买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华能澜沧江水电股份有限公司

摘要：本发明公开了一种基于VGG的起重设备穿销状态检测方法，用于实时检测起重设备的穿销状态，步骤包括：拍摄并选取穿销状态图片；将图片进行分组进行VGG模型训练和测试；通过训练得出最终的VGG模型；将拍摄获取的实时穿销状态图片输入进最终VGG模型，进行实时穿销状态的检测。该方法无需加装过多检测设备，同时无需人工干预，可通过起重设备穿销摄像头采集的穿销实时状态图像对穿销状态进行分析，可以对水下作业和高空作业情况下的起重设备的穿销状态进行监测，使用时无需将不同专业情况的穿销状态图片进行分类处理，直接输入统一的VGG网络模型进行监测即可。

主权项：1.一种基于VGG的起重设备穿销状态检测方法，其特征在于，根据起重设备摄像头采集的穿销实时状态图片判断起重设备穿销状态是否到位，其中，采集不同状态下起重设备摄像头采集的穿销状态图片，将收集的穿销状态图片命名，并构造包含穿销图片名称的excel表格，在excel表格中，将图片名称后方的单元格按照穿销是否到位进行标记，以构造出带标记的样本集；将样本集按照留去法进行分类，将样本集分为训练集和测试集；通过Pytorch模型构建VGG网络模型，设定卷积核参数、通道数和激活函数；设定学习率、Dropout参数和训练轮次数据，并将训练集用于VGG网络模型训练，通过自监督训练方式获取VGG网络模型参数；训练好VGG网络模型后，通过VGG网络模型预测测试集样本穿销状态，并将所述测试集中的预测样本穿销状态与测试集中实际样本穿销状态进行对比，计算MSE、RMSE、R相关系数、MAE、MAPE、查准率P、查全率R和预测精度A评估参数，并确定评估结果，并基于所述评估结果绘制混淆矩阵；观察VGG模型预测的评估参数和混淆矩阵，根据预测结果调节学习率、卷积核参数和训练轮次；重复上述训练过程，选择出训练精度最高的模型；该方法包括如下步骤：步骤1：选取若干状态下起重设备摄像头采集的穿销实时状态图片，将收集的穿销状态图片命名，并构造包含穿销图片名称的excel表格，在excel表格中，将图片名称后方的单元格按照穿销是否到位进行标记，以构造出带标记的样本集；步骤2：按照7：3的比例在训练数据集中选取不同样本，构造出两个彼此互斥的数据集，将样本数多的数据集作为训练集，样本数少的数据集作为测试集；步骤3：使用Pytorch模型搭建有卷积层、池化层和全连接层的VGG网络模型，设置卷积核参数、池化层类型、全连接层通道数和Dropout参数；步骤4：设定好学习率、训练轮次和样本大小参数，采用自监督的方式运用训练集样本训练VGG网络模型，提取卷积层参数并生成VGG网络模型；步骤5：通过VGG网络模型预测测试集样本穿销状态，并将所述测试集中的预测样本穿销状态与测试集中实际样本穿销状态进行对比，计算MSE、RMSE、R相关系数、MAE、MAPE、查准率P、查全率R和预测精度A评估参数，通过评估参数、混淆矩阵调节训练过程中的学习率、训练轮次参数，并使用训练集再次进行VGG模型自监督训练，生成新的VGG网络模型；步骤6：再次使用测试集测试新的VGG模型的预测精度并绘制混淆矩阵，同原有的VGG网络模型预测精度和混淆矩阵进行比较，对预测精度高的VGG模型进行保留；步骤7：使用训练集和测试集对VGG网络模型进行多轮训练，直到找到预测精度模型为止；精度模型为调节模型参数无法使预测精度再提高的VGG11模型；步骤8：得出最终的VGG模型后，将起重设备穿销监测摄像头实时采集的数据输入模型中进行检测，得出起重设备穿销实时状态。

全文数据：

权利要求：

百度查询： 华能澜沧江水电股份有限公司 一种基于VGG的起重设备穿销状态检测方法