位置规范度,/>的取值为/>或者/>,其中,/>。
具体地,所述计算吊装作业后起重臂的位置规范度,具体计算过程为:G1、将目标塔式起重机的起重臂的旋转角度、使用年限和维修次数分别记为、/>和/>。
G2、计算目标塔式起重机起重臂的老化度,/>,其中,/>和/>分别表示设定参照的使用年限和维修次数,/>和/>分别表示设定的使用年限和维修次数对应老化度评估占比权重。
G3、计算吊装作业后起重臂的位置规范度,/>,其中,和/>分别表示设定参照的旋转角度和旋转角度偏差。
相较于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明通过分析目标塔式起重机吊装作业前、吊装作业过程中和吊装作业后对应的规范度,并对目标建筑施工厂区中目标塔式起重机的施工违章行为进行反馈,有效解决了当前人力监控的方式中存在的局限性,规避了人力监控的方式中存在的耗时长、监测过程较为繁琐以及分析结果误差大等多个方面的不足,确保了监测结果的可靠性,提高了施工违章行为监测排查的效率,并且实现了违章行为监测排查能够全面覆盖施工现场,从而提高了施工违章行为发现的及时性和违章处理的及时性。
(2)本发明通过结合吊装作业过程中待吊货物的振动频率以及操纵人员的眨眼频率和各次眨眼对应的眨眼时长,分析待吊货物的吊装平稳度和操纵人员的操作疲劳度,从而分析吊装作业过程中对应的规范度,提高了吊装作业过程中对应的规范度分析的覆盖面,从而提高了吊装作业过程中对应的规范度分析的准确性,致使精确了解了吊装作业过程中对应的违章行为,降低了事故发生的可能性。
(3)本发明通过结合吊装作业后起重吊钩与起重臂之间的竖直距离以及起重臂的旋转角度、使用年限和维修次数,分析起重吊钩和起重臂的位置规范度,从而分析吊装作业后对应的规范度,准确的起重臂和起重吊钩位置分析可以确保吊装作业的安全性和效率,减少了起重吊钩和起重臂位置归位不合适而导致的安全隐患发生,降低了不合理的位置归位对起重机的性能和使用寿命的影响。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明系统模块结构连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种基于机器视觉的厂区施工违章行为监测管理系统,包括:吊装作业前规范度分析模块、吊装作业过程规范度分析模块、吊装作业后规范度分析模块、云数据库和施工违章反馈模块。
所述吊装作业前规范度分析模块、吊装作业过程规范度分析模块和吊装作业后规范度分析模块三者均与施工违章反馈模块相连,吊装作业前规范度分析模块、吊装作业过程规范度分析模块和吊装作业后规范度分析模块三者均与云数据库相连。
所述吊装作业前规范度分析模块,用于监测目标建筑施工厂区中各地面施工人员分别与目标塔式起重机和待吊货物之间的距离,分析目标塔式起重机吊装作业前对应的规范度。
需要说明的是,所述各地面施工人员分别与目标塔式起重机和待吊货物之间的距离的采集方式为:要求各地面施工人员佩戴运动手环,通过运动手环获取各地面施工人员的实时位置点,通过获取的实时位置点和目标塔式起重机的位置点,得到各地面施工人员与目标塔式起重机之间的距离,同理得到各地面施工人员与待吊货物之间的距离。
还需要说明的是,所述各地面施工人员与目标塔式起重机之间的距离在本发明实施例中是指各地面施工人员与目标塔式起重机底架之间的距离。
在本发明具体实施例中,所述分析目标塔式起重机吊装作业前对应的规范度,具体分析过程为:A1、将目标建筑施工厂区中各地面施工人员与目标塔式起重机之间的距离与云数据库中存储的目标塔式起重机的安全吊装距离进行对比,提取与目标塔式起重机之间的距离小于安全吊装距离的地面施工人员,并将其记为不安全施工人员,统计不安全施工人员数目。
A2、根据目标建筑施工厂区中各地面施工人员与待吊货物之间的距离,筛选出各不安全施工人员与待吊货物之间的距离,并将其与云数据库中存储的待吊货物的安全待吊距离进行对比,统计与待吊货物之间的距离小于安全待吊距离的不安全施工人员数目,并将不安全施工人员数目记为危险施工人员数目,记为。
A3、构建目标塔式起重机吊装作业前对应的规范度评估模型,输出吊装作业前对应的规范度,其中目标塔式起重机吊装作业前对应的规范度评估模型表示为:。
所述吊装作业过程规范度分析模块,用于将目标塔式起重机的吊装作业过程按照设定的时长划分为各监测时间段,采集各监测时间段对应的待吊货物的振动频率和风速,并采集吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长,分析目标塔式起重机吊装作业过程中对应的规范度。
需要说明的是,所述各监测时间段对应的待吊货物的振动频率和风速分别通过安置在起重吊钩上的振动传感器和风速传感器采集得到,所述操纵人员的眨眼频率通过安置在驾驶室内部正前方的眼动仪采集得到。
还需要说明的是,所述操纵人员的各次眨眼对应的眨眼时长的采集方式为:对吊装作业过程中操纵人员的面部进行视频采集,将采集得到的视频以帧为单位划分为各图片,并获取各图片对应的时间点,通过瞳孔扫描仪扫描各图片中操纵人员的瞳孔面积,当瞳孔面积为0时,表明操纵人员为完全闭眼状态,当瞳孔面积与静息状态下的瞳孔面积一致时,表明操纵人员为完全睁眼状态,提取操纵人员在各次全闭眼状态时的图片和各次完全睁眼状态时的图片,并将这些图片按照时间顺序进行先后排序,将相邻之间的完全闭眼状态时的图片和完全睁眼状态时的图片对应的时间点进行作差,得到该次眨眼时长,同理分析得到各次眨眼对应的眨眼时长。
在本发明具体实施例中,所述分析目标塔式起重机吊装作业过程中对应的规范度,具体分析过程为:B1、根据各监测时间段对应的待吊货物的振动频率,计算待吊货物的吊装平稳度。
在本发明具体实施例中,所述计算待吊货物的吊装平稳度,具体计算过程为:C1、将各监测时间段对应的待吊货物的振动频率与设定参照的振动频率进行对比,若某监测时间段对应的待吊货物的振动频率大于设定参照的振动频率,则表明该监测时间段为危险时间段,统计吊装作业过程中危险时间段数目,记为。
C2、从各监测时间段对应的待吊货物的振动频率中提取最大值,记为。
C3、将各监测时间段对应的风速记为,其中,/>表示监测时间段的编号,。
C4、计算风速对吊装平稳度的影响因子,/>,其中,/>表示设定许可的风速,/>表示监测时间段数目,/>表示自然常数。
C5、计算待吊货物的吊装平稳度,/>,其中,/>和/>分别表示设定参照的危险时间段占比和振动频率,/>和/>分别表示设定的危险时间段占比和振动频率对应吊装平稳度评估占比权重。
B2、根据吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长,计算操纵人员的操作疲劳度。
在本发明具体实施例中,所述计算操纵人员的操作疲劳度,具体计算过程为:D1、将吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长分别记为和/>,其中,/>表示各次眨眼编号,/>。
D2、从云数据库中提取静息状态下对应的眨眼频率和眨眼时长,并分别记为和/>。
需要说明的是,眨眼时长是指眼睛从完全闭合到再次完全打开所经历的时间,一般来说,成年人在静息状态下眨眼的频率通常在每分钟15到20次之间,眨眼时长则在100毫秒到400毫秒左右,这是一般情况下的估计值,实际的眨眼模式会因个体差异而有所变化,在进行专注的视觉任务时,人们会减少眨眼的频率和时长,而在疲劳的状态下,眨眼的频率和时长会增加。
D3、将吊装作业过程中操纵人员各次眨眼对应的眨眼时长与云数据库中存储的静息状态下对应的眨眼时长进行作差,得到各次眨眼对应的时长偏差,并将其与设定参照的眨眼时长偏差进行对比,统计时长偏差大于设定参照的眨眼时长偏差的眨眼次数,并记为异常眨眼次数。
D4、计算操纵人员的操作疲劳度,/>,其中,/>表示设定参照的异常眨眼占比,/>、/>和/>分别表示设定的眨眼频率、眨眼时长和异常眨眼占比对应操作疲劳度评估占比权重,/>表示眨眼次数。
B3、计算目标塔式起重机吊装作业过程中对应的规范度,,其中,/>和/>分别表示设定参照的吊装平稳度和操作疲劳度,/>和/>分别表示设定的吊装平稳度和操作疲劳度对应吊装作业过程中的规范度评估占比权重。
本发明实施例通过结合吊装作业过程中待吊货物的振动频率以及操纵人员的眨眼频率和各次眨眼对应的眨眼时长,分析待吊货物的吊装平稳度和操纵人员的操作疲劳度,从而分析吊装作业过程中对应的规范度,提高了吊装作业过程中对应的规范度分析的覆盖面,从而提高了吊装作业过程中对应的规范度分析的准确性,致使精确了解了吊装作业过程中对应的违章行为,降低了事故发生的可能性。
所述吊装作业后规范度分析模块,用于采集吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离,并采集目标塔式起重机的起重臂的旋转角度、使用年限和维修次数,分析目标塔式起重机吊装作业后对应的规范度。
需要说明的是,所述吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离通过安置在起重吊钩上的距离传感器采集得到,所述起重臂的旋转角度通过安置在起重臂上的倾斜传感器采集得到,所述起重臂的使用年限和维修次数均从目标塔式起重机的后台管理系统中采集得到。
还需要说明的是,所述起重臂的旋转角度是指起重臂与水平线之间的夹角。
在本发明具体实施例中,所述分析目标塔式起重机吊装作业后对应的规范度,具体分析过程为:E1、根据吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离,计算吊装作业后起重吊钩的位置规范度。
在本发明具体实施例中,所述计算吊装作业后起重吊钩的位置规范度,具体计算过程为:F1、将吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离与云数据库中存储的吊装作业后起重吊钩与起重臂之间适宜的最大距离进行对比,若吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离小于或者等于适宜的最大距离,则将吊装作业后起重吊钩的位置规范度记为;
需要说明的是,当塔式起重机吊装作业后需将起重吊钩上升到离起重臂顶端2至3米处,在本发明一个具体实施例中,适宜的最大距离取值包括但不局限于3米。
F2、若吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离大于适宜的最大距离,则将吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离记为,将适宜的最大距离记为/>,计算吊装作业后起重吊钩的位置规范度/>,。
F3、综上得到吊装作业后起重吊钩的位置规范度,/>的取值为/>或者/>,其中,/>。
E2根据目标塔式起重机的起重臂的旋转角度、使用年限和维修次数,计算吊装作业后起重臂的位置规范度。
在本发明具体实施例中,所述计算吊装作业后起重臂的位置规范度,具体计算过程为:G1、将目标塔式起重机的起重臂的旋转角度、使用年限和维修次数分别记为、/>和。
G2、计算目标塔式起重机起重臂的老化度,/>,其中,/>和/>分别表示设定参照的使用年限和维修次数,/>和/>分别表示设定的使用年限和维修次数对应老化度评估占比权重。
G3、计算吊装作业后起重臂的位置规范度,/>,其中,/>和/>分别表示设定参照的旋转角度和旋转角度偏差。
E3、计算目标塔式起重机吊装作业后对应的规范度,,其中,/>和/>分别表示设定参照的起重吊钩和起重臂的位置规范度,/>和/>分别表示设定的起重吊钩和起重臂的位置规范度对应吊装作业后的规范度评估占比权重。
本发明实施例通过结合吊装作业后起重吊钩与起重臂之间的竖直距离以及起重臂的旋转角度、使用年限和维修次数,分析起重吊钩和起重臂的位置规范度,从而分析吊装作业后对应的规范度,准确的起重臂和起重吊钩位置分析可以确保吊装作业的安全性和效率,减少了起重吊钩和起重臂位置归位不合适而导致的安全隐患发生,降低了不合理的位置归位对起重机的性能和使用寿命的影响。
所述云数据库,用于存储目标塔式起重机的安全吊装距离,存储待吊货物的安全待吊距离,存储静息状态下对应的眨眼频率和眨眼时长,并存储吊装作业后起重吊钩与起重臂之间适宜的最大距离。
所述施工违章反馈模块,用于当目标塔式起重机吊装作业前对应的规范度为0时或者吊装作业过程中对应的规范度小于预设的吊装作业过程规范度时或者吊装作业后对应的规范度小于预设的吊装作业后规范度时,进行反馈。
本发明实施例通过分析目标塔式起重机吊装作业前、吊装作业过程中和吊装作业后对应的规范度,并对目标建筑施工厂区中目标塔式起重机的施工违章行为进行反馈,有效解决了当前人力监控的方式中存在的局限性,规避了人力监控的方式中存在的耗时长、监测过程较为繁琐以及分析结果误差大等多个方面的不足,确保了监测结果的可靠性,提高了施工违章行为监测排查的效率,并且实现了违章行为监测排查能够全面覆盖施工现场,从而提高了施工违章行为发现的及时性和违章处理的及时性。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (5)
1.一种基于机器视觉的厂区施工违章行为监测管理系统,其特征在于,包括:
吊装作业前规范度分析模块,用于监测目标建筑施工厂区中各地面施工人员分别与目标塔式起重机和待吊货物之间的距离,分析目标塔式起重机吊装作业前对应的规范度;
吊装作业过程规范度分析模块,用于将目标塔式起重机的吊装作业过程按照设定的时长划分为各监测时间段,采集各监测时间段对应的待吊货物的振动频率和风速,并采集吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长,分析目标塔式起重机吊装作业过程中对应的规范度;
吊装作业后规范度分析模块,用于采集吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离,并采集目标塔式起重机的起重臂的旋转角度、使用年限和维修次数,分析目标塔式起重机吊装作业后对应的规范度;
云数据库,用于存储目标塔式起重机的安全吊装距离,存储待吊货物的安全待吊距离,存储静息状态下对应的眨眼频率和眨眼时长,并存储吊装作业后起重吊钩与起重臂之间适宜的最大距离;
施工违章反馈模块,用于当目标塔式起重机吊装作业前对应的规范度为0时或者吊装作业过程中对应的规范度小于预设的吊装作业过程规范度时或者吊装作业后对应的规范度小于预设的吊装作业后规范度时,进行反馈;
所述分析目标塔式起重机吊装作业后对应的规范度,具体分析过程为:
E1、根据吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离,计算吊装作业后起重吊钩的位置规范度;
E2根据目标塔式起重机的起重臂的旋转角度、使用年限和维修次数,计算吊装作业后起重臂的位置规范度;
E3、计算目标塔式起重机吊装作业后对应的规范度,/>,其中,/>和/>分别表示设定参照的起重吊钩和起重臂的位置规范度,/>和/>分别表示设定的起重吊钩和起重臂的位置规范度对应吊装作业后的规范度评估占比权重;
所述计算吊装作业后起重吊钩的位置规范度,具体计算过程为:
F1、将吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离与云数据库中存储的吊装作业后起重吊钩与起重臂之间适宜的最大距离进行对比,若吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离小于或者等于适宜的最大距离,则将吊装作业后起重吊钩的位置规范度记为;
F2、若吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离大于适宜的最大距离,则将吊装作业后目标塔式起重机的起重吊钩与起重臂之间的竖直距离记为,将适宜的最大距离记为/>,计算吊装作业后起重吊钩的位置规范度/>,;
F3、综上得到吊装作业后起重吊钩的位置规范度,/>的取值为/>或者/>,其中,;
所述计算吊装作业后起重臂的位置规范度,具体计算过程为:
G1、将目标塔式起重机的起重臂的旋转角度、使用年限和维修次数分别记为、/>和/>;
G2、计算目标塔式起重机起重臂的老化度,/>,其中,和/>分别表示设定参照的使用年限和维修次数,/>和/>分别表示设定的使用年限和维修次数对应老化度评估占比权重;
G3、计算吊装作业后起重臂的位置规范度,/>,其中,/>和分别表示设定参照的旋转角度和旋转角度偏差。
2.根据权利要求1所述的一种基于机器视觉的厂区施工违章行为监测管理系统,其特征在于:所述分析目标塔式起重机吊装作业前对应的规范度,具体分析过程为:
A1、将目标建筑施工厂区中各地面施工人员与目标塔式起重机之间的距离与云数据库中存储的目标塔式起重机的安全吊装距离进行对比,提取与目标塔式起重机之间的距离小于安全吊装距离的地面施工人员,并将其记为不安全施工人员,统计不安全施工人员数目;
A2、根据目标建筑施工厂区中各地面施工人员与待吊货物之间的距离,筛选出各不安全施工人员与待吊货物之间的距离,并将其与云数据库中存储的待吊货物的安全待吊距离进行对比,统计与待吊货物之间的距离小于安全待吊距离的不安全施工人员数目,并将不安全施工人员数目记为危险施工人员数目,记为;
A3、构建目标塔式起重机吊装作业前对应的规范度评估模型,输出吊装作业前对应的规范度,其中目标塔式起重机吊装作业前对应的规范度评估模型表示为:。
3.根据权利要求1所述的一种基于机器视觉的厂区施工违章行为监测管理系统,其特征在于:所述分析目标塔式起重机吊装作业过程中对应的规范度,具体分析过程为:
B1、根据各监测时间段对应的待吊货物的振动频率,计算待吊货物的吊装平稳度;
B2、根据吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长,计算操纵人员的操作疲劳度;
B3、计算目标塔式起重机吊装作业过程中对应的规范度,,其中,/>和/>分别表示设定参照的吊装平稳度和操作疲劳度,/>和/>分别表示设定的吊装平稳度和操作疲劳度对应吊装作业过程中的规范度评估占比权重。
4.根据权利要求3所述的一种基于机器视觉的厂区施工违章行为监测管理系统,其特征在于:所述计算待吊货物的吊装平稳度,具体计算过程为:
C1、将各监测时间段对应的待吊货物的振动频率与设定参照的振动频率进行对比,若某监测时间段对应的待吊货物的振动频率大于设定参照的振动频率,则表明该监测时间段为危险时间段,统计吊装作业过程中危险时间段数目,记为;
C2、从各监测时间段对应的待吊货物的振动频率中提取最大值,记为;
C3、将各监测时间段对应的风速记为,其中,/>表示监测时间段的编号,/>;
C4、计算风速对吊装平稳度的影响因子,/>,其中,/>表示设定许可的风速,/>表示监测时间段数目,/>表示自然常数;
C5、计算待吊货物的吊装平稳度,/>,其中,/>和分别表示设定参照的危险时间段占比和振动频率,/>和/>分别表示设定的危险时间段占比和振动频率对应吊装平稳度评估占比权重。
5.根据权利要求3所述的一种基于机器视觉的厂区施工违章行为监测管理系统,其特征在于:所述计算操纵人员的操作疲劳度,具体计算过程为:
D1、将吊装作业过程中操纵人员的眨眼频率和各次眨眼对应的眨眼时长分别记为和,其中,/>表示各次眨眼编号,/>;
D2、从云数据库中提取静息状态下对应的眨眼频率和眨眼时长,并分别记为和/>;
D3、将吊装作业过程中操纵人员各次眨眼对应的眨眼时长与云数据库中存储的静息状态下对应的眨眼时长进行作差,得到各次眨眼对应的时长偏差,并将其与设定参照的眨眼时长偏差进行对比,统计时长偏差大于设定参照的眨眼时长偏差的眨眼次数,并记为异常眨眼次数;
D4、计算操纵人员的操作疲劳度,/>,其中,/>表示设定参照的异常眨眼占比,/>、/>和/>分别表示设定的眨眼频率、眨眼时长和异常眨眼占比对应操作疲劳度评估占比权重,/>表示眨眼次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311570066.XA CN117274919B (zh) | 2023-11-23 | 2023-11-23 | 一种基于机器视觉的厂区施工违章行为监测管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311570066.XA CN117274919B (zh) | 2023-11-23 | 2023-11-23 | 一种基于机器视觉的厂区施工违章行为监测管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117274919A CN117274919A (zh) | 2023-12-22 |
CN117274919B true CN117274919B (zh) | 2024-03-01 |
Family
ID=89210964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311570066.XA Active CN117274919B (zh) | 2023-11-23 | 2023-11-23 | 一种基于机器视觉的厂区施工违章行为监测管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274919B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN210236920U (zh) * | 2019-07-21 | 2020-04-03 | 长沙智能驾驶研究院有限公司 | 智慧工地的塔吊系统 |
CN112479038A (zh) * | 2020-12-07 | 2021-03-12 | 广西路桥工程集团有限公司 | 塔吊运行可视化监测系统 |
CN112528767A (zh) * | 2020-11-26 | 2021-03-19 | 天津大学 | 基于机器视觉的施工机械操作员疲劳作业检测系统及方法 |
CN115123932A (zh) * | 2022-06-28 | 2022-09-30 | 江苏徐工工程机械研究院有限公司 | 一种塔机机群防碰撞控制方法、系统及介质 |
CN115557384A (zh) * | 2022-09-30 | 2023-01-03 | 中铁第四勘察设计院集团有限公司 | 一种智慧工地塔吊监测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11460337B2 (en) * | 2017-05-30 | 2022-10-04 | Versatile Natures Ltd. | Method for tracking lifting events at a construction site |
-
2023
- 2023-11-23 CN CN202311570066.XA patent/CN117274919B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN210236920U (zh) * | 2019-07-21 | 2020-04-03 | 长沙智能驾驶研究院有限公司 | 智慧工地的塔吊系统 |
CN112528767A (zh) * | 2020-11-26 | 2021-03-19 | 天津大学 | 基于机器视觉的施工机械操作员疲劳作业检测系统及方法 |
CN112479038A (zh) * | 2020-12-07 | 2021-03-12 | 广西路桥工程集团有限公司 | 塔吊运行可视化监测系统 |
CN115123932A (zh) * | 2022-06-28 | 2022-09-30 | 江苏徐工工程机械研究院有限公司 | 一种塔机机群防碰撞控制方法、系统及介质 |
CN115557384A (zh) * | 2022-09-30 | 2023-01-03 | 中铁第四勘察设计院集团有限公司 | 一种智慧工地塔吊监测系统 |
Non-Patent Citations (2)
Title |
---|
基于BP神经网络的吊装吊耳位置识别方法研究;邬永江 等;《煤炭工程》;20201231;第1-6页 * |
门吊装卸作业安全分析;刘新刚;《铁道货运》;第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117274919A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111611855B (zh) | 一种变电站三维可视化机器人智能巡检系统 | |
CN107909575A (zh) | 针对振动筛运行状态的双目视觉在线检测装置及检测方法 | |
CN108689271A (zh) | 一种在线式电梯乘运质量检测系统及方法 | |
CN212933544U (zh) | 一种基于边缘计算的现场作业安全识别系统 | |
CN105022373A (zh) | 基于zigbee技术的港口设备维护系统 | |
CN109444575A (zh) | 电机拖动系统运行健康状态评估系统及方法 | |
CN108776452B (zh) | 一种特种设备现场维保监控方法及系统 | |
CN103116351A (zh) | 一种纺织疵布检测摄像头及其检测系统 | |
CN110688774A (zh) | 一种电网故障仿真推演系统及方法 | |
CN115557384A (zh) | 一种智慧工地塔吊监测系统 | |
CN116366002A (zh) | 一种光伏电站智能运维系统及方法 | |
CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
CN117274919B (zh) | 一种基于机器视觉的厂区施工违章行为监测管理系统 | |
CN102967265A (zh) | 基于机器视觉的汽车连杆裂解槽检测方法 | |
CN116976865B (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN207698952U (zh) | 一种曳引与强制驱动电梯实时在线安全监测系统 | |
CN108090692A (zh) | 用于点检起重设备安全运行的监控管理系统 | |
CN113155443A (zh) | 一种采煤机减速器润滑油状态监测与故障诊断系统及方法 | |
CN206108598U (zh) | 具有在线预警功能的电梯主动安全系统 | |
CN104677429A (zh) | 一种智能化综合故障诊断系统及诊断方法 | |
CN116050781A (zh) | 一种基于工业互联网的企业智慧管理系统 | |
CN114314347A (zh) | 起重机械安全监控管理系统 | |
CN110414606B (zh) | 输电线路通道可视化告警区域划分数量的确定方法 | |
CN111562125A (zh) | 一种基于视觉和振动的起重机检测系统及方法 | |
CN116542502B (zh) | 基于卷积神经网络的建筑物施工周期优化系统及方法 |
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 |