10.3969/j.issn.1674-2605.2021.02.003
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
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MaskR-CNN的分割与关键点网络结构,该结构由MaskR-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5cm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.
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
42
TN911.73
广东省特种设备检测研究院科技项目2020JD09
2021-07-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
14-18