基于TensorFlow的卷扬乱绳识别系统设计

刘会娟

摘 要：为了实现塔机卷扬的乱绳检测以及减少人为疏忽带来的错误判断，文章给出一种基于TensorFlow的卷扬乱绳识别系统。首先，简要介绍TensorFlow;然后，给出基于TensorFlow卷扬乱绳识别系统的软硬件实现方法，通过TensorFlow深度学习框架，训练乱绳模型，从而达到实时监测卷扬状态，对卷扬乱绳进行识别，并在发生错误判断时发出语音报警。现场实验结果验证了所设计系统的正确性和有效性。

关键词：TensorFlow;深度学习;卷积神经网络CNN;乱绳识别

塔式起重机作为高层建筑必备的吊装作业工具，其起升卷扬机构的绳索状态关系整个吊装作业的成败，在实际应用环境中，存在部分钢丝绳排序紊乱、错杂、相互挤压等乱绳现象，影响了系统的安全性和稳定性，严重时会导致吊装事故的发生[1]。在现有的技术中，吊装工作主要依靠對讲机发布命令、驾驶员主观判断与执行操作，针对卷扬乱绳的主要解决办法是人工主动检查，因此，无法自主实现乱绳识别和实时报警功能[2]。为了解决上述问题，本研究提出了一种基于TensorFlow的卷扬乱绳监测系统，利用图像识别技术来实现卷扬乱绳状态识别，可以实现实时检测和自动预警。

1    TensorFlow简介

TensorFlow是谷歌基于DistBelief研发的新一代人工智能学习系统，支持多语言多接口，系统有Python和C++接口，是一个完全开源的支持深度学习的计算框架（库）[3]。TensorFlow本质上是一个采用数据流图进行数值计算的开源软件，由多个节点和线组成，其系统具有高度的灵活性，可以实现真正的可移植性，自动求微分，支持多语言，并行运行可以实现性能自由化，已经广泛应用于机器学习和审图神经网络领域[4]。

利用TensorFlow深度学习识别的途径主要分为3个步骤：（1）输入、模型训练与结果评估;（2）在Ubuntu端或Macos端运行TensorFlow框架，并通过加载训练的图像神经网络进行图像识别;（3）验证系统识别的准确率。

2    系统硬件设计

根据计算训练要求，选择集成显示器和高性能处理器的工业平板电脑作为图像显示及识别处理单元，其自带前置摄像头，语音报警单元集成在工业平板电脑内部。平板电脑的具体配置如下：Intel-i5处理器，Intel集成显卡，4 G内存，256 G固态硬盘，具备串口、USB口、网口和通用数字量输入/输出（General Purpose Input Output，GPIO）口。

图像显示及识别处理单元，负责实时显示卷扬钢丝绳视频信息及乱绳识别结果。图像采集传感单元选用可在夜间工作的具有200万像素的红外摄像头，接口为即插即用的USB接口;电源转换单元为12 V隔离电源转换电路。图像识别处理单元通过串口、控制器局域网络（Controller Area Network，CAN）转换单元与车载总控制单元进行通信，主要传输监控预警信息，请求主控制器采取相应的预警动作，具体的控制结构如图1所示。

3    系统软件设计

3.1  模型构建

针对卷扬乱绳构建需求，在PC端选择卷扬钢丝绳信号数据的样本集（包含乱绳和正常的图片）构建分类类别，选用测试样本集100张、训练样本集500张;使用训练样本集对预构建的识别模型进行训练，将训练样本集作为inception-v4模型的输入，不断训练迭代得到训练后的识别模型;训练完成后，利用测试样本集对训练后的识别模型进行测试，直至准确率满足要求，具体PC端模型构建软件流程如图2所示。在PC端训练Inception-v4模型，通过准备的训练集不断训练迭代得到识别模型，训练结束后，需将校验点（Check Point，CKPT）转换成拍字节（Petabytes，PB），从而固化模型至平板电脑内。

3.2  上位机及主程序软件设计

工业平板使用的是Ubantu操作系统和Python编程软件，利用Tkinter/numpy/cv2/pyaudio/serial/threading库文件分别实现可视化界面、数据流、摄像头、语音播放、串口以及多线程设计。

上位机界面主要包括用户登录、摄像机开启以及摄像机监控界面。摄像机监控界面包括打开/关闭摄像机按钮、退出按键、保存按键、故障报警显示以及视频显示区域，如图3所示。

主程序采用python多线程设计，主要分为界面显示线程、串口通信线程以及图像识别比对3个线程。摄像头每1 s转存一帧图片，通过建立的模型，对提取的图片进行比对，如果乱绳数据达到设定阈值则报警，并通过CAN总线发送给主控制器，由控制器采取保护措施。

通过实验测试，目前，模型准确率可以达到92.1%，现场测试误报率为0，乱绳检测延迟时间在5 s以内。本研究所提的方案可以良好地解决误报率问题，与实际人员识别的准确率相比，本系统的准确率远远高于人工，因此，所提方案有很好的优势和发展前景。

4    结语

文章提供的塔机卷扬钢丝绳乱绳智能监控方法及系统，通过摄像头实时采集卷扬钢丝绳状态，并把视频信号发送至主机，当钢丝绳出现乱绳情况时，主机发出报警信号，控制卷扬停机，并发出语音报警提醒操作手注意。这样可以有效地提高工作效率，确保塔机安全。

[参考文献]

[1]司迎喜.从施工企业视角谈塔机的安全管理[J].建筑机械化，2019（11）：63-65.

[2]王欣.高品质塔式起重机的技术发展与应用[J].工程机械，2019（11）：1-9.

[3]邢艳芳，段红秀，何光威.TensorFlow在图像识别系统中的应用[J].计算机技术与发展，2019（5）：192-196.

[4]梁蒙蒙，周涛，张飞飞，等.卷积神经网络及其在医学图像分析中的应用研究[J].生物医学工程学杂志，2018（12）：977-985.