[发明专利]集卡车头防砸保护系统及方法、计算机存储介质、龙门吊

权利要求书

1.一种集卡车头防砸保护系统，其特征在于，包括：

标定模块，预先对集卡的停车点进行标定；

采集模块，获取所述标定模块的视频流，解码成图片，并对所述图片进行预处理；

AI视觉算法模块，将预处理后的所述图片输入Mask R-CNN神经网络算法模型，得到所述集卡的车头实例分割图、车头中心点坐标；

判断模块，获取所述标定模块的标定集卡的停车点、所述AI视觉算法模块的车头中心点，计算所述标定集卡的停车点与所述车头中心点的距离；

数据记录模块，用以记录各模块的历史记录。

2.根据权利要求1所述的集卡车头防砸保护系统，其特征在于：所述标定模块为工业相机。

3.根据权利要求1所述的集卡车头防砸保护系统，其特征在于：所述判断模块计算所述标定集卡的停车点与所述车头中心点在所述集卡水平方向上的距离，若距离小于预设值，则所述集卡的车头处于安全区域内；若距离大于预设值，则所述集卡的车头处于危险区域内，所述判断模块向PLC发送警报。

4.一种集卡车头防砸保护方法，其特征在于，包括以下步骤：

1)在龙门吊上安装权利要求1-3任一项所述的集卡车头防砸保护系统中的所述标定模块，集卡在作业车道上的位置导引结束，预先通过所述标定模块进行一次集卡停车点标定；

2)所述采集模块获取所述标定模块的视频流，解码成图片，并对所述图片进行预处理；

3)将预处理后的所述图片输入所述AI视觉算法模块中预先训练好的Mask R-CNN神经网络算法模型进行定位，得到所述集卡的车头中心点，计算所述集卡的车头中心点与所述集卡停车点在所述集卡车头方向水平方向上的距离，若距离小于预设值，则所述集卡的车头处于安全区域内，继续步骤2)；若距离大于预设值，则所述集卡的车头处于危险区域内，所述判断模块向PLC发送警报。

5.根据权利要求4所述的集卡车头防砸保护方法，其特征在于：所述步骤2)中，预处理包括滤波去燥算法、直方图均衡化算法。

6.根据权利要求4所述的集卡车头防砸保护方法，其特征在于：所述步骤3)中，所述Mask R-CNN神经网络算法模型的训练过程如下：

a)建立集卡车头样本库；

b)制作数据集；

c)搭建所述Mask R-CNN神经网络算法模型。

7.根据权利要求6所述的集卡车头防砸保护方法，其特征在于：所述步骤a)中，建立集卡车头样本库具体如下：

获取所述标定模块的视频流，通过目标检测算法识别出所述集卡的车头，获取带有所述集卡的车头图像，并利用标注工具对所述集卡的车头图像进行标注工作。

8.根据权利要求7所述的集卡车头防砸保护方法，其特征在于：所述步骤b)中，制作数据集具体如下：

从所述集卡车头样本库中提取训练集、验证集、测试集。

9.根据权利要求8所述的集卡车头防砸保护方法，其特征在于：所述步骤c)中，搭建所述Mask R-CNN神经网络算法模型具体如下：

使用所述训练集进行所述集卡的车头实例分割模型训练，通过所述验证集评判所述Mask R-CNN神经网络算法模型是否符合要求，再通过所述测试集进行测试，得到训练好的所述Mask R-CNN神经网络算法模型。

10.根据权利要求4所述的集卡车头防砸保护方法，其特征在于：所述步骤3)中，将预处理后的所述图片输入所述AI视觉算法模块中预先训练好的Mask R-CNN神经网络算法模型进行定位，得到所述集卡的车头中心点，具体如下：

将预处理后的所述图片输入所述AI视觉算法模块中预先训练好的Mask R-CNN神经网络算法模型，即可得到所述集卡的车头实例分割图、车头顶面的最小外接矩形以及四个顶角坐标点，通过计算即可得到车头的中心点。