优化Swin Transformer的塔式起重机销轴安全状态识别算法

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：为减小塔式起重机运行安全隐患,提高机器视觉检验销轴连接状态的准确率,提出一种优化Swim Transformer的塔式起重机销轴安全状态识别算法;首先通过采集工地现场塔式起重机销轴安全状态图像,创建数据集;其次对数据集中销轴安全状态分类,并进行独热编码;然后基于Swin Transformer算法,建立销轴安全状态的识别模型,构造和优化损失函数;再运用AdamW优化器更新梯度,经过1 000次训练迭代后得到最终模型;最后在所创建的销轴图像数据集上,进行试验验证.结果表明:所提优化算法提高了塔式起重机销轴安全状态识别能力:准确率为99.4％、平均精度为99.4％,平均召回率为99.4％,平均特异度为99.6％,呈现出良好的分类和泛化能力;同时明显优于ShuffleNet、DenseNet和EfficientNet等3种典型算法;与原Swin Transformer算法相比,准确率也提高了 3.6％.

外文标题：Recognition algorithm on safe states of tower crane pins based on optimized Swin Transformer

外文关键词：

Swin Transformertower cranepinssafety statestate identificationdataset

作者：

周庆辉、刘浩世

展开 >

作者单位：

北京建筑大学机电与车辆工程学院,北京,100044

北京市建筑安全监测工程技术研究中心,北京,100044

关键词：

SwinTransformer 塔式起重机销轴安全状态状态识别数据集

基金：

国家自然科学基金青年基金住房和城乡建设部科技计划

项目编号：

519050282022-K-079

出版年：

2023

DOI：

10.16265/j.cnki.issn1003-3033.2023.09.0173

中国安全科学学报

中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心

影响因子：1.548

ISSN：1003-3033

年,卷(期)：2023.33(9)

参考文献量4