[發(fā)明專利]一種基于深度學習的起重機裂紋檢測方法

在審

• 申請?zhí)枺?/td>: 202010902450.5
• 申請日: 2020-09-01
• 公開（公告）號: CN112037205A
• 公開（公告）日: 2020-12-04
• 發(fā)明（設計）人: 高鈺敏;聶道靜;李彬
• 申請（專利權）人: 湖北微特傳感物聯(lián)研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/60;G06T3/40;G06N3/08;G06N3/04
• 代理公司: 重慶中之信知識產(chǎn)權代理事務所(普通合伙) 50213
• 代理人: 廖天云

本發(fā)明提供了一種基于深度學習的起重機裂紋檢測方法，包括數(shù)據(jù)獲取、數(shù)據(jù)標注、神經(jīng)網(wǎng)絡建立、實際檢測四個步驟；本發(fā)明通過深度學習技術中的卷積神經(jīng)網(wǎng)絡來對起重機大梁的照片進行處理，通過外置的攝像頭不斷取得起重機大梁的圖片，即可隨時導入到卷積神經(jīng)網(wǎng)絡模型中進行檢測，從而隨時隨地的保持對起重機的檢測，避免突發(fā)性裂紋的產(chǎn)生，從而更好的保護起重機大梁，具有更高的安全性能；本發(fā)明在建立完成卷積神經(jīng)網(wǎng)絡模型后，只需要架設好對準起重機大梁的攝像機，并將該攝像機連接到處理服務器即可，不需要額外的人工操作過程，也不需要在起重機上安裝額外的設備，具有設置方便，檢測迅速的優(yōu)點。

技術領域

本發(fā)明涉及起重機安全狀況監(jiān)測技術領域，具體涉及一種基于深度學習的起重機裂紋檢測方法。

背景技術

起重機是現(xiàn)代工業(yè)中極其重要的一種機械設備。具體是指在一定范圍內(nèi)垂直提升和水平搬運重物的多動作起重機械，其工作特點是做間歇性運動，即在一個工作循環(huán)中取料、運移、卸載等動作的相應機構是交替工作的，起重機在建筑、航空航天、貨運等行業(yè)上的發(fā)展和使用越來越廣泛。

起重機主要包括起升機構、運行機構、變幅機構、回轉(zhuǎn)機構和金屬結(jié)構等。起升機構是起重機的基本工作機構，大多是由吊掛系統(tǒng)和絞車組成，也有通過液壓系統(tǒng)升降重物的。運行機構用以縱向水平運移重物或調(diào)整起重機的工作位置，一般是由電動機、減速器、制動器和車輪組成。變幅機構只配備在臂架型起重機上，臂架仰起時幅度減小，俯下時幅度增大，分平衡變幅和非平衡變幅兩種。回轉(zhuǎn)機構用以使臂架回轉(zhuǎn)，是由驅(qū)動裝置和回轉(zhuǎn)支承裝置組成。

金屬結(jié)構的大梁是起重機的骨架，主要承載件如橋架、臂架和門架可為箱形結(jié)構或桁架結(jié)構，也可為腹板結(jié)構，有的可用型鋼作為支承梁。起重機的大梁因為在其中過程中起到主要的承力作用，導致長期使用后會因為金屬疲勞而產(chǎn)生裂紋，如果裂紋的大小和數(shù)量超過一定的限度，就會極大的影響大梁的結(jié)構強度，帶來強烈的安全隱患，因此在起重機安全領域中對于大梁上的裂紋檢測是非常關鍵的一環(huán)。但是目前的檢測方式通常為磁粉探傷、光學探傷、電阻探傷等方式，都需要在起重機停止狀態(tài)下進行操作，而不能即時的檢測起重機的裂紋損傷情況，導致時效性不強；另外目前的檢測方式都需要使用大量檢測設備配合使用，檢測過程復雜，操作不便，導致工作效率不高。

發(fā)明內(nèi)容

針對現(xiàn)有技術中所存在的不足，本發(fā)明提供了一種基于深度學習的起重機裂紋檢測方法，用以解決目前的裂紋檢測方式不能即時檢測、時效性差，同時檢測設備復雜、使用不便的問題。

為實現(xiàn)上述目的，本發(fā)明采用了如下的技術方案：

一種基于深度學習的起重機裂紋檢測方法，包括如下步驟：

(1)數(shù)據(jù)獲取：獲取多張起重機大梁的圖片，剪裁空白部分使得剩余部分全部為矩形的起重機大梁圖像，然后將其調(diào)整為1024*512的大小，再以32*32為單位區(qū)域的大小將整張圖像切分為512張圖像，并且將全部的圖片重復上述操作；

(2)數(shù)據(jù)標注：將步驟(1)中獲取的剪切完畢的32*32圖像分類為裂紋面元和背景面元，其中裂紋面元為包含有裂紋的圖像，背景面元為不包含裂紋的圖像，然后對裂紋面元和背景面元分別進行標注，將裂紋面元標注為1，將背景面元標注為0；

(3)神經(jīng)網(wǎng)絡建立：將步驟(2)中獲得的標注完成的圖像分別劃分為訓練集和測試集，其中訓練集中圖像的數(shù)量大于測試集，使用卷積神經(jīng)網(wǎng)絡對訓練集進行訓練，得到合適的卷積神經(jīng)網(wǎng)絡模型，然后將測試集導入到卷積神經(jīng)網(wǎng)絡模型中進行測試，直到滿足預先設定的準確率；

(4)實際檢測：將需要檢測的起重機的大梁進行拍照獲取圖片，按照步驟(1)中的方式處理并切分為512張圖像，然后使用步驟(3)中獲得的模型對每一張圖像依次進行處理，若識別出標注為1的裂紋面元，則通過其編號定位到原圖片中的位置，然后實際檢測起重機大梁的對應部位。