桥式起重机部件多任务学习Mask R-CNN分割与关键点识别方法

作者：杨帆; 梁敏健; 杨宁祥; 彭晓军

来源：自动化与信息工程, 2021, 42(02): 14-18.

DOI：10.3969/j.issn.1674-2605.2021.02.003

• 桥式起重机
• 关键点识别
• 深度学习
• 卷积神经网络
• 多任务学习
• 语义分割

起重机运行状态实时检测是工业安全生产的重要保障之一。针对起重机部件提出基于多任务学习Mask R-CNN的分割与关键点网络结构,该结构由Mask R-CNN定位框与区域语义分割网络、DeepLabCut关键点检测网络构成;在吊钩桥式起重机中采集数据进行测试,利用贪婪线性搜索算法与贝叶斯优化算法,搜索得到此模型的最优超参数组合为:学习率0.005,批数2,学习率策略为余弦衰减。该模型测试误差为2.46个像素点,测试AP可达95%,像素点误差反映到实际误差在5 cm以内,满足实际检测需求,可拓展应用于无人化、自动化起重机运行状态监测。

• 单位
  广东省特种设备检测研究院珠海检测院; 华南理工大学