KR20230062135A - 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 - Google Patents

딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 Download PDF

Info

Publication number
KR20230062135A
KR20230062135A KR1020210147097A KR20210147097A KR20230062135A KR 20230062135 A KR20230062135 A KR 20230062135A KR 1020210147097 A KR1020210147097 A KR 1020210147097A KR 20210147097 A KR20210147097 A KR 20210147097A KR 20230062135 A KR20230062135 A KR 20230062135A
Authority
KR
South Korea
Prior art keywords
crane
current measurement
weight information
measurement based
deep learning
Prior art date
Application number
KR1020210147097A
Other languages
English (en)
Inventor
윤효식
권순도
옥진성
홍성민
마한석
Original Assignee
대우조선해양 주식회사
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 대우조선해양 주식회사 filed Critical 대우조선해양 주식회사
Priority to KR1020210147097A priority Critical patent/KR20230062135A/ko
Publication of KR20230062135A publication Critical patent/KR20230062135A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/16—Applications of indicating, registering, or weighing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/46—Position indicators for suspended loads or for crane elements
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Control And Safety Of Cranes (AREA)

Abstract

본 발명은 전류측정장치 및 비전 카메라 영상에 대한 광학적 특징 인식 모델의 구축 및 학습을 이용하여 후크에서 인양하고 있는 인양물과 미리 설정한 정격하중과의 비교결과에 따라 자동으로 조치를 취할 수 있도록 하는 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 상기 중량정보 인식 시스템의 운영방법에 관한 것으로, 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템은 전류측정장치, 비전 카메라 및 서버를 포함한다.

Description

딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체{SYSTEM AND METHOD FOR RECOGNIZING A WEIGHT INFORMATION THROUGH OPTICAL FEATURE RECOGNITION AND CURRENT MEASUREMENT BASED ON DEEP LEARING AND COMPUTER-READABLE RECORDING MEDIUM INCLUDING THE SAME}
본 발명은 크레인 자동 인식 시스템 및 방법에 관한 것으로, 특히, 전류측정장치 및 비전 카메라 영상에 대한 광학적 특징 인식 모델의 구축 및 학습을 이용하여 후크에서 인양하고 있는 인양물과 미리 설정한 정격하중과의 비교결과에 따라 자동으로 조치를 취할 수 있도록 하는 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
선박은 블록 단위로 조립하여 건조하는데, 각 블록을 만들기 위해서는 강재를 필요로 한다. 블록은 선박의 종류와 크기, 용도에 따라 다른 두께, 폭, 및 길이를 가지는 강재를 용접하여 사용한다. 제조사로부터 전달받은 강재들은 작업자가 일일이 수작업으로 확인하고 분류한 후 정상적으로 입고되는데, 수작업으로 인해 소비되는 입고 작업시간은 무시할 수 없을 정도로 길다.
도 1은 종래의 크레인 및 크레인 작업장의 사진이다.
도 1을 참조하면, 무거운 강재가 입고될 때 사용하는 크레인(100)은 크레인의 운전자가 수동으로 또는 리모콘을 이용하여 조작하였기 때문에, 작업자가 직접 육안으로 강재와 같은 구조물이 이동을 정확하게 유도하고, 또한 이동경로 상의 주변의 장애물이나 타 작업자를 확인하여야 했으며, 따라서 작업자의 피로도가 높고, 작업자의 숙련도에 따라 작업 시간도 결정되는 단점이 있었다.
특히, 정격 하중을 초과하는 적재물을 인양할 때, 인양중인 크레인으로부터 적재물이 이탈하거나 전도되어 중대 재해를 발생할 수 있다. 정격 하중 초과 부하를 방지하기 위해, 전자식, 전기식 및/또는 기계식의 과부하 방지장치가 사용되었다. 전자식 과부하 방지장치는 가격이 비싸고, 전기식은 전자식에 비해 저렴하지만 권상 모터가 정지 상태일 때에는 과부하를 감지하지 못한다는 단점이 있다. 기계식은 연간 수회에 걸쳐 동작의 정확성 여부를 확인하고 캘리브레이션(보정작업)해야 하는 불편함이 있었다.
한국 공개특허공보 제10-2021-0095337호(실시간 크레인 충돌방지 모니터링 장치 및 그 방법, 2021.8.2.)
본 발명이 해결하고자 하는 기술적 과제는, 전류측정장치 및 비전 카메라 영상에 대한 광학적 특징 인식 모델의 구축 및 학습을 이용하여 후크에서 인양하고 있는 인양물과 미리 설정한 정격하중과의 비교결과에 따라 자동으로 조치를 취할 수 있도록 하는 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템을 제공하는 것에 있다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 전류측정장치 및 비전 카메라 영상에 대한 광학적 특징 인식 모델의 구축 및 학습을 이용하여 후크에서 인양하고 있는 인양물과 미리 설정한 정격하중과의 비교결과에 따라 자동으로 조치를 취할 수 있도록 하는 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체를 제공하는 것에 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템은. 크레인으로 인양물을 인양할 때 소비되는 인양물 구동용 모터의 소비전류를 측정하는 전류측정장치; 상기 크레인으로 상기 인양물을 인양할 때 상기 크레인의 후크에 인양되는 상기 인양물의 영상을 생성하는 비전 카메라; 및 상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하고, 상기 인양물 구동용 모터의 소비전류와 상기 학습한 광학적 특성 인식 정보를 이용하여 상기 인양물의 하중을 인식하는 서버;를 포함한다.
또한, 상기 서버는, 인식된 상기 인양물의 하중이 미리 설정해 놓은 정격 하중을 초과하는지를 판단하고, 판단 결과에 따라 조치를 취할 수 있다.
또한, 상기 비전 카메라 및 상기 전류측정장치는 상기 크레인에 설치될 수 있다.
또한, 상기 비전 카메라는 상기 크레인의 상부 양 측면에 각각 하나 이상 설치될 수 있다.
또한, 상기 비전 카메라는 상기 크레인에 설치되고, 상기 전류측정장치는 상기 크레인의 외부에 설치될 수 있다.
또한, 상기 비전 카메라는, 상기 후크를 중심으로 FoV 120도 촬영을 수행할 수 있다.
또한, 상기 인양물의 영상을 저장하는 데이터베이스를 더 포함할 수 있다.
또한, 상기 비전 카메라 및 상기 서버는 근거리 무선 통신으로 정보를 송수신할 수 있다.
또한, 상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하는 알고리즘은, 수정된(modified) Yolov3을 사용할 수 있다.
상기 기술적 과제를 달성하기 위한 본 발명의 다른 실시예에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법은, 전류측정장치를 이용하여, 크레인으로 인양물을 인양할 때 소비되는 인양물 구동용 모터의 소비전류를 측정하는 단계; 비전 카메라를 이용하여, 상기 크레인의 후크에 인양되는 상기 인양물의 영상을 생성하는 단계; 서버에서 수행하며, 상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하는 단계; 및 상기 서버에서 수행하며, 상기 인양물 구동용 모터의 소비전류와 학습한 상기 광학적 특성 인식 정보를 이용하여 상기 인양물의 하중을 인식하는 단계;를 포함한다.
또한, 상기 인양물의 하중을 인식하는 단계 이후, 인식된 상기 인양물의 하중이 미리 설정한 정격 하중을 초과하는 지를 판단하고, 판단 결과에 따라 조치를 취하는 단계를 더 포함할 수 있다.
또한, 상기 조치는, 상기 인양물의 하중이 상기 정격하중을 초과하지 않았다고 판단한 때에는, 상기 크레인의 작업을 계속 수행하도록 하고, 상기 인양물의 하중이 상기 정격하중을 초과하였다고 판단한 때에는, 상기 크레인의 작업을 중지하도록 할 수 있다.
또한, 상기 크레인의 작업을 중지한 때에는, 상기 크레인의 작업을 중지하였음을 외부로 통보할 수 있다.
또한, 상기 외부는, 상기 크레인의 작업자, 상기 크레인의 작업을 관리하는 모니터, 및 상기 크레인 주위의 작업자 중 어느 하나 이상을 포함할 수 있다.
또한, 상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하는 단계는, 수정된(modified) Yolov3을 사용할 수 있다.
한편, 상기 기술적 과제를 달성하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터 판독 가능한 기록 매체는, 전술한 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된다.
상술한 바와 같이 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체는 딥 러닝 기반의 비전 OCR(modified Yolov3) 기술과 크레인 모터의 전류 측정을 통하여 중량물 인양 시 크레인의 과부하를 실시간 자동으로 모니터링 할 수 있어, 종래의 관리자의 필요 및 주기적인 점검이나 부품 교체하는 작업을 대체할 수 있는 장점이 있다.
도 1은 종래의 크레인 및 크레인 작업장의 사진이다.
도 2는 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템의 일 실시예다.
도 3은 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템이 적용되는 크레인의 예이다.
도 4는 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법의 일 실시예다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 예시적인 실시예를 설명하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로써, 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 2는 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템의 일 실시예다.
도 3은 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템이 적용되는 크레인의 예이다.
도 2 및 도 3을 참조하면, 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템(200)(이하, 중량정보 인식 시스템)은 비전 카메라(210), 전류측정장치(220), 데이터베이스(230), 서버(240) 및 제어장치(250)를 포함한다.
비전 카메라(210)는 크레인(310)에 적어도 하나 설치되며, 크레인(310) 작업 시 인양물 구동용 모터(320)에 의해 크레인(310)의 후크(330)가 인양물(340)을 인양할 때, 인양물(340)을 촬영하여 인양물(340)의 영상을 생성한다. 일 실시예에 따르면, 크레인(310)의 상부 양측에 각각 하나씩 설치되어 인양물(340)을 중심으로 FoV(Field Of View) 120도 촬영을 수행하여 인양물(340)의 영상을 생성하는 것이 바람직하다.
전류측정장치(220)는 크레인(310)으로 인양물(340)을 인양할 때 소비되는 인양물 구동용 모터(320)의 소비전류를 측정한다. 전류측정장치(220)는 크레인(310)에 설치되는 것이 일반적이지만, 크레인(310)의 외부에 설치되는 실시예도 가능할 것이다.
데이터베이스(230)는 비전 카메라(210)에서 생성한 인양물(340)의 영상 및 전류측정장치(220)에서 감지한 인양물 구동 모터(320)의 소비전류를 저장한다.
서버(240)는 비전 카메라(210)가 생성한 인양물(340)의 영상에 대하여 광학적 특성 인식(optical character recognition; OCR)을 학습하고, 인양물 구동용 모터(320)의 소비전류와 학습한 광학적 특성 인식 정보를 이용하여 인양물(340)의 하중이 미리 설정해 놓은 정격 하중을 초과하는 지를 판단하고, 판단 결과에 따라 조치를 취한다. 이때, 소비전류와 인양물(340)의 하중의 관계는 미리 비교 정리한 테이블을 룩업(look-up) 하거나 이미 알고 있는 전류 측정을 통한 물체의 하중 연산 알고리즘을 이용하여 확인할 수 있다.
제어장치(250)는 비전 카메라(210), 전류측정장치(220), 데이터 베이스(230) 및 서버(240)의 동작을 제어한다.
비전 카메라(210) 및 서버(240)는 근거리 무선 통신으로 정보를 송수신할 수 있다.
딥 러닝 기반 광학적 특성 인식 기술을 이용하여 크레인(310)이 인양물(340)을 인양할 때 생성한 인양물(340)의 영상을 인식한다. 영상은 인양물 구동용 모터(320)에 의해 후크(330)가 인양물(340)의 인양을 시작하여 종료하는 시점까지 촬영한 것을 사용하는 것이 바람직하다.
광학적 특성 인식(OCR) 학습 알고리즘은 수정된(modified) Yolov3을 사용하여 학습하는 것이 바람직하다. 즉, 수정된(modified) Yolov3는 기존의 Yolov5에서 공간 피라미드 풀링 층(spatial pyramid pooling layer; SPP)에서 공간 빈(spatial bins)으로 기존의 27 크기의 고정된 1차원 형태의 배열을 생성하는 대신 15의 크기로 고정된 1차원 형태의 배열을 생성하여, 전연결층(fully connected layer)에 입력으로 수정하여 학습한다. 이는 종래의 5*5, 9*9 및 13*13의 피쳐 맵 (feature map)을 사용하는 대신 글자를 학습하기 위해, 더 세밀한 피쳐를 추출하기 위해, 3*3, 5*5 및 7*7의 피쳐 맵을 사용하기 때문이다. 그리고 학습 데이터는 인양물(340)이 강철로 이루어져 있음을 감안하여 그레이스케일(gray-scale)로 변환한 후 대비증강(contrast enhancement)을 수행하는 것이 바람직하다.
도 4는 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법의 일 실시예다.
도 4를 참조하면, 본 발명에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법(400)은 크레인 작업(410)을 수행하는 도중, 전류측정장치(220)를 이용하여, 인양물(340)을 인양할 때 소비되는 인양물 구동용 모터(320)의 소비전류를 측정하는 단계(420), 비전 카메라(210)를 이용하여, 크레인(310)의 후크(330)에 인양되는 인양물(340)을 촬영한 인양물(340)의 영상을 생성하는 단계(420), 서버(240)에서 수행하며, 인양물(340)의 영상에 대하여 광학적 특성인식을 학습하는 단계(430), 서버(240)에서 수행하며, 인양물 구동용 모터(320)의 소비전류와 학습한 광학적 특성인식정보를 이용하여 인양물(340)의 하중이 미리 설정한 정격 하중을 초과하는 지를 판단(450) 및 판단 결과에 따라 조치를 취하는 단계(460)를 포함한다.
여기서, 조치는 인양물(340)의 하중이 정격하중을 초과하지 않았다고 판단한 때(450, No)에는 크레인 작업(410)을 계속 수행하도록 하고, 인양물(340)의 하중이 정격하중을 초과하였다고 판단한 때(450, Yes)에는, 크레인 작업 즉 인양작업을 중지하도록 하고, 크레인 작업을 중지하였음을 외부로 통보할 수 있다.
여기서 외부는 크레인 작업자, 크레인 작업을 관리하는 모니터, 크레인 주위의 작업자 중 적어도 한 곳을 포함한다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.
이상에서는 본 발명에 대한 기술사상을 첨부 도면과 함께 서술하였지만 이는 본 발명의 바람직한 실시예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 기술자라면 누구나 본 발명의 기술적 사상의 범주를 이탈하지 않는 범위 내에서 다양한 변형 및 모방 가능함은 명백한 사실이다.
200: 중량정보 인식 시스템 210: 비전 카메라
220: 전류측정장치 230: 데이터베이스(D/B)
240: 서버 250: 제어장치
310: 크레인 320: 인양물 구동용 모터
330: 후크 340: 인양물

Claims (16)

  1. 크레인으로 인양물을 인양할 때 소비되는 인양물 구동용 모터의 소비전류를 측정하는 전류측정장치;
    상기 크레인으로 상기 인양물을 인양할 때 상기 크레인의 후크에 인양되는 상기 인양물의 영상을 생성하는 비전 카메라; 및
    상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하고, 상기 인양물 구동용 모터의 소비전류와 상기 학습한 광학적 특성 인식 정보를 이용하여 상기 인양물의 하중을 인식하는 서버;를 포함하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  2. 제 1 항에 있어서,
    상기 서버는,
    인식된 상기 인양물의 하중이 미리 설정해 놓은 정격 하중을 초과하는지를 판단하고, 판단 결과에 따라 조치를 취하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  3. 제 2 항에 있어서,
    상기 비전 카메라 및 상기 전류측정장치는 상기 크레인에 설치되는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  4. 제 3 항에 있어서,
    상기 비전 카메라는 상기 크레인의 상부 양 측면에 각각 하나 이상 설치되는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  5. 제 2 항에 있어서,
    상기 비전 카메라는 상기 크레인에 설치되고,
    상기 전류측정장치는 상기 크레인의 외부에 설치되는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  6. 제 2 항에 있어서,
    상기 비전 카메라는,
    상기 후크를 중심으로 FoV 120도 촬영을 수행하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  7. 제 2 항에 있어서,
    상기 인양물의 영상을 저장하는 데이터베이스를 더 포함하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  8. 제 2 항에 있어서,
    상기 비전 카메라 및 상기 서버는 근거리 무선 통신으로 정보를 송수신하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  9. 제 2 항에 있어서,
    상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하는 알고리즘은,
    수정된(modified) Yolov3을 사용하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  10. 전류측정장치를 이용하여, 크레인으로 인양물을 인양할 때 소비되는 인양물 구동용 모터의 소비전류를 측정하는 단계;
    비전 카메라를 이용하여, 상기 크레인의 후크에 인양되는 상기 인양물의 영상을 생성하는 단계;
    서버에서 수행하며, 상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하는 단계; 및
    상기 서버에서 수행하며, 상기 인양물 구동용 모터의 소비전류와 학습한 상기 광학적 특성 인식 정보를 이용하여 상기 인양물의 하중을 인식하는 단계;를 포함하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법.
  11. 제 10 항에 있어서,
    상기 인양물의 하중을 인식하는 단계 이후,
    인식된 상기 인양물의 하중이 미리 설정한 정격 하중을 초과하는 지를 판단하고, 판단 결과에 따라 조치를 취하는 단계를 더 포함하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법.
  12. 제 11 항에 있어서,
    상기 조치는,
    상기 인양물의 하중이 상기 정격하중을 초과하지 않았다고 판단한 때에는, 상기 크레인의 작업을 계속 수행하도록 하고,
    상기 인양물의 하중이 상기 정격하중을 초과하였다고 판단한 때에는, 상기 크레인의 작업을 중지하도록 하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법.
  13. 제 12 항에 있어서,
    상기 크레인의 작업을 중지한 때에는,
    상기 크레인의 작업을 중지하였음을 외부로 통보하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법.
  14. 제 13 항에 있어서,
    상기 외부는,
    상기 크레인의 작업자, 상기 크레인의 작업을 관리하는 모니터, 및 상기 크레인 주위의 작업자 중 어느 하나 이상을 포함하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법.
  15. 제 10 항에 있어서,
    상기 인양물의 영상에 대하여 광학적 특성 인식을 학습하는 단계는,
    수정된(modified) Yolov3을 사용하는,
    딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템.
  16. 제 10 항 내지 제 15 항 중 어느 한 항에 따른 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록매체.
KR1020210147097A 2021-10-29 2021-10-29 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체 KR20230062135A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210147097A KR20230062135A (ko) 2021-10-29 2021-10-29 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210147097A KR20230062135A (ko) 2021-10-29 2021-10-29 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체

Publications (1)

Publication Number Publication Date
KR20230062135A true KR20230062135A (ko) 2023-05-09

Family

ID=86408949

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210147097A KR20230062135A (ko) 2021-10-29 2021-10-29 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체

Country Status (1)

Country Link
KR (1) KR20230062135A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210095337A (ko) 2020-01-23 2021-08-02 (주)넷믹스 실시간 크레인 충돌방지 모니터링 장치 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210095337A (ko) 2020-01-23 2021-08-02 (주)넷믹스 실시간 크레인 충돌방지 모니터링 장치 및 그 방법

Similar Documents

Publication Publication Date Title
US20220284366A1 (en) Method and system for managing a crane and/or construction site
CN110733983B (zh) 一种塔吊安全控制系统及其控制方法
JP7289581B2 (ja) クレーン用情報処理装置
JP6329304B1 (ja) ロープ検査装置
CN105967066A (zh) 一种用于海洋平台起重机的预警控制系统
JP2018008774A (ja) エレベーターの点検作業支援装置と点検作業支援システム
JP2020095709A (ja) スクラップ等級判定システム、スクラップ等級判定方法、推定装置、学習装置、学習済みモデルの生成方法、及びプログラム
CN108821117A (zh) 一种智慧型桥面吊机
KR100990433B1 (ko) 무인 크레인의 후크 체결 방법 및 그 무인 크레인 시스템
CN116750648A (zh) 一种基于数字孪生的起重机械工作监测系统及方法
KR20230062135A (ko) 딥 러닝을 기반으로 하는 광학적 특징 인식 및 전류 측정을 통한 중량정보 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체
CN116062622B (zh) 基于多激光传感器的卸船机抓斗实时位置及姿态监测系统
JP7386682B2 (ja) 密閉物検出システム、密閉物検出方法、推定装置、及びプログラム
JP2021076711A (ja) スクラップ画像撮影システム、スクラップ画像撮影方法、撮影支援装置、及びプログラム
WO2023221443A1 (zh) 基于2d相机的安全预警方法、装置、设备及存储介质
CN114057106B (zh) 一种双卷扬乱绳识别方法、装置和计算机可读存储介质
KR20230087783A (ko) 디지털 트윈 기반 안전 교육 시스템
KR20230062139A (ko) 딥 러닝을 기반으로 하는 크레인 장애물 인식 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체
JP6139651B1 (ja) エレベータの点検作業支援システム、およびこれに利用する点検作業支援装置、点検作業支援方法
KR20230062122A (ko) 이미지 세그멘테이션 및 딥 러닝을 이용한 크레인 자동 운영 시스템 및 방법, 및 동 방법을 컴퓨터에서 실행하기 위한 컴퓨터 프로그램이 기록된, 컴퓨터 판독 가능한 기록 매체
CN117776065B (zh) 一种施工升降平台安全状态监控方法及系统
CN110775765A (zh) 升降机安全检测方法、装置、系统及机器可读存储介质
CN118014992B (en) Dynamic visual monitoring method and system for crane lifting safety
CN111830228B (zh) 一种钢丝绳损伤位置的动态定位方法及设备
US20220274810A1 (en) Estimated load verification for overhead cranes