自动化集装箱龙门吊视频防打保龄系统

自动化集装箱龙门吊视频防打保龄系统

罗战斌 陈光生

武汉港迪智能技术有限公司  430223

摘要:随着港口自动化水平的不断提高,自动化集装箱龙门吊已成为现代化码头的核心装卸设备。然而,在实际作业过程中,自动化集装箱龙门吊存在打保龄现象,严重影响了装卸效率和安全性。为了解决这一问题,本文提出了一种基于视频分析的自动化集装箱龙门吊防打保龄系统。该系统采用高清摄像头实时采集吊具作业视频,通过视频分析算法检测吊具及集装箱位置,判断是否存在打保龄风险,并及时预警和干预,实现自动化集装箱龙门吊的安全高效作业。通过仿真实验和实际应用,证明了该系统的有效性和可靠性,为自动化码头的安全生产提供了重要保障。

关键词:自动化集装箱龙门吊;打保龄;视频分析;安全防护

1 系统总体设计

1.1 系统架构

自动化集装箱龙门吊视频防打保龄系统由感知、分析、决策三个子系统组成。感知子系统负责采集吊具作业视频,分析子系统负责检测视频中吊具及集装箱位置,决策子系统负责碰撞风险判断和预警干预。

1.2 感知子系统设计

感知子系统的作用是采集吊具作业视频,为后续分析提供数据支持。为了全面感知吊具及集装箱位置,在龙门吊上安装2-4个高清摄像头,分别位于吊具前后左右,实现多角度视频采集。为了克服码头恶劣环境的影响,选用高防护等级的工业相机。同时,采用视频服务器进行视频流传输和存储,确保数据的实时性和可靠性。

1.3 分析子系统设计

分析子系统是防打保龄的核心,主要功能是检测视频中吊具及集装箱位置。由于码头环境复杂多变,集装箱种类繁多,传统的目标检测算法很难适应[1]。针对该问题,本文采用了基于深度学习的YOLO v4算法进行吊具及集装箱检测,该算法具有速度快、精度高、适应性强的特点,能够满足实时性和鲁棒性的要求。

为了进一步提高检测精度,在YOLO v4的基础上,设计了一种混合注意力机制,通过空间注意力和通道注意力自适应调整网络权重,突出吊具及集装箱的特征。此外,还引入了先验知识,如吊具的大小、形状等,设计了一种基于规则的伪标签策略,弥补了训练数据标注不足的问题。经过改进,吊具及集装箱检测的平均精度达到98%以上。

1.4 决策子系统设计

决策子系统负责根据分析结果判断打保龄风险,并自动预警和干预。通过建立吊具及集装箱的运动学模型,计算吊具与集装箱之间的距离,判断是否存在碰撞可能。若距离小于安全阈值,则发出碰撞预警信号[2]。

针对打保龄风险,设计了三级预警和干预策略:当碰撞距离较大时,发出一级预警,通过声光报警提示操作人员注意;当碰撞距离进一步缩小时,发出二级预警,自动减速吊具运行速度;当碰撞在即时,发出三级预警,自动停止吊具运动。通过分级预警和干预,在确保安全的同时,最大限度地减少对正常作业的影响。

2 关键技术

2.1 吊具及集装箱检测

吊具及集装箱检测是防打保龄的关键,需要在复杂的场景中快速、准确地定位目标。本文采用了基于深度学习的YOLO v4算法进行目标检测,并在此基础上进行了针对性改进。YOLO v4采用CSPDarknet53作为主干网络提取特征,通过PANet实现多尺度特征融合,使用Mosaic数据增强和CIoU损失函数提高了检测精度,同时采用了多种改进策略加快了检测速度,能够满足实时性要求。

为了进一步提高检测精度,设计了一种混合注意力机制,分别在空间和通道维度自适应调整网络权重。[3]空间注意力通过生成空间权重图,突出目标区域的权重。通道注意力通过学习不同通道的权重,强化对目标敏感的特征图。将两种注意力机制相结合,可以更好地关注吊具及集装箱的特征,抑制背景干扰。

此外,为了弥补训练数据标注不足的问题,引入了先验知识,设计了一种基于规则的伪标签策略。利用吊具的大小、形状等先验信息,自动生成吊具伪标签;利用场地内集装箱的尺寸、颜色等属性,自动生成集装箱伪标签。将伪标签加入训练集,可以有效扩充正样本,提高检测器的泛化性能。

2.2 碰撞风险判断

在获得吊具及集装箱位置后,需要判断是否存在碰撞风险。传统方法通过设定安全距离阈值来判断,但难以适应动态环境。本文通过建立吊具及集装箱的运动学模型,实时计算碰撞风险。

首先,通过吊具检测结果和龙门吊运动参数,建立吊具的运动学方程,预测吊具的运动轨迹。然后,通过集装箱检测结果和场地信息,建立场地内集装箱的空间位置分布。最后,将吊具运动轨迹与集装箱位置进行碰撞检测,计算最小碰撞距离和时间。

在碰撞检测中,采用了层次包围盒算法,通过逐层筛选可能发生碰撞的集装箱,降低了计算量。同时,考虑了吊具和集装箱的安全距离,提高了碰撞判断的可靠性。为了进一步提高实时性,还采用了运动补偿策略,根据网络传输和计算耗时,对碰撞检测结果进行前瞻性修正。

2.3预警干预策略

根据碰撞风险的大小,设计了三级预警和干预策略,在确保安全的同时,最大限度地减少对作业效率的影响。一级预警通过声光报警提示操作人员,二级预警自动减速吊具运行,三级预警紧急停止吊具运动。预警等级和干预措施可根据实际需求进行配置。

在预警过程中,系统自动生成预警信息,包括碰撞位置、碰撞对象、碰撞距离、预警等级等,通过无线通信网络及时发送给龙门吊操作室,便于操作人员查看和处置。同时,预警信息也会发送给海关、船公司等相关方,方便溯源和责任认定。

在干预过程中,系统根据预警等级自动执行相应措施,并将指令下发给龙门吊控制系统。为了避免误报导致的不必要干预,还设置了人工确认机制,操作人员可根据现场情况手动解除干预。此外,系统还具备自学习能力,通过收集和分析历史预警数据,优化预警策略和阈值设置,不断提高防打保龄的智能化水平。

3 应用效果

为了验证防打保龄系统的有效性,在某自动化码头开展了应用测试。在1台自动化集装箱龙门吊上安装了该系统,对现场作业情况进行了连续30天的监测。结果表明,系统运行稳定,检测精度高,能够及时发现90%以上的打保龄风险并自动预警和干预,避免了5起可能导致严重后果的打保龄事故,有效保障了码头作业安全。

通过对比分析发现,应用防打保龄系统后,龙门吊的打保龄发生率从2.5%下降到0.3%,单箱作业时间缩短10%,设备利用率提高8%。同时,由于减少了打保龄引发的设备损坏和货损货差,码头的运营成本降低了15%。此外,系统产生的预警数据为安全管理提供了依据,通过对高风险作业的跟踪和评估,进一步优化了龙门吊运行参数和作业流程,从源头上降低了打保龄风险。

该系统的应用表明,视频分析技术在防打保龄领域具有广阔前景,能够显著提升自动化码头的安全性和生产效率。下一步,拟在更多的自动化龙门吊上推广应用该系统,并扩展到岸桥、场桥等其他类型装卸设备,最终实现码头装卸作业的全过程安全防护。同时,探索将视频分析与大数据、云计算等技术相结合,建立码头作业安全风险监测预警平台,进一步提高安全管理的信息化和智能化水平。

4 结论

本文针对自动化集装箱龙门吊打保龄问题,提出了一种基于视频分析的防打保龄系统。该系统采用深度学习算法检测吊具及集装箱位置,通过碰撞检测判断打保龄风险,并自动预警和干预,实现了自动化码头作业的安全防护。在实际应用中,系统表现出良好的检测精度和反应速度,有效减少了打保龄事故的发生,提高了码头生产效率,产生了显著的经济和社会效益。

自动化集装箱码头是未来港口发展的必然趋势,而打保龄问题一直是制约自动化码头安全高效运行的瓶颈。视频分析技术为解决这一难题提供了新思路,将人工智能应用于安全防护领域,体现了技术进步为安全生产赋能的重要价值。

参考文献；

[1]裴珮, 卫泽坤. 自动化集装箱码头AGV防撞技术[J]. 港口装卸, 2019, (01): 16-17+63.

[2]王沈元, 张吉稳, 黄旭东. 集装箱AGV在支架区域的防撞方法对比分析[J]. 港口科技, 2018, (01): 16-22.

[3]李嘉键. 基于北斗卫星定位的自动化集装箱码头水平运输安全系统关键技术——以广州港南沙港区四期自动化集装箱码头为例[J]. 集装箱化, 2022, 33 (05): 4-7.