大型起重机金属结构无人机智能视觉检测系统研究

针对起重机长期承载、疲劳与腐蚀效应、材料老化、磨损、维护保养不良等造成的金属结构疲劳裂纹、表面锈蚀、局部损伤等问题,利用无人机系统技术和机器视觉理论,研究应用于高空、高温、大风等危险恶劣环境下的远程自动检测技术,代替或辅助完成人所不能、不适或力所不及的各项结构检测工作。系统采用无人机作为飞行平台,搭载高分辨率视觉传感器探测装置,实时采集显示被检测区域的图像,利用数字图像处理技术进行缺陷特征提取与识别,以求从根本上改变起重机重要检测部位在危险检测环境下的人工检验方式,进一步提高特种设备的自动化检测水平。     

大型起重机械健康监测系统开发与应用

设计并开发了一种大型起重机械健康监测系统,该系统主要有光纤传感子系统、解调子系统、健康监测诊断与管理子系统等组成。其中健康监测诊断与管理子系统包含：基本参数模块、数据采集模块、数据处理模块、数据显示和回放模块、数据诊断模块以及设备信息管理模块。该系统的应用使原来繁琐、困难的数据采集变得更加可靠、安全、方便,为实现对起重机械在各种环境、荷载等因素作用下的长期实时监测提供了条件。     

基于无人机视觉的起重机表面裂纹检测方法

为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法。通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷。实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4%,速度达到2 f/s,同时裂纹宽度识别误差约为5.84%,实现了起重机结构表面疲劳裂纹的远程自动化检测。     

基于RFID技术的起重机械人机交互系统研究

探讨了起重机"人机交互"系统的实现方法,研究基于RFID射频识别技术,利用RFID卡作为"人机交互"接口,起重机通过RFID卡识别作业人员;作业人员刷卡控制起重机运行,实现"人机互认"识别。通过建立起重机作业人员管理系统,对持证作业人员实行持卡认证管理,并授权控制起重机,通过刷卡解锁控制起重机运行;利用无线通讯技术,实现数据实时通讯,对作业记录实现远程传输和存储,实起重机运行安全管理。     

基于扩展卡尔曼滤波的无人直升机姿态解算

针对某型无人直升机飞行过程中振动较大,姿态难以精确获取的问题,采用扩展卡尔曼滤波技术进行解算. 该方法以惯性测量单元的角速度和加速度的比力作为输入,并通过振动数据的融合,实时获取姿态信息,有效降低了无人直升机振动对姿态精度的影响. 仿真和实际飞行验证了该方法的有效性.     

国外食品及农副产品质量安全的监控工作

介绍了国外展品及农副产品质量安全监督控制工作以为国内借鉴。