Система ИИ-контроля мостового крана: обнаружение дефектов каната
Система AI-визуального контроля мостового крана представляет собой интеллектуальное решение для мониторинга безопасности, основанное на технологиях глубокого обучения и граничных вычислений. В рабочей зоне крана устанавливаются промышленные камеры с загруженными моделями ИИ, такими как YOLOv8 и ResNet, что обеспечивает многомерное визуальное восприятие: обнаружение вторжения персонала в зону под грузом (точность >98%), идентификацию обрывов проволоки на поверхности стального каната (точность >95%), контроль износа рельса (точность >96%) и прогнозирование раскачивания крюка (MSE<0,5°). Задержка обработки не превышает 50 мс.
Архитектура системы AI-контроля крана
Система AI-визуального контроля мостового крана состоит из трех уровней: сенсорный уровень (промышленная камера + подсветка + энкодер), уровень логического вывода (периферийный шлюз ИИ с загруженными моделями) и исполнительный уровень (блокировка ПЛК + сигнализация + журналирование). Камеры обычно устанавливаются под рамой тележки или сбоку главной балки и передают видеопоток на периферийный узел логического вывода по протоколу RTSP. Система AI-контроля интегрирована с системой мониторинга и управления безопасностью крана (подробнее в решении для системы контроля безопасности мостового крана), что позволяет при обнаружении опасного сигнала напрямую инициировать замедление или экстренную остановку через ПЛК.
| ОбнаружениеСценарий | AIМодель | Входной размер | ИнференсТочность | Перифериязадержка вывода | Точность | Частота ложных срабатываний |
|---|---|---|---|---|---|---|
| Персонал под грузомОбнаружение | YOLOv8n | 640×640 | FP16 | 8~15ms | >98% | <1% |
| обнаружение обрывов проволок каната | ResNet18-FPN | 224×224 | FP16 | 3~8ms | >95% | <3% |
| износ рельсаМашинное зрениеОбнаружение | EfficientNet-B0 | 512×512 | FP16 | 20~40ms | >96% | <2% |
| раскачивание крюкаПрогнозирование | Bi-LSTM-2 | 64×10Последовательность | FP16 | 2~5ms | MSE<0.5° | — |
Выбор камеры и параметры развертывания для дефектоскопии каната
Выбор камеры для системы технического зрения мостового крана напрямую влияет на точность распознавания AI. Рекомендуется использовать промышленную камеру с CMOS-матрицей и глобальным затвором, разрешением от 5 до 12 Мп и частотой кадров не менее 30 fps. Для дефектоскопии каната камеру следует размещать на расстоянии 0,5–1,5 м от стального каната, освещение — не менее 200 люкс, а фокусное расстояние объектива — 8–16 мм, чтобы обеспечить долю каната в поле зрения не менее 60%.
| Параметр | Рекомендуемое значение |
| Разрешение | 5–12 Мп |
| Частота кадров | ≥ 30 fps |
| Расстояние до каната | 0,5–1,5 м |
| Освещение | ≥ 200 люкс |
| Фокусное расстояние | 8–16 мм |
| Доля каната в поле зрения | ≥ 60% |
| ОбнаружениеСценарий | Рекомендуемая камера | разрешение | частота кадров(fps) | Фокусное расстояние объектива | Монтажное расстояние | Требования к подсветке |
|---|---|---|---|---|---|---|
| Вторжение персоналаОбнаружение | HikvisionMV-CA050-10GC | 2592×1944 | 30 | 6~12mm | 5~15m | Нет/Естественный свет |
| стальной канатПоверхностьОбнаружение | BasleracA2440-75um | 2448×2048 | 75 | 12~25mm | 0.5~1.5m | LEDКольцевой источник света |
| обнаружение износа рельса | HikvisionMV-CA013-21GC | 1280×1024 | 210 | 8~16mm | 0.3~0.8m | Линейное сканированиеLED |
| раскачивание крюкаТрекинг | DahengMER-502-79U3M | 2592×2048 | 79 | 6~12mm | 3~8m | Нет/Окружающий свет |
Оптимизация вывода и развертывание моделей ИИ
3.1 Стратегия квантования модели
Для работы в реальном времени на периферийном шлюзе с ограниченными вычислительными ресурсами модели ИИ на стороне мостового крана требуют сжатия методом квантования. Рекомендуется трехэтапная стратегия развертывания: квантование FP16 (потеря точности <0,1%, уменьшение объема вдвое) + ускорение TensorRT (ускорение вывода в 1,5–2 раза) + квантование INT8 (потеря точности 0,3–1,5%, сжатие объема на 75%, ускорение вывода в 2–4 раза). После квантования FP16 и оптимизации TensorRT модель YOLOv8n обеспечивает задержку вывода всего 8–12 мс на NVIDIA Jetson Orin NX.
3.2 Выбор периферийного шлюза для вывода
| Критерий выбора | Рекомендация |
| Вычислительная мощность | Не менее 20 TOPS (например, NVIDIA Jetson Orin NX) |
| Поддержка фреймворков | TensorRT, ONNX Runtime, OpenVINO |
| Интерфейсы | GigE, PoE, RS-485, CAN |
| Диапазон рабочих температур | От −20 °C до +60 °C (для промышленных условий) |
| Периферийный шлюзМодель | CPU/GPU | RAM | Хранение данных | Поддерживаемые протоколы | Рабочая температура | Область применения |
|---|---|---|---|---|---|---|
| EG-200 | ARM Cortex-A76 2.0GHz | 4GB | 64GB eMMC | OPC UA/MQTT/Modbus | -25~70℃ | обнаружение обрывов проволок каната |
| EG-500 | x86 Celeron N5105 | 8GB | 128GB SSD | Все протоколы+WiFi 6 | -20~65℃ | Вторжение персоналаОбнаружение |
| EG-1000 | x86 i7-1185G7+NVIDIA Jetson | 32GB | 512GB NVMe | Все протоколы+5G | -20~60℃ | Параллельное подключение нескольких моделей |
Процесс внедрения и замкнутый цикл данных
Внедрение системы технического зрения для мостовых кранов включает пять этапов: обследование объекта для определения точек установки камер, развертывание периферийного шлюза ИИ, сбор и разметка данных для обучения (не менее 5000 кадров на сценарий), обучение модели и пусконаладочные работы. Система технического зрения совместно использует периферийные узлы логического вывода с системой гашения раскачивания на базе ИИ (подробнее в техническом решении по гашению раскачивания), что снижает затраты на аппаратное обеспечение. После ввода в эксплуатацию система непрерывно собирает журналы логического вывода на периферии и передает их в облако, ежемесячно выполняя инкрементальное обучение и обновление модели, формируя замкнутый цикл данных «сбор — обучение — развертывание — обратная связь».
Для кранов со сроком службы более 3 лет срок окупаемости модернизации с использованием ИИ обычно составляет 8–14 месяцев. После установки системы технического зрения на 50-тонный литейный мостовой кран на одном из сталелитейных заводов количество аварий, связанных с обрывом стального каната, снизилось до нуля, а время отклика на предупреждение о вторжении персонала в зону подъема сократилось с 2–3 с до 0,3 с.
Преимущества решения Келуде для систем технического зрения
Келуде Тяжёлая Промышленность предлагает комплексное решение для систем технического зрения на мостовых кранах «под ключ», включающее выбор промышленной камеры и проектирование монтажного кронштейна, развертывание периферийного шлюза ИИ (с поддержкой TensorRT/OpenVINO/ONNX Runtime), обучение моделей ИИ (с возможностью приватного обучения на данных клиента без раскрытия технологических параметров). Система может напрямую интегрироваться с существующей системой PLC крана и поддерживает передачу данных по протоколам OPC UA/MQTT. Келуде Тяжёлая Промышленность предоставляет бесплатное обследование объекта и оценку осуществимости ИИ-решения, гарантируя, что точность распознавания для каждого сценария контроля соответствует требованиям промышленной безопасности.
Часто задаваемые вопросы
В: Какие опасности может выявить система технического зрения на мостовом кране?
О: Система позволяет обнаруживать: нахождение людей под грузом, аномальное отклонение груза от вертикали, обрыв проволоки/износ/коррозию стального каната (точность ≥95%), препятствия в зоне рельсового пути, неправильное позиционирование грузозахватного устройства, отсутствие защитной каски или предохранительного пояса у оператора и другие нарушения.
В: Каковы требования к аппаратной конфигурации для ИИ-контроля?
О: Рекомендуются промышленная камера (разрешение от 5 Мп, глобальный затвор), взрывозащищённый/водонепроницаемый корпус, бортовое вычислительное устройство (NVIDIA Jetson или Intel i7 и выше), освещенность не менее 200 люкс, частота кадров ≥15 к/с.
В: Каким стандартам соответствует система ИИ-контроля?
О: Безопасность и мониторинг — по ГОСТ Р 28264 (аналог GB/T 28264), оценка алгоритмов — по ГОСТ Р 36377 (аналог GB/T 36377), промышленные камеры — по ГОСТ Р 36412 (аналог GB/T 36412). Контроль безопасных расстояний — по ISO 13855.
Система ИИ-визуального контроля для мостовых кранов
Современное производство требует повышенного внимания к безопасности грузоподъёмных операций. Система ИИ-визуального контроля от компании Kelude — это интеллектуальное решение, которое в реальном времени анализирует рабочую зону крана и предупреждает оператора о потенциальных рисках. Технология основана на алгоритмах компьютерного зрения и машинного обучения, что позволяет автоматизировать контроль соблюдения техники безопасности и снизить влияние человеческого фактора.
В: Какие опасности может выявить система ИИ-визуального контроля крана?О: Система обнаруживает вторжение персонала в опасную зону, раскачивание груза, дефекты каната, препятствия на пути движения, а также отсутствие средств индивидуальной защиты у работников.
В: Каковы требования к аппаратному обеспечению для ИИ-визуального контроля крана?
О: Для работы системы необходима промышленная камера с разрешением 5 Мп, взрывозащищённый корпус, устройство периферийных вычислений, освещённость рабочей зоны не менее 200 люкс и частота обработки кадров не менее 15 к/с.
В: Каким стандартам соответствует система ИИ-визуального контроля?
О: Система соответствует требованиям ГОСТ Р 28264 (безопасность и мониторинг), ГОСТ Р 36377 (оценка алгоритмов) и ГОСТ Р 36412 (промышленные камеры).
Система AI-визуального контроля мостового крана: распознавание дефектов каната и безопасность перемещения грузов на основе глубокого обучения
Современное промышленное производство предъявляет повышенные требования к безопасности и эффективности крановых операций. Система AI-визуального контроля мостового крана, построенная на алгоритмах глубокого обучения, обеспечивает автоматическое распознавание потенциальных опасностей в реальном времени. Данная технология позволяет решать широкий спектр задач: от контроля присутствия персонала в опасной зоне под грузом до диагностики технического состояния стального каната и крановых рельсов.
