基于TensorFlow的卷揚亂繩識別系統設計

劉會娟

摘 要：為了實現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。首先，簡要介紹TensorFlow;然后，給出基于TensorFlow卷揚亂繩識別系統的軟硬件實現方法，通過TensorFlow深度學習框架，訓練亂繩模型，從而達到實時監測卷揚狀態，對卷揚亂繩進行識別，并在發生錯誤判斷時發出語音報警。現場實驗結果驗證了所設計系統的正確性和有效性。

關鍵詞：TensorFlow;深度學習;卷積神經網絡CNN;亂繩識別

塔式起重機作為高層建筑必備的吊裝作業工具，其起升卷揚機構的繩索狀態關系整個吊裝作業的成敗，在實際應用環境中，存在部分鋼絲繩排序紊亂、錯雜、相互擠壓等亂繩現象，影響了系統的安全性和穩定性，嚴重時會導致吊裝事故的發生[1]。在現有的技術中，吊裝工作主要依靠對講機發布命令、駕駛員主觀判斷與執行操作，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的卷揚亂繩監測系統，利用圖像識別技術來實現卷揚亂繩狀態識別，可以實現實時檢測和自動預警。

1 ? ?TensorFlow簡介

TensorFlow是谷歌基于DistBelief研發的新一代人工智能學習系統，支持多語言多接口，系統有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本質上是一個采用數據流圖進行數值計算的開源軟件，由多個節點和線組成，其系統具有高度的靈活性，可以實現真正的可移植性，自動求微分，支持多語言，并行運行可以實現性能自由化，已經廣泛應用于機器學習和審圖神經網絡領域[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網絡進行圖像識別;（3）驗證系統識別的準確率。

2 ? ?系統硬件設計

根據計算訓練要求，選擇集成顯示器和高性能處理器的工業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平板電腦內部。平板電腦的具體配置如下：Intel-i5處理器，Intel集成顯卡，4 G內存，256 G固態硬盤，具備串口、USB口、網口和通用數字量輸入/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;電源轉換單元為12 V隔離電源轉換電路。圖像識別處理單元通過串口、控制器局域網絡（Controller Area Network，CAN）轉換單元與車載總控制單元進行通信，主要傳輸監控預警信息，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據的樣本集（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）轉換成拍字節（Petabytes，PB），從而固化模型至平板電腦內。

3.2 ?上位機及主程序軟件設計

工業平板使用的是Ubantu操作系統和Python編程軟件，利用Tkinter/numpy/cv2/pyaudio/serial/threading庫文件分別實現可視化界面、數據流、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控界面。攝像機監控界面包括打開/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，如果亂繩數據達到設定閾值則報警，并通過CAN總線發送給主控制器，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%，現場測試誤報率為0，亂繩檢測延遲時間在5 s以內。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，本系統的準確率遠遠高于人工，因此，所提方案有很好的優勢和發展前景。

4 ? ?結語

文章提供的塔機卷揚鋼絲繩亂繩智能監控方法及系統，通過攝像頭實時采集卷揚鋼絲繩狀態，并把視頻信號發送至主機，當鋼絲繩出現亂繩情況時，主機發出報警信號，控制卷揚停機，并發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.高品質塔式起重機的技術發展與應用[J].工程機械，2019（11）：1-9.

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

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