【技术实现步骤摘要】
本专利技术属桥梁检测机器人领域，具体来说，涉及用于桥梁拉索检测机器人的云端检测系统及方法。
技术介绍
1、斜拉桥主要由桥塔，桥面，斜拉索组成，斜拉索一端锚接在桥塔，一端锚接在桥面，其作为斜拉桥主要承力部件对整个桥梁安全起重大作用。斜拉索的内部为多股钢丝束，外部是pe护套，上下两端为锚具。由于斜拉索长期承受桥面上变化载荷带来的交变应力以及直接暴露在空气中受环境带来的不良影响，其会出现不同种类和程度的损伤。当pe护套损坏严重导致内部钢丝束直接暴露在空气中时会因为空气中的水分和酸性物质发生锈蚀甚至断裂，严重危机桥梁安全。
2、拉索检测机器人可以有效代替工人爬升在高空拉索位置，目前检测方式主要利用本地计算机与机器人配合进行检测与计算处理，设备需求和准备工作较多，并且检测操作流程以及硬件使用成本不断增加，还无法进行云端实时检测。拉索机器人智能化云端实时检测作业依旧是目前工业应用领域的重点和难点。
技术实现思路
1、本专利技术公开了用于桥梁拉索检测机器人的云端检测系统及方法，解决拉索检测机器人在现场检测阶段只能利用本地计算机进行检测与计算处理，而无法进行云端检测的难题，减少检测操作流程以及硬件使用成本，同时便捷的进行数据集更新与深度学习模型训练，提升后续机器人作业流程的快速性。
2、一种用于桥梁拉索检测机器人的云端检测系统，所述系统基于flask框架，包括拉索缺陷检测模块、深度学习模型在线训练模块，拉索缺陷检测模块包括拉索表面图像检测、实时视频检测两个子功能模块，深度学
3、一种用于桥梁拉索检测机器人的云端检测方法，该方法包括以下步骤：
4、步骤(1)：通过浏览器输入云端检测系统网址，输入账户名称和密码进行登录；
5、步骤(2)：登录成功后，进行模块选择，如果选择拉索缺陷检测模块，则进入步骤(3):如果选择深度学习模型在线训练模块，则进入步骤(4)；
6、步骤(3)：进行拉索缺陷检测方式选择，进行拉索表面图像检测或实时视频检测，
7、步骤(4)：深度学习模型在线训练，
8、步骤(5)：桥梁拉索检测机器人的云端检测结束，返回步骤(2)。
9、进一步的，所述步骤3具体包括如下：
10、步骤(3.1):拉索缺陷检测开始运行，若选择拉索表面图像检测则进入步骤(3.3)，如选择实时视频检测则进入步骤3.3；
11、步骤(3.2):依次进行图像读取、图片灰度处理、滤波处理、阈值分割、连通区域计算，输出识别结果图像，并进入步骤(3.4)进行缺陷判别；
12、步骤(3.3):依次进行读取视频流、视频帧预处理、加载yolov3模型、读取权重、测试，连续输出单帧识别结果图像，并计入步骤(3.4)进行缺陷判断；
13、步骤(3.4):对生成的拉索缺陷识别结果图像进行判别，若存在缺陷，则进入步骤(3.5)，若不存在缺陷，则直接进入步骤(3.6)；
14、步骤(3.5):保存拉索表面缺陷图像，并显示缺陷类别与位置；
15、步骤(3.6):拉索缺陷检测结束，进入步骤(5)。
16、进一步的，所述步骤4具体包括如下：
17、步骤(4.1):以压缩包的形式上传训练数据集；
18、步骤(4.2):检测是否上传成功，若成功则进入步骤(4.3)，否则，返回步骤(4.9)；
19、步骤(4.3):解压数据集压缩包，根据命名规则，依次重命名数据集图片和标签文件的名称，具体命名规则为：读取服务器内现存训练集数据量n，从n+1开始依次对数据集图片和标签文件按数字进行重命名；
20、步骤(4.4):依次保存图片和标签文件到对应的位置；
21、步骤(4.5):对数据集进行图像平移、图像旋转、镜像和添加噪声四种数据增强处理，完成训练数据集扩增；
22、步骤(4.6):输入学习率、batch_size、迭代次数进行yolov3模型训练参数设定；
23、步骤(4.7):对拉索图像训练数据集进行基于yolov3模型的训练与学习；
24、步骤(4.8):训练完成，保存权重文件；
25、步骤(4.9):结束深度学习模型在线训练，进入步骤(5)。
26、进一步的，所述步骤(3.3)中读取的权重文件可自动更新为步骤(4.8)生成的最新权重文件。
27、本专利技术的有益效果：
28、(1)通过云端检测系统及方法实现对拉索表面缺陷的检测以及深度学习模型的训练，相较于常规的本地计算机操作方法，提高了操作的实现的便利性，不受计算机硬件影响。
29、(2)使用该云端检测系统及方法，实现了拉索检测机器人对缺陷的实时检测，有效代替了人工辨识，减少拉索检测工作强度。
30、(3)通过使用云端检测系统及方法对桥梁拉索表面损伤程度判断，可以直接远端统计检测数据，对进一步的拉索维护提供依据。
本文档来自技高网...【技术保护点】
1.一种用于桥梁拉索检测机器人的云端检测系统，其特征在于：所述系统基于Flask框架，包括拉索缺陷检测模块、深度学习模型在线训练模块，拉索缺陷检测模块包括拉索表面图像检测、实时视频检测两个子功能模块，深度学习模型在线训练模块包括数据上传、数据集扩充、数据集训练、训练权重下载四个子功能模块，云端检测系统采用采用浏览器请求、服务器响应的工作模式，用于桥梁拉索检测机器人的云端检测方法可以对检测机器人采集的拉索表面图像进行云端的检测与处理。
2.一种用于桥梁拉索检测机器人的云端检测方法，其特征在于,该方法包括以下步骤：
3.根据权利要求2所述的一种用于桥梁拉索检测机器人的云端检测方法，其特征在于,所述步骤3具体包括如下：
4.根据权利要求2所述的一种用于桥梁拉索检测机器人的云端检测方法，其特征在于,所述步骤4具体包括如下：
5.根据权利要求3所述的用于桥梁拉索检测机器人的云端检测系统及方法，其特征在于，所述步骤(3.3)中读取的权重文件可自动更新为步骤(4.8)生成的最新权重文件。
【技术特征摘要】
1.一种用于桥梁拉索检测机器人的云端检测系统，其特征在于：所述系统基于flask框架，包括拉索缺陷检测模块、深度学习模型在线训练模块，拉索缺陷检测模块包括拉索表面图像检测、实时视频检测两个子功能模块，深度学习模型在线训练模块包括数据上传、数据集扩充、数据集训练、训练权重下载四个子功能模块，云端检测系统采用采用浏览器请求、服务器响应的工作模式，用于桥梁拉索检测机器人的云端检测方法可以对检测机器人采集的拉索表面图像进行云端的检测与处理。
2.一种用于桥梁拉...
【专利技术属性】
技术研发人员：李杰，董林杰，王兴松，陈家诺，
申请(专利权)人：南京乐道机器人科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。