一種基于視覺識別技術的輪胎式龍門起重機自動糾偏和防撞系統

楊鄭明

福建電子口岸股份有限公司

1 引言

集裝箱碼頭是水陸聯運的樞紐站，是集裝箱貨物在轉換運輸方式時的過渡和交接點，因此，集裝箱碼頭在貨物運輸過程中具有重要地位[1-3]。隨著全球貿易高速發展，貨物吞吐量持續上漲，給集裝箱碼頭帶來極大挑戰。不少碼頭已采用激光雷達進行輪胎式龍門起重機(以下簡稱輪胎吊)糾偏和防撞智能化改造，但根據多家企業試點使用后反饋，激光雷達存在準確率低、誤報率高、成本高等問題。

結合集裝箱碼頭堆場和輪胎吊智能化實際情況，設計了一種集自動糾偏和防撞為一體的大車智能化系統，利用視覺識別技術將自動采集圖像進行模擬訓練，通過TCP通信方式將結果反饋給PLC系統，PLC系統根據預先設計的邏輯程序發出控制指令，實現輪胎吊自動糾偏和防撞減速/停止，對提升輪胎吊作業效率、降低安全事故風險具有重要意義[4-5]。

2 系統研發與測試

2.1 系統整體結構

集裝箱碼頭工作環境復雜，條件惡劣，考慮到輪胎吊自動糾偏和防撞對于通信傳輸及時性要求較高，在全面評估無線和有線的通信特點后，本系統全部采用有線通信方式，確保通信的穩定性和及時性[6-8]。整體結構示意圖見圖1。系統上層由PLC和控制器組成，兩者通過TCP進行信息交互。分別在輪胎吊電池房和電器房0°兩側和90°位置安裝圖像采集器進行現場圖像采集，圖像采集器全部通過網線與交換機進行通信。同時，考慮到本系統圖像數據信息傳輸量大，為實現快速將圖片上傳到工控機進行存儲和分析等功能，故輪胎吊電池房和電氣房交換機采用光纖通信，將電器房側交換機和控制器用網線連接，實現采集層、通信層、數據數據層、控制層在系統上的高效協同集成。

圖1 整體系統架構圖

2.2 系統軟件設計

系統軟件設計主要包括PLC糾偏和防撞程序設計與智能系統程序設計。PLC程序部分增加自動糾偏和防撞兩個功能模塊，在主模塊中分別進行調用。智能系統也包括自動糾偏和防撞兩個單獨子系統。自動糾偏方面，利用安裝在輪胎吊0°前后兩個圖像采集器，實時獲取作業區跑道前進方向的跑道線，根據行駛動力學模型得出輪胎吊運動軌跡分析表達式，結合視覺識別、跟蹤技術、跑道線魯棒檢測等技術，評測實際行駛路線和預定路線偏差[9-10]，結合允許距離偏差，利用最優路徑方法和控制模型控制輪胎吊海側驅動器，實現輪胎吊自動糾偏。防撞方面，利用基于粗粒度動態可重構深度學習視頻分析方法，對圖像采集器傳輸回的圖片如集卡、人、反光錐等目標進行實時識別，如果智能系統在大車行進方向中檢測到10 m范圍內存在目標障礙物，則向PLC反饋，PLC及時發出減速指令；如果目標障礙物出現在5 m范圍內，則PLC及時發出停止指令。系統工作流程圖見圖2。

圖2 系統工作流程圖

啟動智能系統后，可以分別或同時啟動糾偏、防撞功能進行作業。當系統啟動時，首先檢查通信狀態和相機狀態，通信或相機檢測異常PLC發出減速指令，并將通信異常信息反饋給智能系統，智能系統根據反饋的信息能及時發現故障情況；通信正常則進入PLC與智能系統信息交互步驟。智能系統在獲取輪胎吊狀態信息后開始進行圖像采集工作，對采集的圖像進行識別、分析、存儲。

2.3 系統測試

在系統進行整體功能測試之前，首先要檢查PLC與智能系統的通信接口表和攝像機是否正常。通信接口表檢查，主要是驗證PLC與智能系統兩者之間通信是否正常，信息點位是否正確；攝像頭主要檢查IP配置是否正確，與智能智能系統通信是否正常。

2.3.1 糾偏測試

在進行自動糾偏功能測試之前，需要根據實際作業區跑道進行大車輪胎距離標定(見圖3)。

圖3 大車糾偏標定示意圖

以陸側為例，大車兩側輪胎中心盡量停止在跑道中心，L1與L2距離差值和L3與L4距離差值的一半都要保持在50 mm以內，且L1與L3(或者L2與L4)誤差保持在30 mm以內。大車停正后，攝像機抓拍跑道線進行AI學習和圖像分析(見圖4)。

圖4 大車跑道分析模擬圖

大車以不同速度向左行駛，停止后左側輪胎離車道線中心偏差需在±50 mm以內，測試3次取平均值。同理，大車以不同速度向右行駛進行測試。經過對不同作業區跑道左右行駛共50余次，測得大車在啟動階段偏差較大，行駛過程中不斷糾偏后，中心線逐漸調整到50 mm以內。

2.3.2 防撞測試

在輪胎吊前進方向距離20 m處放置障礙物，大車以任何速度向目標障礙物行駛，檢查輪胎吊預設置范圍內是否能正常識別障礙物，并在距離障礙物10 m范圍內是否減速，在5 m范圍內是否停止。經過實驗，智能系統在大車行進中能及時抓拍并識別目標障礙物、人、集卡，并且結合大車行進方向、預設范圍將數據信息反饋給PLC。同時，智能系統能對采集圖像進行存儲以備后續查詢。

2.3.3 測試結果

對廈門某集裝箱碼頭5臺輪胎吊進行相關功能的測試，通過近1個月的試驗后，將每天現場測試記錄進行對比，得出以下3個結論。

(1)從攝像機圖像抓取傳輸到智能系統圖像分析，系統相應時間小于400 ms(不含與PLC通信)，最大傳輸時間為380 ms，信號穩定，且數據傳輸滿足12 h不間斷傳輸。

(2)自動糾偏功能識別跑道距離準確，輪胎吊整體偏移量小于50 mm,滿足設計要求。

(3)防撞功能正常識別，對于人、集卡、輪胎吊等目標障礙物誤檢率、漏檢率和識別率分別達到0%、0%和100%。

3 結語

利用物聯網、大數據和AI，基于視覺識別技術的自動糾偏和防撞系統，能實現輪胎吊作業快速行駛，作業區范圍內出現障礙物立即減速/停止。該系統可靠性強、成本低、通信信號穩定，具有較大推廣價值和應用前景。系統未來研究內容主要是3個方面，第一是加強不同環境條件(如陰影、油污、新老跑道線交替等)跑道的識別，不斷提高系統在復雜作業區的適應性；第二是增加不同形狀擋板等障礙物的模型訓練，拓展障礙物識別范圍；第三是提高信息安全保障能力，加強企業防火墻和設備通信端安全建設，確保港內外數據交互安全性。