劉會娟

摘 要：為了實現(xiàn)塔機卷揚的亂繩檢測以及減少人為疏忽帶來的錯誤判斷，文章給出一種基于TensorFlow的卷揚亂繩識別系統(tǒng)。首先，簡要介紹TensorFlow;然后，給出基于TensorFlow卷揚亂繩識別系統(tǒng)的軟硬件實現(xiàn)方法，通過TensorFlow深度學習框架，訓練亂繩模型，從而達到實時監(jiān)測卷揚狀態(tài)，對卷揚亂繩進行識別，并在發(fā)生錯誤判斷時發(fā)出語音報警。現(xiàn)場實驗結果驗證了所設計系統(tǒng)的正確性和有效性。

關鍵詞：TensorFlow;深度學習;卷積神經(jīng)網(wǎng)絡CNN;亂繩識別

塔式起重機作為高層建筑必備的吊裝作業(yè)工具，其起升卷揚機構的繩索狀態(tài)關系整個吊裝作業(yè)的成敗，在實際應用環(huán)境中，存在部分鋼絲繩排序紊亂、錯雜、相互擠壓等亂繩現(xiàn)象，影響了系統(tǒng)的安全性和穩(wěn)定性，嚴重時會導致吊裝事故的發(fā)生[1]。在現(xiàn)有的技術中，吊裝工作主要依靠對講機發(fā)布命令、駕駛員主觀判斷與執(zhí)行操作，針對卷揚亂繩的主要解決辦法是人工主動檢查，因此，無法自主實現(xiàn)亂繩識別和實時報警功能[2]。為了解決上述問題，本研究提出了一種基于TensorFlow的卷揚亂繩監(jiān)測系統(tǒng)，利用圖像識別技術來實現(xiàn)卷揚亂繩狀態(tài)識別，可以實現(xiàn)實時檢測和自動預警。

1 ? ?TensorFlow簡介

TensorFlow是谷歌基于DistBelief研發(fā)的新一代人工智能學習系統(tǒng)，支持多語言多接口，系統(tǒng)有Python和C++接口，是一個完全開源的支持深度學習的計算框架（庫）[3]。TensorFlow本質(zhì)上是一個采用數(shù)據(jù)流圖進行數(shù)值計算的開源軟件，由多個節(jié)點和線組成，其系統(tǒng)具有高度的靈活性，可以實現(xiàn)真正的可移植性，自動求微分，支持多語言，并行運行可以實現(xiàn)性能自由化，已經(jīng)廣泛應用于機器學習和審圖神經(jīng)網(wǎng)絡領域[4]。

利用TensorFlow深度學習識別的途徑主要分為3個步驟：（1）輸入、模型訓練與結果評估;（2）在Ubuntu端或Macos端運行TensorFlow框架，并通過加載訓練的圖像神經(jīng)網(wǎng)絡進行圖像識別;（3）驗證系統(tǒng)識別的準確率。

2 ? ?系統(tǒng)硬件設計

根據(jù)計算訓練要求，選擇集成顯示器和高性能處理器的工業(yè)平板電腦作為圖像顯示及識別處理單元，其自帶前置攝像頭，語音報警單元集成在工業(yè)平板電腦內(nèi)部。平板電腦的具體配置如下：Intel-i5處理器，Intel集成顯卡，4 G內(nèi)存，256 G固態(tài)硬盤，具備串口、USB口、網(wǎng)口和通用數(shù)字量輸入/輸出（General Purpose Input Output，GPIO）口。

圖像顯示及識別處理單元，負責實時顯示卷揚鋼絲繩視頻信息及亂繩識別結果。圖像采集傳感單元選用可在夜間工作的具有200萬像素的紅外攝像頭，接口為即插即用的USB接口;電源轉(zhuǎn)換單元為12 V隔離電源轉(zhuǎn)換電路。圖像識別處理單元通過串口、控制器局域網(wǎng)絡（Controller Area Network，CAN）轉(zhuǎn)換單元與車載總控制單元進行通信，主要傳輸監(jiān)控預警信息，請求主控制器采取相應的預警動作，具體的控制結構如圖1所示。

3 ? ?系統(tǒng)軟件設計

3.1 ?模型構建

針對卷揚亂繩構建需求，在PC端選擇卷揚鋼絲繩信號數(shù)據(jù)的樣本集（包含亂繩和正常的圖片）構建分類類別，選用測試樣本集100張、訓練樣本集500張;使用訓練樣本集對預構建的識別模型進行訓練，將訓練樣本集作為inception-v4模型的輸入，不斷訓練迭代得到訓練后的識別模型;訓練完成后，利用測試樣本集對訓練后的識別模型進行測試，直至準確率滿足要求，具體PC端模型構建軟件流程如圖2所示。在PC端訓練Inception-v4模型，通過準備的訓練集不斷訓練迭代得到識別模型，訓練結束后，需將校驗點（Check Point，CKPT）轉(zhuǎn)換成拍字節(jié)（Petabytes，PB），從而固化模型至平板電腦內(nèi)。

3.2 ?上位機及主程序軟件設計

工業(yè)平板使用的是Ubantu操作系統(tǒng)和Python編程軟件，利用Tkinter/numpy/cv2/pyaudio/serial/threading庫文件分別實現(xiàn)可視化界面、數(shù)據(jù)流、攝像頭、語音播放、串口以及多線程設計。

上位機界面主要包括用戶登錄、攝像機開啟以及攝像機監(jiān)控界面。攝像機監(jiān)控界面包括打開/關閉攝像機按鈕、退出按鍵、保存按鍵、故障報警顯示以及視頻顯示區(qū)域，如圖3所示。

主程序采用python多線程設計，主要分為界面顯示線程、串口通信線程以及圖像識別比對3個線程。攝像頭每1 s轉(zhuǎn)存一幀圖片，通過建立的模型，對提取的圖片進行比對，如果亂繩數(shù)據(jù)達到設定閾值則報警，并通過CAN總線發(fā)送給主控制器，由控制器采取保護措施。

通過實驗測試，目前，模型準確率可以達到92.1%，現(xiàn)場測試誤報率為0，亂繩檢測延遲時間在5 s以內(nèi)。本研究所提的方案可以良好地解決誤報率問題，與實際人員識別的準確率相比，本系統(tǒng)的準確率遠遠高于人工，因此，所提方案有很好的優(yōu)勢和發(fā)展前景。

4 ? ?結語

文章提供的塔機卷揚鋼絲繩亂繩智能監(jiān)控方法及系統(tǒng)，通過攝像頭實時采集卷揚鋼絲繩狀態(tài)，并把視頻信號發(fā)送至主機，當鋼絲繩出現(xiàn)亂繩情況時，主機發(fā)出報警信號，控制卷揚停機，并發(fā)出語音報警提醒操作手注意。這樣可以有效地提高工作效率，確保塔機安全。

[參考文獻]

[1]司迎喜.從施工企業(yè)視角談塔機的安全管理[J].建筑機械化，2019（11）：63-65.

[2]王欣.高品質(zhì)塔式起重機的技術發(fā)展與應用[J].工程機械，2019（11）：1-9.

[3]邢艷芳，段紅秀，何光威.TensorFlow在圖像識別系統(tǒng)中的應用[J].計算機技術與發(fā)展，2019（5）：192-196.

[4]梁蒙蒙，周濤，張飛飛，等.卷積神經(jīng)網(wǎng)絡及其在醫(yī)學圖像分析中的應用研究[J].生物醫(yī)學工程學雜志，2018（12）：977-985.