关于| 联系| 地图| 邮箱
首页>>>学术期刊>>>期刊年表>>>2021年论文集(42卷)
2025年论文集(46卷) 2024年论文集(45卷) 2023年论文集(44卷) 2022年论文集(43卷) 2021年论文集(42卷) 2020年总目录(41卷) 2019年总目录(40卷) 2018年总目录(39卷) 2017全年目录(38卷) 2016全年目录(37卷) 2015全年目录(36卷) 2014全年目录(35卷) 2013全年目录(34卷) 2012全年目录(33卷) 2011全年目录(32卷) 2010全年目录(31卷) 2009全年目录(30卷) 2008全年目录(29卷) 2007全年目录(28卷) 2006全年目录(27卷) 2005全年目录(26卷) 2004全年目录(25卷) 2003全年目录(24卷) 2002全年目录(22卷) 2001全年目录(22卷) 2000全年目录(21卷)

20210203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

‖  文章供稿:杨帆1  梁敏健2  杨宁祥2  彭晓军2
‖  字体: [大] [中] [小]

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

打印