一种基于人工智能的吊车施工风险评估方法及装置制造方法及图纸

本发明专利技术涉及本发明专利技术涉及人工智能、起重设备技术领域，提供了一种基于人工智能的吊车施工风险评估方法及装置，包括：根据吊钩装置图像初步判断防脱卡扣是否失效；若失效，则根据吊钩装置图像，获取钩头本体图像、防脱卡扣本体图像和吊绳本体图像，进而确定第一吊钩风险特征、第二吊钩风险特征和第三吊钩风险特征，并根据三个吊钩风险特征确定吊钩施工风险程度。本发明专利技术通过在初步判断出防脱卡扣失效的情况下，分别从吊绳能够从钩头开口脱落的危险程度、钩头开口方向偏离程度以及吊绳在钩头处的分布对称程度三个方面进行考虑，来对应确定三个吊钩风险特征，最终实现对吊车的施工风险程度的可靠评估，提高了对吊钩工作状态检测的有效性和准确性。效性和准确性。效性和准确性。

【技术实现步骤摘要】
一种基于人工智能的吊车施工风险评估方法及装置


[0001]本专利技术涉及人工智能、起重设备
，具体涉及一种基于人工智能的吊车施工风险评估方法及装置。

技术介绍

[0002]化工企业由于重型设备较多，因此在进行各种工程作业时经常需要专业的工程设备进行辅助工作。尤其是当化工企业需要进行建筑施工时，由于作业环境复杂，工种工序多，投入使用的机械设备也较多，因此在施工生产活动过程中危险和危害因素也相应的多而繁杂。
[0003]在施工过程中一般将危险源分为两类，一类是危险化学品以及压力容器，一类是人的不安全行为、机械工艺的不安全状态和不良的环境条件，而绝大多数的危险和有害因素都属于后者。
[0004]塔式起重机是一种可以实现重物全方位运送的起重机械，在工程作业场景中广泛出现。然而该器械在使用过程中存在较多的安全隐患，因此需要经常对其进行检查，但由于该设备一旦搭建完成，一般需要在高空环境中长期进行作业，因此很难实现人为检测。
[0005]其中，吊钩作为塔式起重机在作业中最频繁被用到的部件，虽然其开口处设置有防脱卡扣，但是在塔式起重机施工过程中，还是会时常发生防脱卡扣不能完全与吊钩内部边缘完全闭合等防脱卡扣失灵现象，这就可能会导致钢丝绳脱钩进而引发严重事故。而由于吊钩通常位置极高且存在视线盲区，所以很难通过人眼对吊钩的施工风险状态进行可靠检测。因此，在塔式起重机在高空施工的过程中，需要在高空环境中对吊钩安全状态进行有效的检测。

技术实现思路

[0006]本专利技术的目的在于提供一种基于人工智能的吊车施工风险评估方法及装置，用于解决现有通过现有技术无法对吊钩工作状态进行有效检测的问题。
[0007]为解决该技术问题，本专利技术所采用的技术方案具体如下：
[0008]本专利技术提供了一种基于人工智能的吊车施工风险评估方法，包括以下步骤：
[0009]获取吊钩装置图像，对所述吊钩装置图像进行预处理；
[0010]根据预处理后的吊钩装置图像，初步判断防脱卡扣是否失效；
[0011]若初步判断出防脱卡扣失效，则根据预处理后的吊钩装置图像，获取钩头本体图像、防脱卡扣本体图像和吊绳本体图像；
[0012]根据所述钩头本体图像、防脱卡扣本体图像以及吊绳本体图像，确定第一吊钩风险特征，所述第一吊钩风险特征用于表征吊绳能够从钩头开口脱落的危险程度；
[0013]根据所述钩头本体图像和防脱卡扣本体图像，确定第二吊钩风险特征，所述第二吊钩风险特征用于表征钩头开口方向偏离程度；
[0014]根据所述钩头本体图像和吊绳本体图像，确定第三吊钩风险特征，所述第三吊钩
风险特征用于表征吊绳在钩头处的分布对称程度；
[0015]根据所述第一吊钩风险特征、第二吊钩风险特征和第三吊钩风险特征，确定吊钩施工风险程度。
[0016]进一步的，所述确定第一吊钩风险特征的步骤包括：
[0017]根据所述钩头本体图像和防脱卡扣本体图像，确定防脱卡扣和钩头本体内部轮廓之间的最短距离；
[0018]根据所述吊绳本体图像，确定吊绳的直径；
[0019]根据所述防脱卡扣和钩头本体内部轮廓之间的最短距离以及吊绳的直径，计算第一吊钩风险特征。
[0020]进一步的，所述第一吊钩风险特征的计算公式为：
[0021][0022]其中：，i1为第一吊钩风险特征，D为防脱卡扣和钩头本体内部轮廓之间的最短距离，d为吊绳的直径。
[0023]进一步的，所述确定第二吊钩风险特征的步骤包括：
[0024]根据钩头本体图像，利用主成分分析法确定钩头本体内部轮廓图像的主成分方向；
[0025]根据防脱卡扣本体图像，利用主成分分析法确定防脱卡扣的主成分方向；
[0026]计算钩头本体内部轮廓图像的主成分方向和防脱卡扣的主成分方向之间的夹角；
[0027]根据计算出来的两个主成分方向的夹角以及吊钩平稳垂直时两个主成分方向的夹角，计算第二吊钩风险特征。
[0028]进一步的，所述第二吊钩风险特征的计算公式为：
[0029]I2＝1
‑
e
‑
Δθ
[0030]其中，I2为第二吊钩风险特征，Δθ为偏离夹角，Δθ＝|θ1‑
θ0|，θ1为计算出来的两个主成分方向的夹角，θ0为吊钩平稳垂直时两个主成分方向的夹角。
[0031]进一步的，所述确定第三吊钩风险特征的步骤包括：
[0032]根据所述钩头本体图像，利用主成分分析法确定整个钩头本体的主成分方向；
[0033]根据吊绳本体图像以及整个钩头本体的主成分方向所在直线，确定位于所述主成分方向所在直线两侧的所有吊绳像素点；
[0034]计算位于主成分方向所在直线第一侧的所有吊绳像素点的数目以及所有吊绳像素点到该位于主成分方向所在直线的距离的均值；
[0035]计算位于主成分方向所在直线第二侧的所有吊绳像素点的数数目以及所有吊绳像素点到该位于主成分方向所在直线的距离的均值；
[0036]根据计算出来的两个所有吊绳像素点的数目以及对应的两个距离的均值，计算第三吊钩风险特征。
[0037]进一步的，所述第三吊钩风险特征的计算公式为：
[0038][0039]其中，I3为第三吊钩风险特征，Δd为两个距离的均值的差值的绝对值，Δd＝|d1‑
d2|，d1为位于主成分方向所在直线第一侧的所有吊绳像素点到该位于主成分方向所在直线的距离的均值，d2为位于主成分方向所在直线第二侧的所有吊绳像素点到该位于主成分方向所在直线的距离的均值，Δn为两个所有吊绳像素点的数目的差值的绝对值，Δn＝|n1‑
n2|，n1为位于主成分方向所在直线第一侧的所有吊绳像素点的数目，n2为位于主成分方向所在直线第二侧的所有吊绳像素点的数目。
[0040]进一步的，所述吊钩施工风险程度的计算公式为：
[0041]Z＝α1I1+α2I2+α3I3[0042]其中，Z为吊钩施工风险程度，I1、I2、I3分别为第一吊钩风险特征、第二吊钩风险特征、第三吊钩风险特征，α1、α2、α3分别为i1、i2、i3对应的权值。
[0043]进一步的，根据预处理后的吊钩装置图像，获取钩头本体图像、防脱卡扣本体图像和吊绳本体图像的步骤包括：
[0044]对预处理后的整个吊钩装置图像进行腐蚀操作，直至吊钩装置中的钩头与其上部的连接件首次分割开，从而得到腐蚀后的钩头区域图像，所述腐蚀后的钩头区域图像中包含钩头本体，但不包含防脱卡扣和吊绳；
[0045]根据吊钩装置中的钩头与其上部的连接件首次分割开时的位置，对整个吊钩装置图像进行分割，得到原始钩头区域图像；
[0046]对腐蚀后的钩头区域图像进行膨胀操作直至恢复到钩头本体原始尺寸，得到钩头本体图像；
[0047]根据钩头本体图像中钩头本体的各个像素点位置，在原始钩头区域图像中确定钩头本体；
[0048]对原始钩头区域图像中确定的钩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的吊车施工风险评估方法，其特征在于，包括以下步骤：获取吊钩装置图像，对所述吊钩装置图像进行预处理；根据预处理后的吊钩装置图像，初步判断防脱卡扣是否失效；若初步判断出防脱卡扣失效，则根据预处理后的吊钩装置图像，获取钩头本体图像、防脱卡扣本体图像和吊绳本体图像；根据所述钩头本体图像、防脱卡扣本体图像以及吊绳本体图像，确定第一吊钩风险特征，所述第一吊钩风险特征用于表征吊绳能够从钩头开口脱落的危险程度；根据所述钩头本体图像和防脱卡扣本体图像，确定第二吊钩风险特征，所述第二吊钩风险特征用于表征钩头开口方向偏离程度；根据所述钩头本体图像和吊绳本体图像，确定第三吊钩风险特征，所述第三吊钩风险特征用于表征吊绳在钩头处的分布对称程度；根据所述第一吊钩风险特征、第二吊钩风险特征和第三吊钩风险特征，确定吊钩施工风险程度。2.根据权利要求1所述的基于人工智能的吊车施工风险评估方法，其特征在于，所述确定第一吊钩风险特征的步骤包括：根据所述钩头本体图像和防脱卡扣本体图像，确定防脱卡扣和钩头本体内部轮廓之间的最短距离；根据所述吊绳本体图像，确定吊绳的直径；根据所述防脱卡扣和钩头本体内部轮廓之间的最短距离以及吊绳的直径，计算第一吊钩风险特征。3.根据权利要求2所述的基于人工智能的吊车施工风险评估方法，其特征在于，所述第一吊钩风险特征的计算公式为：其中，I1为第一吊钩风险特征，D为防脱卡扣和钩头本体内部轮廓之间的最短距离，d为吊绳的直径。4.根据权利要求1
‑
3中任一项所述的基于人工智能的吊车施工风险评估方法，其特征在于，所述确定第二吊钩风险特征的步骤包括：根据钩头本体图像，利用主成分分析法确定钩头本体内部轮廓图像的主成分方向；根据防脱卡扣本体图像，利用主成分分析法确定防脱卡扣的主成分方向；计算钩头本体内部轮廓图像的主成分方向和防脱卡扣的主成分方向之间的夹角；根据计算出来的两个主成分方向的夹角以及吊钩平稳垂直时两个主成分方向的夹角，计算第二吊钩风险特征。5.根据权利要求4所述的基于人工智能的吊车施工风险评估方法，其特征在于，所述第二吊钩风险特征的计算公式为：I2＝1
‑
e
‑
Δθ
其中，I2为第二吊钩风险特征，Δθ为偏离夹角，Δθ＝|θ1‑
θ0|，θ1为计算出来的两个主成分方向的夹角，θ0为吊钩平稳垂直时两个主成分方向的夹角。6.根据权利要求1
‑
3中任一项所述的基于人工智能的吊车施工风险评估方法，其特征
在于，所述确定第三吊钩风险特征的步骤包括：根据所述钩头本体图像，利用主成分分析法确定整个钩头本体的主成分方向；根据吊绳本体图像以及整个钩头本体的主成分方向所在直线，确定位于所述主成分方向所在直线两侧的所有吊绳像素点；计算位于主成分方向所在直线第一侧的所有吊绳像素点的数目以及所有吊绳像素点到该位于主成分方向所...

【专利技术属性】
技术研发人员：张其学，
申请(专利权)人：沭阳县广厦建材有限公司，
类型：发明
国别省市：