首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于双目摄像机的港机远程控制方法及系统 

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:江苏龙擎动力科技股份有限公司

摘要:本发明公开了一种基于双目摄像机的港机远程控制方法及系统,用于港机控制领域,该方法包括以下步骤:预设港机的行驶范围;安装双目摄像机,实时获取港机在行径方向的双目视频数据;分析双目视频数据;当作业人员进入港机的危险范围时,向作业人员发送警报信息;通过收集作业数据,结合环境传感器采集的作业环境数据预测潜在的风险;远程监控台接收并处理报警信息,自动识别和判断待测目标物,并生成港机的目标控制指令;根据远程监控台发出的目标控制指令,改变港机的运行状态;当检测到紧急情况,港机实施快速制动。本发明使用K‑NN模型进行风险预测,在高维数据中找到最近邻,提高风险预测的准确度。

主权项:1.一种基于双目摄像机的港机远程控制方法,其特征在于,该港机远程控制方法包括以下步骤:S1、预设港机的行驶范围;S2、在港机门腿上选定位置安装双目摄像机,实时获取港机在行径方向的双目视频数据;S3、分析双目视频数据,若检测到行驶范围内存在待测目标物,则向远程监控台发送报警信息;S4、当作业人员进入港机的危险范围时,无线通讯设备自动向作业人员发送警报信息,同时收集当前情况中作业人员的作业数据;S5、通过收集作业数据,结合环境传感器采集的作业环境数据预测潜在的风险,并根据风险预测结果提前采取预防措施;S6、远程监控台接收并处理报警信息,通过人工智能和机器学习算法,自动识别和判断待测目标物,并生成港机的目标控制指令;S7、根据远程监控台发出的目标控制指令,改变港机的运行状态;S8、当检测到紧急情况,港机实施快速制动,避免与待测目标物的碰撞;所述通过收集作业数据,结合环境传感器采集的作业环境数据预测潜在的风险,并根据风险预测结果提前采取预防措施包括以下步骤:S51、收集作业数据过程中的多维时间序列数据,并对多维时间序列数据进行预处理;S52、基于固定的时间窗口,从预处理后的时间序列数据中提取统计特征和频域特征及作业日志的文本特征,并构建样本数据矩阵,其中,每行代表时间窗口实例,每列代表不同传感器的统计特征、频域特征和文本特征;S53、利用自助抽样法进行有放回的随机采样,生成多个训练集;S54、针对每个训练集,训练一个基于K-NN的风险预测模型,通过交叉验证法选择最佳的K值和特征子集;S55、对新的时间窗口实例进行风险预测,将每个K-NN模型的风险预测结果通过加权平均法整合,得到最终的风险评估;S56、根据预定义的风险等级阈值和K-NN模型的风险预测结果,为每个时间窗口实例分配风险等级;S56、根据K-NN模型的综合评估,识别并分析高风险因素;S57、在作业执行过程中,使用已训练好的K-NN模型实时监测和评估作业风险;S58、当识别到高风险时,根据预设的风险等级和阈值采取相应的预防措施,以降低事故发生的概率;所述利用自助抽样法进行有放回的随机采样,生成多个训练集包括以下步骤:S531、收集样本数据矩阵中的原始数据集,其中,原始数据集中包含多个样本;S532、初始化每个样本的权重,进行多次迭代,每次迭代生成一个训练集;S533、在迭代过程中,根据样本权重对原始数据集进行有放回的随机采样,生成训练集,样本数与原始数据集相同为原始数据集的样本数量;S534、将抽到的每个样本放入训练集中,训练一个基学习器,以当前迭代得到的训练集作为训练数据,用基学习器对原始数据集中的每个样本进行预测,记录预测误差;S535、根据预测误差更新各样本的权重,归一化各样本的新权重;S536、完成本次迭代,获得本次迭代生成的训练集;S537、重复执行S533-S535的步骤,直到完成所有迭代,获得指定迭代次数的训练集;所述对新的时间窗口实例进行风险预测,将每个K-NN模型的风险预测结果通过加权平均法整合,得到最终的风险评估包括以下步骤:S551、对新的时间窗口实例执行与训练数据相同的预处理步骤;S552、从预处理过的新实例中提取相同的统计特征、频域特征以及作业日志的文本特征;S553、对每个K-NN模型,输入提取特征后的新时间窗口实例,保存每个K-NN模型的风险预测结果;S554、对于每个K-NN模型,根据其在交叉验证中的表现或其他标准分配一个权重;S555、对每个K-NN模型的风险预测结果进行加权平均;S556、使用加权平均后的风险预测结果作为新时间窗口实例的风险评估,根据预定的阈值,决定该时间窗口实例的风险等级;所述风险预测结果的计算公式为: ;式中,加权平均后的风险预测结果; 、、为权重; 、、为单独的风险预测结果;所述根据预定义的风险等级阈值和K-NN模型的风险预测结果,为每个时间窗口实例分配风险等级包括以下步骤:S561、将风险等级划分为低风险、中风险和高风险,且每个风险等级对应一个预测值范围;S562、获取K-NN模型加权平均后的风险预测结果;S563、将风险预测结果R与预定义的风险等级阈值进行比较;S564、若风险等级阈值落在低风险范围内,则为该时间窗口实例分配低风险等级;若风险等级阈值落在中风险范围内,则为该时间窗口实例分配中风险等级;若风险等级阈值落在高风险范围内,则为该时间窗口实例分配高风险等级;S565、持续监控新的时间窗口实例,并重复执行S561-S564的步骤,确保每个新的时间窗口实例的风险等级正确。

全文数据:

权利要求:

百度查询: 江苏龙擎动力科技股份有限公司 一种基于双目摄像机的港机远程控制方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。