2021年02期 v.46 14-18页
杨帆1 梁敏健2 杨宁祥2 彭晓军2
（1.华南理工大学机械与汽车工程学院，广东 广州 510640
2.广东省特种设备检测研究院珠海检测院，广东 珠海 519002）
摘要：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。
关键词：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
中图分类号：TN911.73 文献标识码：A 文章编号：1674-2605(2021)02-0003-05
DOI：10.3969/j.issn.1674-2605.2021.02.003
