基于深度学习的吊钩防脱装置检测方法与流程

技术特征：
1.基于深度学习的吊钩防脱装置检测方法，其特征在于，所述检测方法为：步骤1：利用监控设备获取工地吊车作业中吊钩位置的监控视频；步骤2：从步骤1的监控视频中获取含有吊钩的吊钩图像；步骤3：对步骤2获取到的吊钩图像进行人工标注作为样本数据；其中，人工标注是对样本数据中吊钩和防脱装置分别进行标注，75％标注后的样本数据作为训练样本，25％标注后的样本数据作为测试样本；步骤4：构建神经网络模型，并利用训练样本和测试样本对神经网络模型进行训练，得到训练好的神经网络模型；步骤5：利用作业工地的监控设备获取实时的监控视频，并间隔获取连续的n帧待测吊钩图像作为一组待测组；步骤6：将属于同一待测组的待测吊钩图像输入到训练好的神经网络模型中，得出吊钩目标和防脱装置目标，并提取吊钩目标和防脱装置目标的坐标；步骤：7：计算同一帧待测吊钩图像中的吊钩目标和防脱装置目标的交并比；若吊钩目标与任一其它防脱装置目标的交并比均小于0.05，则该吊钩目标未匹配到相应的防脱装置目标，将该吊钩目标计为暂未安装防脱装置，反之计为已安装防脱装置；步骤8：计算n帧待测吊钩图像中，吊钩目标与任一其它防脱装置目标的交并比，每个吊钩得出对应的n个暂计结果，若吊钩的n个暂计结果均为暂未安装防脱装置，则该吊钩的检测结果即为未安装防脱装置，并将输出检测结果；该待测组检测完毕；步骤9：重复所述步骤5中的动作，获取到下一待测组，继续重复步骤6-8。2.根据权利要求1所述的检测方法，其特征在于，所述步骤1和所述步骤5中的监控设备，为安装在工地中电线杆或路灯上的监控设备，能够获取工地作业中吊车周围的图像。3.根据权利要求2所述的检测方法，其特征在于，所述监控设备与吊车位置的水平距离为100米以内。4.根据权利要求1-3任一项所述的检测方法，其特征在于，所述步骤6中，所述神经网络模型输出的吊钩目标和防脱装置目标为置信度大于0.3的边界框。5.根据权利要求1-4任一项所述的检测方法，其特征在于，所述步骤4构建的神经网络模型采用yolov4网络模型结构，且yolov4网络模型仅采用4倍和8倍下采样特征图。6.根据权利要求1-5任一项所述的检测方法，其特征在于，所述步骤5中，从监控视频中每隔n帧获取一次连续的n帧待测吊钩图像。7.根据权利要求1-6任一项所述的检测方法，其特征在于，所述待测组包括n帧待测吊钩图像，所述n为45。8.根据权利要求1-7任一项所述的检测方法，其特征在于，所述步骤3中的样本数据还包括填充样本数据，所述填充样本数据为在实际获取的吊钩图片基础上通过改变亮度、色调、饱和度仿真出不同天气条件下的图片。9.根据权利要求1-8任一项所述的检测方法，其特征在于，所述步骤3中的样本数据还包括在实际获取的吊钩图片基础上通过拷贝获取的图片。

技术总结
本发明公开了一种基于深度学习的吊钩防脱装置检测方法，具体为：从监控视频中获取含有吊钩的吊钩图像并进行人工标注作为样本数据，构建神经网络模型并训练，将实时获取的监控视频输入到训练好的神经网络模型中，得出吊钩目标和防脱装置目标，计算吊钩目标和防脱装置目标的交并比若吊钩的N个暂计结果均为暂未安装防脱装置，则该吊钩的检测结果即为未安装防脱装置，并将输出检测结果；该待测组检测完毕。本发明的有益效果是：本发明通过目标检测技术能够对作业中吊车吊钩是否安装防脱装置实现实时检测，不仅满足管理要求，而且能够及时发现未安装防脱装置的吊钩并发出预警，避免意外的发生。意外的发生。意外的发生。


技术研发人员：王美 丛军 黄珊 李慧颖 于示 苏建国 吕德东 陈健飞 杨欣欣 王逸飞
受保护的技术使用者：中国石油化工股份有限公司胜利油田分公司技术检测中心 胜利油田检测评价研究有限公司
技术研发日：2020.12.03
技术公布日：2022/6/10