关键词:
动态危险区域
入侵检测
标准卷积
双目视觉
智慧工厂
摘要:
桥式起重机作为汽车、航空等制造业中必不可缺的生产工具,是集装载、运输为一体,具有较高使用价值的零部件及生产材料运输设备。但由于制造业生产车间作业环境较为复杂,尤其在类似机器人自动化焊接车间等特殊作业环境下,存在作业温度高、粉尘颗粒多、焊接电弧光强烈等问题,桥式起重机工作人员极易受其影响做出不当操作行为,甚至可能会发生吊装重物脱落或吊装物撞人等事故。所以,对桥式起重机吊装作业时所产生的动态危险区域进行人员入侵检测并及时报警,对避免车间发生安全事故具有十分重要的意义。
目前,用于危险区域人员入侵检测的方法难以较好地适用于复杂环境下(类似起重机吊装作业)对动态危险区域人员入侵检测的任务。本文针对桥式起重机吊装作业时所产生的动态危险区域难识别、位置信息难确定的问题,以及车间桥式起重机吊装危险区域入侵检测环境较为复杂,特殊的相机视角所获取到的人员目标特征信息不明显导致的漏检误检和标准目标检测模型难以在实际工程项目中部署应用等问题开展工作,并开发一种桥式起重机吊装危险区域人员入侵检测系统。其主要研究内容如下:
(1)危险区域入侵检测领域现有研究主要围绕静态危险区域开展工作,关于动态危险区域人员入侵检测研究成果较少。本文针对桥式起重机吊装等工程作业所产生的动态危险区域难识别、位置信息难确定等问题,提出了一种基于双目视觉的桥式起重机吊装危险区域检测方法,该方法主要利用双目视觉技术完成桥式起重机吊装货物提升判断及桥式起重机吊装危险区域精准检测两项研究工作。首先通过双目相机获取吊装物体的深度图,并确定吊装物体的深度值,利用设置的深度阈值判断吊装物体是否提升;再对获取到的吊装物体深度图进行处理,确定吊装物体的轮廓信息,从而高效精准的检测桥式起重机吊装危险区域,获取不断变化的动态危险区域位置信息,为后续桥式起重机吊装危险区域人员入侵检测工作提供基础信息。该方法仅利用双目相机单一设备不仅实现了对桥式起重机吊装货物进行提升判断的任务,而且完成了对桥式起重机吊装货物时所产生的动态危险区域进行精准检测的任务,有效地降低了项目部署及应用难度,其硬件及人力成本相较于传统方法节约近80%。该方法实现了对动态危险区域的精准检测,实时获取危险区域位置信息,为动态危险区域的划分及获取位置信息提供了新思路。
(2)传统动态危险区域人员入侵检测多依赖于人工巡检,存在检测效率低、误差大等问题。同时桥式起重机吊装危险区域人员入侵检测项目应用于工厂生产车间,其检测环境较为复杂,拍摄相机需安装在桥式起重机吊具上方的小车横梁上,相机特殊的视角和高度导致获取到的图像中无效背景增多、行人目标特征信息变弱,若直接将标准目标检测模型应用到本文实际研究项目中,容易出现检测精度低、检测实时性差等问题。本文针对上述问题,提出一种基于改进的YOLOv5危险区域人员入侵检测方法,该方法以YOLOv5作为基础网络,将卷积空间注意力机制模块与原始网络中的C3特征提取模块进行融合,利用卷积注意力机制充分突出重要特征信息的能力及对不同空间位置特征信息的捕获能力,增强网络模型对不同通道的特征表达能力和不同空间位置的信息提取能力,降低了标准模型对特殊视角下桥式起重机吊装危险区域人员入侵检测的误检漏检情况。同时,采用提出的PDConv卷积模块替换标准卷积,将部分输入特征以计算成本较低的线性运算方式进行处理并输出相似特征图,设计各分支特征信息融合模块,解决通道间关键特征信息丢失问题,并与C3特征提取模块结合,在保证模型整体检测精度的同时适当降低模型的参数量,使检测模型更易部署于工业边缘计算平台中,提高了模型的检测效率。与其他方法相比,本文所提出的入侵检测模型具备更为优秀的动态危险区域人员入侵实时检测能力,满足实际工业检测项目需求。
(3)针对生产车间危险区域入侵检测人工巡检成本高的问题及如何将提出的桥式起重机吊装动态危险区域人员入侵检测方法应用到实际工程项目中的问题,本文基于Visual Studio Code平台设计并开发了桥式起重机吊装危险区域人员入侵检测系统。该系统实现了对桥式起重机吊装危险区域人员入侵实时检测、桥式起重机吊装危险区域人员入侵历史信息记录、桥式起重机吊装工作状态呈现、桥式起重机吊装货物次数统计及桥式起重机吊装危险区域人员入侵实时振动报警等功能。该系统满足灵活获取桥式起重机吊装危险区域位置信息及对危险区域人员入侵进行实时检测,并及时报警等任务需求,提高了车间桥式起重机吊装危险区域人员入侵检测效率。其交互平台中的人员入侵历史记录数据为车间安全部门提供了强有力的管理依据,为企业车间智能化安全生产改造提供了优秀的技术支持。
在相同条件下,本文设计的人员入侵检测网络在自制的车间危险区域入侵检测数据集上的精度和参数量分别为89.6%和6.57M,其检测精度相较于基础网络增长8.6个百分点。为验证本