一种隧道预制管片生产线的预制管片质量检测统计系统和方法技术方案

本发明专利技术公开了一种隧道预制管片生产线的预制管片质量检测统计系统和方法。本系统包括：轨道、预制管片埋深类型及预埋件检测装置、管片形状检测装置。本方法采用深度学习算法对预制管片埋深类型进行识别和分类，并采用深度学习算法对预制管片形状进行检测。本发明专利技术实现对隧道预制管片生产线所生产的隧道预制管片类型进行在线实时检测统计，提高了分类的可靠性、避免了依靠传统人工进行分类的分类错误在后期施工中带来的隧道安全隐患。

【技术实现步骤摘要】

本专利技术涉及一种隧道预制管片生产线的预制管片质量检测统计系统和方法，特别针对隧道预制管片埋深类型以及隧道预制管片形状类型的检测统计系统和方法。
技术介绍
随着社会的发展与进步，城市地下空间工程也得到了迅速发展，地铁、隧道等施工地点的隧道管片在不断的生产供应，隧道预制管片的质量关系着地铁、隧道等工程的质量以及后期的运营安全。在隧道预制管片生产过程中，对于生产的预制管片埋深类型、形状类型进行检测统计是整个生产流程中至关重要的两项工作。由于在隧道施工作业时，随着隧道深度的不同，所要铺设的隧道预制管片埋深类型也有很大差异，例如隧道越深，管片承受的压力也就越大，就需要采用钢筋梁比较粗的深埋管片进行施工。但是隧道管片的生产过程中，钢模类型是固定的，预制管片的埋深程度取决于管片钢筋梁中钢筋的粗细，当钢筋梁浇筑混凝土之后，就无法通过人眼观测到所生产的隧道预制管片埋深类型，因此需要人为的提前记录所生产的隧道管片类型，传统的方法只能依靠人眼去观测、记录，很容易造成观测记录的失误，一旦出现失误，将会造成严重的安全隐患。同时，当检测统计出隧道预制管片埋深类型之后，还要继续检测统计出所生产的隧道管片的形状类型，隧道管片的形状类型虽然可以通过钢模的形状人工识别出，但是对于工人而言，工作量极大，很难完全保证统计的可靠性。针对上述的技术背景，所以急需要寻找一种可靠的、能够检测统计钢模所生产的隧道预制管片埋深类型和形状的方法，随着现在生产技术的长足发展，计算机视觉技术得到了广泛的应用，计算机视觉技术与传感器技术的信息融合，使得解决这一安全性问题称为可能。
技术实现思路
本专利技术的目的在于针对目前主要依靠人工统计隧道预制管片埋深类型和形状类型的不足，提供一种隧道预制管片生产线的预制管片质量检测统计系统和方法，通过计算机视觉技术和传感器技术的信息融合，避免了传统人工检测统计可能出现的安全隐患、统计失误，提高了隧道管片生产的效率。为实现上述目的，本专利技术采用如下技术方案：一种隧道预制管片生产线的预制管片质量检测统计系统，包括轨道1、预制管片埋深类型及预埋件检测装置和预制管片形状检测装置，所述预制管片埋深类型及预埋件检测装置包括第一门形框架2、光电开关3、LED补充光源12、相机13和相机减震设备14；所述预制管片形状检测装置包括：RFID标签5、第二门形框架6、RFID固定式读写器7、光电开关8、LED补充光源9、相机10、相机减震设备11，所述第一门形框架2和第二门形框架6分别安装在轨道1的前后区段上，光电开关3安装于第一门形框架2的内侧壁前端，相机减震设备14安装于第一门形框架2的顶部中间位置，相机13安装于相机减震设备14下部，LED补充光源12安装于第一门形框架2四个顶角处；光电开关8安装于第二门形框架6内侧壁前端，相机减震设备11安装于第二门形框架6顶部中间位置，相机10安装于相机减震设备11下部，LED补充光源9安装于第二门形框架6的四个顶角处，RFID固定式读写器7安装于第二门形框架6内侧壁。光电开关3安置位置保证当钢模4运行到第一门形框架2时，触发光电开关3动作，安装于第一门形框架2顶部的相机13检测到光电开关3动作信号，启动一次图像采集；所述相机减震设备14用来减轻车间震动对相机13带来的安全影响，并且具有上下运动的功能，用于调节相机13的视野范围；所述LED补充光源12为相机13的拍摄提供充足光源；所述光电开关8安置位置保证当钢模4运行到第二门形框架6时，触发光电开关8动作，安放在预制管片形状检测装置6顶部的相机10检测到光电开关8动作信号，启动一次图像采集；同时RFID固定式读写器7读取贴在钢模4上的RFID标签5信息；所述相机减震设备11用来减轻车间震动对相机10带来的安全影响，并且具有上下运动的功能，用于调节相机10的视野范围；所述LED补充光源为相机10的拍摄提供充足光源。钢模4外侧贴有RFID标签5，RFID标签5存储钢模4所生产的隧道预制管片形状信息，钢模4上下料地点设置在第一门形框架2和第二门形框架6的中间位置；当钢模4运载尚未浇筑混凝土的钢筋笼，经过第一门形框架2时，进行隧道预制管片钢筋笼的钢筋粗细的检测，确定预制管片的埋深类型；当钢模4浇筑混凝土成型后，经过第二门形框架6时，进行RFID标签5信息的读取和钢模4形状的检测分类；检测完钢模形状后，在第一门形框架2和第二门形框架6的中间位置进行卸料、上料。采用深度学习算法对预制管片埋深类型及预埋件进行识别和分类，识别和分类过程分为离线学习过程和在线识别过程，步骤如下：A离线学习过程：①标准图像采集及预处理：1)相机13采集钢模4内钢筋笼中的钢筋图像；2)经过图像预处理模块滤除背景噪声；3)将图像按长度方向进行5等分，取第3张归一化为128*128的标准图像；②建立深度学习网络：建立一个具有7层结构的卷积神经网络模型，包括一个输入层、三个卷积层、三个下采样层。第一卷积层卷积核大小设置为9*9，第一下采样层池化矩阵大小为4*4；第二卷积层核窗口大小为5*5，第二下采样层池化矩阵大小为2*2；第三卷积层核窗口大小为4*4，第三下采样层池化矩阵大小为2*2，数学模型建立过程如下：1)构建卷积层数学模型 x j l = f ( Σ i ∈ M j x i l - 1 * w i j l + b j l ) ]]>其中表示第l卷积层输入，表示上一层与卷积层之间的核窗口，f(·)表示激活函数，Mj
表示输入特征map数量；2)构建下采样层数学模型 x j l = f ( α j l P ( 本文档来自技高网...

【技术保护点】
一种隧道预制管片生产线的预制管片质量检测统计系统，包括轨道(1)、预制管片埋深类型及预埋件检测统计装置和预制管片形状检测统计装置，所述预制管片埋深类型及预埋件检测装置包括第一门形框架(2)、光电开关(3)、LED补充光源(12)、相机(13)和相机减震设备(14)；所述预制管片形状检测装置包括：RFID标签(5)、第二门形框架(6)、RFID固定式读写器(7)、光电开关(8)、LED补充光源(9)、相机(10)、相机减震设备(11)，其特征在于：所述第一门形框架(2)和第二门形框架(6)分别安装在轨道(1)的前后区段上，光电开关(3)安装于第一门形框架(2)的内侧壁前端，相机减震设备(14)安装于第一门形框架(2)的顶部中间位置，相机(13)安装于相机减震设备(14)下部，LED补充光源(12)安装于第一门形框架(2)四个顶角处；光电开关(8)安装于第二门形框架(6)内侧壁前端，相机减震设备(11)安装于第二门形框架(6)顶部中间位置，相机(10)安装于相机减震设备(11)下部，LED补充光源(9)安装于第二门形框架(6)的四个顶角处，RFID固定式读写器(7)安装于第二门形框架(6)内侧壁。...

【技术特征摘要】
1.一种隧道预制管片生产线的预制管片质量检测统计系统，包括轨道(1)、预制管片埋
深类型及预埋件检测统计装置和预制管片形状检测统计装置，所述预制管片埋深类型及预埋
件检测装置包括第一门形框架(2)、光电开关(3)、LED补充光源(12)、相机(13)和相机
减震设备(14)；所述预制管片形状检测装置包括：RFID标签(5)、第二门形框架(6)、RFID
固定式读写器(7)、光电开关(8)、LED补充光源(9)、相机(10)、相机减震设备(11)，
其特征在于：所述第一门形框架(2)和第二门形框架(6)分别安装在轨道(1)的前后区段
上，光电开关(3)安装于第一门形框架(2)的内侧壁前端，相机减震设备(14)安装于第
一门形框架(2)的顶部中间位置，相机(13)安装于相机减震设备(14)下部，LED补充光
源(12)安装于第一门形框架(2)四个顶角处；光电开关(8)安装于第二门形框架(6)内
侧壁前端，相机减震设备(11)安装于第二门形框架(6)顶部中间位置，相机(10)安装于
相机减震设备(11)下部，LED补充光源(9)安装于第二门形框架(6)的四个顶角处，RFID
固定式读写器(7)安装于第二门形框架(6)内侧壁。
2.根据权利要求1所述的一种隧道预制管片生产线的预制管片质量检测统计系统，其特
征在于：所述光电开关(3)安置位置保证当钢模(4)运行到第一门形框架(2)时，触发光
电开关(3)动作，安装于第一门形框架(2)顶部的相机(13)检测到光电开关(3)动作信
号，启动一次图像采集；所述相机减震设备(14)用来减轻车间震动对相机(13)带来的安
全影响，并且具有上下运动的功能，用于调节相机(13)的视野范围；所述LED补充光源(12)
为相机(13)的拍摄提供充足光源；所述光电开关(8)安置位置保证当钢模(4)运行到第
二门形框架(6)时，触发光电开关(8)动作，安放在预制管片形状检测装置(6)顶部的相
机(10)检测到光电开关(8)动作信号，启动一次图像采集；同时RFID固定式读写器(7)
读取贴在钢模(4)上的RFID标签(5)信息；所述相机减震设备(11)用来减轻车间震动对
相机(10)带来的安全影响，并且具有上下运动的功能，用于调节相机(10)的视野范围；
所述LED补充光源为相机(10)的拍摄提供充足光源。
3.一种隧道预制管片生产线的预制管片质量检测统计系统，其特征在于：还包括钢模(4)，
所述钢模(4)外侧贴有RFID标签(5)，RFID标签(5)存储钢模(4)所生产的隧道预制管
片形状信息，钢模(4)上下料地点设置在第一门形框架(2)和第二门形框架(6)的中间位
置；当钢模(4)运载尚未浇筑混凝土的钢筋笼，经过第一门形框架(2)时，进行隧道预制
管片钢筋笼的钢筋粗细的检测，确定预制管片的埋深类型；当钢模(4)浇筑混凝土成型后，
经过第二门形框架(6)时，进行RFID标签(5)信息的读取和钢模(4)形状的检测分类；
检测完钢模形状后，在第一门形框架(2)和第二门形框架(6)的中间位置进行卸料、上料。
4.一种隧道预制管片生产线的预制管片质量检测统计方法，采用根据权利要求1所述的
一种隧道预制管片生产线的预制管片质量检测统计系统进行操作，其特征在于采用深度学习
算法对预制管片埋深类型及预埋件进行识别和分类，识别和分类过程分为离线学习过程和在
线识别过程，操作步骤如下：
A离线学习过程：
①标准图像采集及预处理：
1)相机(13)采集钢模(4)内钢筋笼中的钢筋图像；
2)经过图像预处理模块滤除背景噪声；
3)将图像按长度方向进行5等分，取第3张归一化为128*128的标准图像；
②建立深度学习网络：建立一个具有7层结构的卷积神经网络模型，包括一个输入层、三个
卷积层、三个下采样层；第一卷积层卷积核大小设置为9*9，第一下采样层池化矩阵大小为
4*4；第二卷积层核窗口大小为5*5，第二下采样层池化矩阵大小为2*2；第三卷积层核窗口
大小为4*4，第三下采样层池化矩阵大小为2*2，数学模型建立过程如下：
1)构建卷积层数学模型
x j l = f ( Σ i ∈ M j x i l - 1 * w i j l + b j l ) ]]>其中表示第l卷积层输入，表示上一层与卷积层之间的核窗口，f(·)表示激活函数，Mj表示输入特征map数量；
2)构建下采样层数学模型
x j l = f ( α j l P ( x j l - 1 ) + b j l ) ]]>其中P(·)表示池化函数，α表示乘性偏置，b表示加性偏置；
利用图像的局部相关性原理，对图像进行下采样；
3)全连接层引入动量因子
Δ w ( t ) = - &...

【专利技术属性】
技术研发人员：高新闻，杨正哲，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31