天车AI视觉安全监测：吊运区域人员侵入检测与防碰撞工程实践
天车AI视觉安全监测系统是天车智能安全防护的最后一道主动防线——它通过安装在端梁和主梁上的工业AI摄像头实时采集吊运区域图像，基于YOLOv8深度学习模型检测吊物下方和周围的人员侵入行为，在检测到人员进入危险区域时自动触发减速警告或STO安全停车，将人与吊物的物理隔离从被动围栏升级为主动智能防护。克鲁德重工基于NVIDIA Jetson Orin NX边缘计算平台和自研视觉检测模型，构建了覆盖检测、分级报警、防碰撞联动的完整AI安全监测系统。本文从系统架构、模型训练到现场部署，完整阐述这一工程实践。
一、AI视觉安全监测系统架构
天车AI视觉安全监测系统由感知层、推理层、控制层和告警层四层架构组成。感知层包括2~4台工业AI摄像头（分别安装在天车端梁两侧和小车下部），摄像头以30fps帧率采集吊运区域1080P实时图像，通过千兆以太网传输至推理层。推理层部署在NVIDIA Jetson Orin NX边缘计算模块上（算力100TOPS），运行YOLOv8s目标检测模型，对每帧图像进行人员、吊物和障碍物的实时检测识别，单帧推理延迟小于15ms。控制层通过GPIO和PROFINET接口连接天车PLC——检测到人员侵入时向PLC发送减速或停车信号，PLC执行SLS减速或STO停止。告警层包括操作室内的声光报警器（蜂鸣器+旋转警示灯）、HMI屏幕弹窗告警和远程运维平台的实时告警推送。系统整体端到端延迟（从人员进入危险区域到PLC执行安全动作）小于100ms，满足GB/T 28264-2017《起重机械 安全监控管理系统》对主动安全防护的响应时间要求。
检测区域划分为三级安全区。危险区（Danger Zone）以吊物为中心半径3m的圆形区域——人员进入该区域立即触发STO停车，天车制动器在200ms内闭合。警告区（Warning Zone）为危险区外围半径3~6m的环形区域——人员进入该区域触发声光报警和天车减速（降速至额定速度的20%），减速信号持续到人员离开警告区。监测区（Monitor Zone）为警告区外围半径6~10m的环形区域——人员进入该区域仅记录事件日志不做控制干预，用于统计吊运区域人员活动频次和模式。三级安全区的半径参数现场可通过HMI面板的天车吨位和吊物尺寸进行调整。
二、摄像头选型与安装部署
工业AI摄像头的选型和安装位置直接影响检测效果。克鲁德重工在天车AI视觉安全监测系统中标配两款摄像头：端梁安装位选用海康威视DS-2CD2T87WD-L（800万像素星光级，传感器1/1.2英寸，最低照度0.001Lux，红外补光距离50m），小车下安装位选用映美精DMK 33GX290（190万像素全局快门，传感器1/3英寸，帧率120fps，适合检测高速运动的吊物和人员）。端梁摄像头的镜头焦距选用6mm（水平视角约52度），安装在天车端梁下表面的中心位置，镜头垂直向下拍摄，覆盖天车下方整个吊运区域。小车下摄像头的镜头焦距选用3.6mm（水平视角约87度），安装在小车平台下表面，拍摄吊具正下方的近距离区域。
| 安装位置 | 摄像头型号 | 参数 | 覆盖范围 | 作用 |
|---|---|---|---|---|
| 端梁（左） | DS-2CD2T87WD-L | 800万/0.001Lux/6mm | 左侧吊运区+通道 | 人员侵入检测 |
| 端梁（右） | DS-2CD2T87WD-L | 800万/0.001Lux/6mm | 右侧吊运区+通道 | 人员侵入检测 |
| 小车下 | DMK 33GX290 | 190万/全局快门/3.6mm | 吊具下方近距离 | 吊物摆动/障碍检测 |
| 主梁上方 | DS-2CD2T87WD-L | 800万/0.001Lux/12mm | 全车间远距离 | 全局态势感知（选配） |
摄像头安装结构件采用不锈钢万向调节支架（支撑臂负载15kg，可承受天车启停时的冲击载荷）。摄像头通过CAT6A屏蔽网线连接至部署在控制柜内的Jetson Orin NX边缘计算模块，网线沿天车主梁内侧敷设并用扎带固定，与变频器动力电缆间距不小于300mm。摄像头供电采用PoE+（802.3at标准，单端口供电功率25W），Jetson模块通过交换机PoE+端口为摄像头供电，无需独立电源布线。
三、YOLOv8目标检测模型训练与部署
YOLOv8是天车AI视觉检测的核心算法。克鲁德重工在天车安全监测场景中选用YOLOv8s版本（Small，参数量11.2M，COCO mAP 44.9%），在NVIDIA Jetson Orin NX上经TensorRT FP16优化后推理速度可达60fps（输入分辨率640×640），满足30fps视频流的实时检测需求。模型的训练数据集来自三个渠道：克鲁德重工自有天车试验场采集的标注图像（约15000张，覆盖不同光照、天气和吊物类型）、合成长尾场景的合成图像（约5000张，模拟人员跌倒、多人聚集、部分遮挡等边缘场景）、工厂车间补充采集（约3000张，覆盖不同厂房结构和生产线布局的多样化背景）。
模型训练配置。训练基于Ultralytics YOLOv8框架，输入图像分辨率640×640，批次大小32，训练轮数300轮。数据增强使用Mosaic（概率0.8，4张拼接）、MixUp（概率0.2，两张混合）、HSV增强（H±25°/S±30%/V±30%）和随机旋转（±10度）。训练平台使用单张NVIDIA RTX 4090（24GB显存），单轮训练耗时约10分钟，300轮总耗时约50小时。训练完成后导出为TensorRT FP16引擎（engine文件，约22MB），部署到Jetson Orin NX上运行。
检测目标分类。YOLOv8s模型输出三个检测类别，每个检测框包含类别ID、置信度分数（阈值≥0.5保留）和归一化框坐标（cx,cy,w,h）。框坐标经透视变换矩阵映射至地平面世界坐标系，定位误差<10cm。三类目标详情如下：
四、人员侵入检测算法与安全区逻辑
人员侵入检测的逻辑执行时序如下。步骤一目标检测：Jetson端运行YOLOv8s模型，输出当前帧中所有person检测框。步骤二坐标映射：将person检测框底部中心点坐标通过透视变换矩阵映射到地平面世界坐标系，得到人员在车间地面上的物理位置（x,y,单位m）。步骤三距离计算：计算人员位置与吊物位置（从天车PLC读取的大车绝对位置+小车绝对位置+吊物尺寸偏移量）之间的欧氏距离。步骤四安全区判断：根据距离dist匹配三级安全区规则——dist≤3m为Danger区触发STO、3m
安全区半径的动态调整逻辑。天车吊物的实际尺寸和吊运轨迹影响危险区的安全半径。吊物尺寸小于1m时危险区半径保持默认3m；吊物尺寸在1~3m范围内危险区半径根据吊物对角线长度自动增加（R_danger=3.0m+L_diag/2）；吊物尺寸大于3m时危险区半径固定为5m（防止过大的安全区频繁触发STO导致生产效率下降）。安全区半径的当前值实时显示在HMI安全监测页面，操作人员可手动微调（范围0.5m步进）。所有安全区参数的修改记录在PLC的事件日志中，保存周期不少于90天。
多目标追踪与防抖处理。当单帧检测到多个人员目标时，系统为每个目标分配唯一Track ID，通过轻量级DeepSORT算法实现跨帧目标匹配和轨迹追踪。当某个Track ID的person在同一位置连续出现超过5帧时，系统才确认该人员进入安全区并触发报警，防止单帧误检导致的误报。人员在安全区内停留期间触发持续报警，离开安全区后报警自动解除（延时2秒消抖）。连续报警事件自动记录在本地SQLite数据库中，记录格式包含时间戳、Track ID、人员坐标、触发的安全区等级和天车运行状态（速度/位置/方向）。
五、防碰撞联动控制与STO触发
AI视觉检测系统与天车安全控制系统的联动通过GPIO+PROFINET双重接口实现。GPIO接口用于紧急场景的快速制动——Jetson的GPIO1（Danger）直接连接至PLC安全F-DI模块的输入通道，当GPIO1拉高至24V时PLC在下一个安全扫描周期（20ms）内触发STO。PROFINET接口用于非紧急场景的分级减速——Jetson通过PROFINET IO设备角色（GSDML文件导入TIA Portal组态）向PLC周期性写入减速请求数据（包含减速等级0~3和目标速度百分比），PLC在标准IO周期（10ms）内响应减速请求。
| 安全等级 | Conditions de déclenchement | 控制动作 | Temps de réponse | 恢复方式 |
|---|---|---|---|---|
| Level 3 危险 | 人员进入≤3m危险区 | STO紧急停车 | <100ms | 手动Reset确认 |
| Level 2 警告 | 人员进入3~6m警告区 | 降速至20%+声光报警 | <200ms | 人员离开自动恢复 |
| Level 1 监测 | 人员进入6~10m监测区 | 仅记录日志 | — | 自动 |
STO触发后的恢复流程。Level 3 STO触发后天车立即停车，Jetson系统持续监测危险区状态——确认危险区内无人员后通过PROFINET向PLC发送”危险解除”信号。PLC收到信号后HMI弹出安全复位确认对话框，要求操作人员目视确认吊运区域安全后点击”确认复位”按钮，PLC才解除STO状态并允许重新使能运行。STO事件的完整日志自动上传至边缘网关，经OPC UA推送至安全管理系统存档。
六、系统调试与现场验证
AI视觉安全监测系统的调试分四步进行。第一步摄像头标定——使用棋盘格标定板（12×9格，格子边长30mm）拍摄15~20张不同角度的标定图像，通过OpenCV的calibrateCamera函数计算摄像头内参矩阵和畸变系数。内参标定完成后进行透视变换矩阵标定：在车间地面铺设标定布（4×3m网格布，格点间距500mm），使用摄像头拍摄一张俯视图后选取4个角点和4个已知地平面坐标的对应点计算透视变换矩阵。标定完成后使用激光测距仪测量地面上任意点的实际坐标，验证映射误差小于10cm。
第二步模型验收测试——在试验场部署测试场景（吊物+假人模型），分别测试正常光照（500Lux）、低光照（50Lux，仅红外补光）、逆光和雨雾（模拟喷淋）四种工况下的检测精度。验收标准：正常光照下person检测mAP≥95%，低光照下mAP≥90%，逆光下mAP≥85%，雨雾下mAP≥80%。假人进入三级安全区的测试各执行20次，要求Level 3危险区触发率100%（20/20触发STO），Level 2警告区触发率≥95%（≥19/20触发减速报警），Level 1监测区记录率100%（20/20记录事件日志）。
第三步现场部署校验——将标定参数和模型部署至天车Jetson模块，通过操作HMI的安全监测页面实时查看摄像头画面和检测框叠加效果。验证端梁摄像头和小车下摄像头在三种天车位置（端到端行程的左端/中间/右端）下的俯视覆盖范围无盲区，两侧摄像头画面拼接后覆盖天车下方的全部吊运区域（覆盖范围约20m×6m）。使用对讲机配合现场人员沿安全区边界行走，验证检测系统在每个边界点的报警触发一致性。第四步入运行态——系统进入24小时试运行，每8小时检查一次检测日志中的误报率和漏报率，要求误报率≤5次/24小时，漏报率≤1次/24小时。试运行通过后系统转入正式运行。
