基于图像识别的评估双轮铣工作状态的方法及系统技术方案

本发明专利技术公开了一种基于图像识别的评估双轮铣工作状态的方法及系统，基于机器视觉技术评估双轮铣的施工状态，通过对预警阈值所在的数据进行监测，对应指导纠偏操作，解决了常规接触式传感器无法监测双轮铣施工状态的难题，在实现快速、便捷、无接触式测量的同时，提高了双轮铣施工的安全性以及智能化程度，提高了对钢丝绳振动状态评估的准确性。钢丝绳振动状态评估的准确性。钢丝绳振动状态评估的准确性。

【技术实现步骤摘要】
基于图像识别的评估双轮铣工作状态的方法及系统


[0001]本专利技术涉及地下连续墙成槽施工
更具体地说，本专利技术涉及基于图像识别的评估双轮铣工作状态的方法及系统。

技术介绍

[0002]双轮铣是一种地下连续墙的成槽施工机器，具有成槽施工效率高、适用地层范围广等优点，在工程界得到了广泛应用。双轮铣成槽过程中，其施工状态对成槽质量乃至施工安全有着重要的影响，为了满足对成槽质量和施工安全的要求，需要对双轮铣的施工状态进行及时、准确的评估。双轮铣施工过程中铣轮深入土层，难以直接评估其施工状态，且其工作环境恶劣，使用传感器对其进行监测时，传感器极易损坏。因此，急需提出一种双轮铣施工状态监测系统及方法，准确地评估双轮铣的施工状态，以提高施工质量，避免工程事故的发生。

技术实现思路

[0003]本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
[0004]本专利技术还有一个目的是提供基于图像识别的评估双轮铣工作状态的方法及系统，以解决现有技术对双轮铣的施工状态的评估不及时、不够准确的技术问题。
[0005]为了实现根据本专利技术的这些目的和其它优点，提供了一种基于图像识别的评估双轮铣工作状态的方法，包括：
[0006]S1、建立项目数据库；
[0007]S2、确定拍摄区域，连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像；
[0008]S3、读取采集到的图像，根据图像的像素高度与拍摄区域的实际高度计算得到比例尺，通过图像识别技术确定钢丝绳的形心位置变化量，得到钢丝绳的水平位移，从而得到钢丝绳水平振动随时间变化的时域波形并存储在项目数据库中；
[0009]S4、对钢丝绳水平振动的时域波形进行特征提取，得到钢丝绳的瞬时振幅、瞬时振频，根据钢丝绳的对应的水平位移计算得到钢丝绳倾斜度并存储在项目数据库中；
[0010]S5、根据项目数据库中双轮铣正常工作的历史数据建立预警系统，并设定预警阈值，以评估当前双轮铣施工状态是否为正常工作，若超过预警阈值，预警系统发出预警；
[0011]S6、在预警系统中设置地下连续墙垂直度允许偏差值，当钢丝绳倾斜度大于地下连续墙垂直度允许偏差值时，预警系统提醒双轮铣司机进行纠偏操作。
[0012]优选的是，实时获得所述钢丝绳的瞬时振幅w
t
、瞬时振频f
t
，所述预警阈值包括瞬时频率阈值T
f
和瞬时振幅阈值T
w
，当f
t
<T
f
且w
t
<T
w
，评估双轮铣为正常工作，当f
t
>T
f
或w
t
>T
w
，评估双轮铣的施工状态存在异常，预警系统发出预警，提醒双轮铣司机进行调整。
[0013]优选的是，步骤S5中预警系统的建立方法如下：
[0014]S5.1、根据双轮铣正常工作的历史数据选择样本数据集(f，w，y)，其中f、w为用来
预测双轮铣施工状态的特征参数组合，y为特征参数组合对应的施工状态，对样本数据进行处理，将y按正常施工状态为0、异常施工状态为1的原则进行数字化处理，对特征参数组合按最大最小值法进行归一化处理，转换函数如下；
[0015][0016][0017]S5.2、将样本数据集按4:1的比例随机分割为训练集和验证集；
[0018]S5.3、选择SVM的核函数，对SVM的两个超参数：惩罚参数C和容忍误差ε进行优化，然后进行调参找到最优惩罚参数C和最优容忍误差ε，再在整个训练集上重新训练模型，得到最终模型；
[0019]S5.4、用验证集对最终模型进行检验，确保预警系统的精度满足需求；
[0020]S5.5、输入当前特征参数组合，当预测施工状态为0时，双轮铣正常工作，当预测施工状态为1时，双轮铣施工状态存在异常，提醒双轮铣司机进行调整。
[0021]优选的是，所述调参采用交叉检验法交叉验证与网格搜索结合的方法进行：设定超参数的变化范围和间隔，根据设定的超参数变化范围和间隔，对不同超参数组合下的模型使用k折交叉验证法进行训练，得到不同超参数组合下的模型分数，选择最高分数对应的超参数作为最优超参数。
[0022]优选的是，所述k折交叉验证法为：把样本数据集分成k个大小相同的子集，每次取一个样本子集作为测试子集，取剩下的k
‑
1个样本子集作为训练子集来训练分类器，用测试子集检验所训练的分类器的预测准确率，如此重复k次，得到模型分数。
[0023]优选的是，步骤S3中，对拍摄区域的钢丝绳的形心位置进行识别的步骤如下：
[0024]S3.1、对图像进行灰度化处理，将彩色图像转化为灰度图像；
[0025]S3.2、使用高斯滤波器对灰度图像进行平滑处理，滤除噪声，得到平滑图像；
[0026]S3.3、利用soble水平和垂直算子计算得到平滑图像每个像素点的梯度幅值和梯度方向；
[0027]S3.4、沿着梯度方向对梯度幅值进行非极大值抑制，保留局部梯度最大的点，以得到细化的边缘；
[0028]S3.5、使用双阈值检测算法确定真实和潜在的边缘，完成钢丝绳边缘检测，输出二值化图像；
[0029]S3.6，根据二值化图像的01矩阵f按公式其中i，j分别为矩阵f的行标和列标，f(i,j)表示矩阵f中的元素，q为比例尺，计算得到钢丝钢丝绳形心在水平方向的位置x，减去初始时刻的位置坐标x0，得到振动位移S
xt
＝x
t
‑
x0，根据钢丝绳的实际振动位移S
xt
和对应的时刻t得到钢丝绳水平振动的时域波形(S
xt
‑
t
)。
[0030]本专利技术还提供一种基于图像识别的评估双轮铣工作状态的系统，包括顺次通信连接的图像采集系统、图像处理模块、数据处理模块、纠偏辅助决策模块和预警模块，图像采集系统用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像，图像采集系
统用于连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像并传输给图像处理模块，图像处理模块用于对图像中的钢丝绳进行识别，得到钢丝绳的的水平位移，然后生成钢丝绳水平振动的时域波形并传输给数据处理模块，数据处理模块用于根据时域波形处理得到钢丝绳的瞬时振幅、瞬时振频，并计算出钢丝绳的垂直度，纠偏辅助决策模块中设置有钢丝绳的瞬时振幅、瞬时振频的阈值及钢丝绳的垂直度的控制值，纠偏辅助决策模块用于将获得的数据与设定值比较，超出阈值或控制值时向预警模块发送预警信号，预警模块接收到预警信号后进行警报操作。
[0031]优选的是，所述图像采集系统包括工业相机、白色背景板、补光灯，工业相机用于对所述双轮铣的钢丝绳进行拍摄形成图像数据，白色背景板布置在钢丝绳的后侧，补光灯朝向白色背景板和钢丝本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像识别的评估双轮铣工作状态的方法，其特征在于，包括：S1、建立项目数据库；S2、确定拍摄区域，连续采集双轮铣施工过程中连接双轮铣的钢丝绳的振动状态图像；S3、读取采集到的图像，根据图像的像素高度与拍摄区域的实际高度计算得到比例尺，通过图像识别技术确定钢丝绳的形心位置变化量，得到钢丝绳的水平位移，从而得到钢丝绳水平振动随时间变化的时域波形并存储在项目数据库中；S4、对钢丝绳水平振动的时域波形进行特征提取，得到钢丝绳的瞬时振幅、瞬时振频，根据钢丝绳的对应的水平位移计算得到钢丝绳倾斜度并存储在项目数据库中；S5、根据项目数据库中双轮铣正常工作的历史数据建立预警系统，并设定预警阈值，以评估当前双轮铣施工状态是否为正常工作，若超过预警阈值，预警系统发出预警；S6、在预警系统中设置地下连续墙垂直度允许偏差值，当钢丝绳倾斜度大于地下连续墙垂直度允许偏差值时，预警系统提醒双轮铣司机进行纠偏操作。2.如权利要求1所述的基于图像识别的评估双轮铣工作状态的方法，其特征在于，实时获得所述钢丝绳的瞬时振幅w
t
、瞬时振频f
t
，所述预警阈值包括瞬时频率阈值T
f
和瞬时振幅阈值T
w
，当f
t
<T
f
且w
t
<T
w
，评估双轮铣为正常工作，当f
t
>T
f
或w
t
>T
w
，评估双轮铣的施工状态存在异常，预警系统发出预警，提醒双轮铣司机进行调整。3.如权利要求2所述的基于图像识别的评估双轮铣工作状态的方法，其特征在于，步骤S5中预警系统的建立方法如下：S5.1、根据双轮铣正常工作的历史数据选择样本数据集(f，w，y)，其中f、w为用来预测双轮铣施工状态的特征参数组合，y为特征参数组合对应的施工状态，对样本数据进行处理，将y按正常施工状态为0、异常施工状态为1的原则进行数字化处理，对特征参数组合按最大最小值法进行归一化处理，转换函数如下；化处理，转换函数如下；S5.2、将样本数据集按4:1的比例随机分割为训练集和验证集；S5.3、选择SVM的核函数，对SVM的两个超参数：惩罚参数C和容忍误差ε进行优化，然后进行调参找到最优惩罚参数C和最优容忍误差ε，再在整个训练集上重新训练模型，得到最终模型；S5.4、用验证集对最终模型进行检验，确保预警系统的精度满足需求；S5.5、输入当前特征参数组合，当预测施工状态为0时，双轮铣正常工作，当预测施工状态为1时，双轮铣施工状态存在异常，提醒双轮铣司机进行调整。4.如权利要求3所述的基于图像识别的评估双轮铣工作状态的方法，其特征在于，所述调参采用交叉检验法交叉验证与网格搜索结合的方法进行：设定超参数的变化范围和间隔，根据设定的超参数变化范围和间隔，对不同超参数组合下的模型使用k折交叉验证法进行训练，得到不同超参数组合下的模型分数，选择最高分数对应的超参数作为最优超参数。5.如权利要求4所述的基于图像识别的评估双轮铣工作状态的方法，其特征在于，所述
k折交叉验证法为：把样本数据集分成k个大小相同的子集，每次取一个样本子集作为测试子集，取剩下的k
‑
1个样本子集作为训练子集来训练分类器，用测试子集检验所训练的分类器的预测准确率，如此重复k次，得到模型分数。6.如权利要求1所述的基于图像识别的评估双轮铣工作状态的方法，其特征在于，步骤S3中，对拍摄区域的钢丝绳的形心...

【专利技术属性】
技术研发人员：杨钊，陈培帅，姬付全，朱俊涛，饶为胜，邱敏，赵旭，李德杰，李嘉成，曾旭涛，贺祖浩，刘杰，马超，王新龙，黄威，李雪松，杨睿，梁晓腾，石章入，姚翔川，贺创波，许超，任梦，袁青，夏欢，曾德星，刘东军，杨志勇，钟涵，王伟，张瑞元，邓志强，熊栋栋，
申请(专利权)人：中交武汉港湾工程设计研究院有限公司，
类型：发明
国别省市：