基于深度学习的水泥发运码头辅助装船模型研发及应用.docx

作为连接水陆运输的枢纽，码头不仅起到了衔接不同运输模式的桥梁作用，还可以对货物的到达时间、移动轨迹进行跟踪和记录，掌握物流信息，提高物流效率。此外，码头的建设也为当地提供了经济发展的机遇和更多的就业机会。

由于码头复杂的现场环境，当码头的操作人员进行装船机作业时会遇到许多问题。

（1）人员无法全面监控作业过程信息，装船机操作室可视角度有限，无法准确掌握装船作业过程中的整体安全情况、环境情况等信息。

（2）因涨潮、角度等原因，导致操作员观察角度不足，受不可控因素影响，会进一步影响操作员的作业准确性。

（3）溜筒抬高过快或过慢，在角度、水位等影响下，操作员部分操作需要通过经验补足，但仍然可能存在误判的情况，装船作业过度依赖操作员的经验。

（4）操作室视角影响装船稳定性，如物料需要投放至船舱中间，操作室视角无法满足，可能导致船只倾斜甚至侧翻。

（5）可能存在冒灰、扬尘情况，在视线受阻的情况下，溜筒抬高过快可能引起冒灰、扬尘。

以上问题会对码头的人员安全、财产安全，以及工作效率产生重大的影响。然而，现有的工作大多是针对集装箱码头所设计的智能装船方案，目前针对装船机下料而设计的智能辅助装船方法还很少。本文结合基于深度学习的YOLOv7检测和YOLOv8分割算法，辅助操作人员进行装船机作业。具体来说，该模型实现了以下几个功能。

（1）溜筒位置识别：利用YOLOv8分割模型对相机中溜筒的位置进行定位并返回溜筒质心的坐标。

（2）溜筒高度识别：利用分割得到的溜筒位置信息对当前溜筒下放的高度进行预测。

（3）溜筒碰壁预警：利用YOLOv8分割算法对船舱边缘进行分割，并结合溜筒的位置信息，当溜筒距离船舱边缘过近时发出预警。

（4）溜筒偏移识别：结合分割得到的船舱边缘信息和溜筒的位置信息，对装船过程中的溜筒偏移情况进行预测。

（5）物料偏移识别：利用YOLOv8分割算法对物料区域进行分割，并结合溜筒的位置信息以及船舱边缘信息，对装船过程中的物料偏移情况进行预测。避免操作员因为装料不均导致船体出现倾斜的情况。

（6）冒灰识别：利用YOLOv7检测算法对冒灰的区域进行检测，同时结合YOLOv8分割算法得到的溜筒位置信息对下料过程中是否出现冒灰进行判定，如有冒灰情况则发出报警。

以安徽池州海螺码头项目为例。池州海螺利用长江的航运优势，建造了年吞吐量达千万吨的专用码头，利用该码头可大幅度提升运输效率、降低成本。试验显示，该辅助装船模型为装船机操作员提供了更加全面的装船视野，并可以对操作员的不当操作进行提前预警（溜筒碰壁）和报警（冒灰）且该辅助装船模型误报率在1%以下。

1、方法

1.1算法背景

近年来，随着深度学习技术的发展，人工智能算法在图像的理解和生成上展现出了越来越强的准确性和创造力。

1.1.1物体检测

对于物体检测方向来说，它的目标是找到图像中感兴趣的物体，画出它的检测框并预测该物体的类别。常用的深度学习算法可以分为双阶段算法和单阶段算法。双阶段算法在第一阶段时会先产生候选区域，然后用另一个网络从候选区域中找到物体的位置并预测该物体的分类标签。单阶段算法只使用一个深度网络，对于一张输入图片来说，单阶段算法并不会产生候选区域，而是直接预测物体的位置坐标和分类标签。双阶段算法通常拥有更高的准确率，但是处理速度慢，不适合在实时检测的环境中使用。单阶段算法的速度更快，且近年来随着算法的不断研究，单阶段算法的准确率也在不断提高，所以利用YOLOv7单阶段算法进行相关目标物体（例如冒灰）的检测。

YOLOv7是一种单阶段物体检测算法。它提出了一种高效的聚合网络模块E-ELAN，利用展开、打乱、合并基数等方法，在ELAN算法的基础上让网络可以堆叠更多的模块。此外，它使用了模型重参数化技术，在计算损失函数时，YOLOv7提出了一种由粗到细的引导头标签分配器，可以更好地指导辅助头和引导头的学习。

1.1.2物体分割

不同于物体检测，物体分割会将图像中目标物体的区域抠出来，分类精确到每个像素。其中语义分割会直接对图像中的每一个像素进行分类。实例分割则更进一步，将目标检测和语义分割相结合，可以将每一个目标物体单独分割出来。本文采用最近提出的YOLOv8分割算法来对目标物体（例如溜筒、船舱边缘）进行实例分割。

YOLOv8分割算法结合了YOLOv8检测算法和YOLACT实例分割算法，所以它也是一种实例分割模型。相比较之前基于锚框的YOLO模型，YOLOv8采用了无锚的设计思路，直接预测对象的中心，使其更加的灵活。同时，YOLOv8获取到的梯度流信息更加丰富。在损失函数上，YOLOv8也引入了最近提出的DistributionFocalLoss（与回归边界有关的损失函数）来优化边框信息的预测。

1.2辅助装船算法

辅助装船算法的整体框架如图1所示。

图1辅助