[发明专利]一种塔机斜拉斜吊智能检测方法、终端、设备以及介质

权利要求书

1.一种塔机斜拉斜吊智能检测方法，其特征在于，所述塔机斜拉斜吊智能检测方法包括：

获取吊钩的实时图像，并利用预先构建并训练好的yolov5吊钩检测模型基于所述吊钩实时图像进行吊钩的识别，同时基于预先标定的吊钩初始位置计算吊钩的偏移距离以及斜拉角，进行吊钩斜拉判断。

2.如权利要求1所述塔机斜拉斜吊智能检测方法，其特征在于，所述塔机斜拉斜吊智能检测方法包括以下步骤：

步骤一，通过采集吊钩的图像制备吊钩样本集，构建yolov5吊钩检测模型，并基于所述吊钩样本集训练所述yolov5吊钩检测模型；

步骤二，通过设置实际吊钩的长边尺寸、获取吊钩初始位置的图像、识别吊钩以及计算吊钩初始位置的偏移距离进行吊钩初始位置的标定；

步骤三，通过获取吊钩的实时图像、进行吊钩识别并计算当前视频倍率下吊钩实际尺寸与像素尺寸之间的比例、吊钩实时图像中位置偏移距离、吊钩当前位置与初始位置之间的距离、吊钩斜拉角进行吊钩斜拉判断。

3.如权利要求2所述塔机斜拉斜吊智能检测方法，其特征在于，所述步骤一中通过采集吊钩的图像制备吊钩样本集，构建yolov5吊钩检测模型，并基于所述吊钩样本集训练所述yolov5吊钩检测模型包括：

（1）利用设置于塔机的小车底部吊钩的上方的摄像设备实时获取吊钩的图像；

（2）利用labelImg对采集的吊钩图像进行吊钩目标的标注，构建得到包含不同状态的吊钩图像的吊钩样本集；吊钩样本集

（3）构建yolov5吊钩检测模型；将所述导入所述yolov5吊钩检测模型中进行训练，直至模型收敛，将训练好的网络结构和参数设置到yolov5目标检测网络中得到训练好的yolov5吊钩检测模型。

4.如权利要求3所述塔机斜拉斜吊智能检测方法，其特征在于，所述yolov5吊钩检测模型包括：

主干特征提取网络，用于利用深度残差网络生成吊钩320*320*64、160*160*128、80*80*256、40*40*512、20*20*1024五个特征层；

多尺度特征融合结构，用于利用FPN+PAN对提取的网络特征进行融合，得到融合不同尺度的特征信息的有效特征层；

分类器与回归器，用于对得到的有效特征层进行一次卷积处理，得到三个有效特征层分别对应的YoloHead，采用CIOU_Loss 作为bounding box的损失函数，对图像进行目标识别，并对特征原始格点坐标进行回归。