清华大学学报(自然科学版)

作者：王浩, 杨启贵, 刘全, 赵春菊, 张宏阳

单位：1. 武汉大学 水工程科学研究院, 武汉 430072;<br>2. 长江设计集团有限公司, 武汉 430010;<br>3. 武汉大学 水资源工程与调度全国重点实验室, 武汉 430072;<br>4. 湖北工业大学 土木建筑与环境学院, 武汉 430068

关键词：水利工程施工,缆机,多目标跟踪,模式识别,目标识别

基金：国家自然科学基金面上项目(51779131)

缆机是拱坝施工中主要的混凝土入仓设备。监测缆机吊运过程并分析其施工效率, 对于支撑工程现场调度优化、 资源配置和指导施工至关重要。该文提出一种基于视觉跟踪和模式识别的缆机吊运混凝土效率智能分析方法, 首先训练YOLO模型作为目标检测器, 并引入轨迹片段特征改进DeepSORT算法, 实现对缆机吊罐移动轨迹的多目标跟踪; 然后基于轨迹数据的时序特征建立缆机吊运混凝土工作状态识别模型, 实现从海量轨迹数据中快速准确识别缆机工作状态和计算吊运效率。拱坝工程的实例分析结果表明： 该方法实现了高精度完整跟踪吊罐的移动轨迹, MOTA指标和IDF1指标分别高达90.0%和94.8%, 准确识别出了缆机的6种工作状态, 精准计算出了缆机的浇筑强度等效率指标, 具备可靠性和准确性。

来源：2024年第9期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2024年第9期