航道起吊機(jī)械施工安全感知系統(tǒng)研究

趙德懿，王 龍，楊 櫻

(1.揚(yáng)州市港航事業(yè)發(fā)展中心，江蘇 揚(yáng)州 225009；2.江蘇長(zhǎng)天智遠(yuǎn)交通科技有限公司，江蘇 南京 210036)

1 項(xiàng)目背景

2019年，江蘇省政府辦公廳發(fā)布了《關(guān)于加快推進(jìn)第五代移動(dòng)通信網(wǎng)絡(luò)建設(shè)發(fā)展若干政策措施的通知》，明確指出江蘇省各相關(guān)部門(mén)要大力推進(jìn)基于5G網(wǎng)絡(luò)的信息服務(wù)在精密制造、工程機(jī)械、生物醫(yī)藥、社會(huì)服務(wù)、新能源、交通物流、教育教學(xué)、健康醫(yī)療、廣播電視、文化娛樂(lè)、智慧城市、應(yīng)急指揮等領(lǐng)域的廣泛應(yīng)用，以網(wǎng)絡(luò)建設(shè)支撐信息化向縱深推進(jìn)，以信息化應(yīng)用帶動(dòng)網(wǎng)絡(luò)建設(shè)，形成建設(shè)與應(yīng)用雙向驅(qū)動(dòng)的發(fā)展格局。江蘇省5G產(chǎn)業(yè)聯(lián)盟要整合電信、廣電網(wǎng)絡(luò)、互聯(lián)網(wǎng)等各類(lèi)信息服務(wù)行業(yè)資源，推動(dòng)與社會(huì)生產(chǎn)生活密切相關(guān)的5G信息服務(wù)模式創(chuàng)新，擴(kuò)大5G應(yīng)用范圍，提高信息服務(wù)質(zhì)量。積極爭(zhēng)取國(guó)家級(jí)預(yù)商用試點(diǎn)城市落戶江蘇省，加快商用部署步伐，在車(chē)聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能電網(wǎng)、融合媒體等領(lǐng)域取得突破，5G在交通行業(yè)的應(yīng)用探索提上了日程。

2020年，交通運(yùn)輸部辦公廳發(fā)布了《進(jìn)一步推進(jìn)公路水運(yùn)工程平安工地建設(shè)的通知》，提出要加強(qiáng)施工安全風(fēng)險(xiǎn)分級(jí)管控，不斷提升工程本質(zhì)安全水平；同年，江蘇省交通運(yùn)輸廳也印發(fā)了《江蘇省公路水運(yùn)工程平安工地建設(shè)管理辦法》，為平安工地建設(shè)工作提出了具體要求。因此，為保證公路航道工程施工安全，結(jié)合京杭運(yùn)河施橋船閘至長(zhǎng)江口門(mén)段航道整治工程實(shí)際需求，針對(duì)項(xiàng)目建設(shè)過(guò)程中起吊作業(yè)的關(guān)鍵節(jié)點(diǎn)，利用5G[1]、邊緣計(jì)算[2]、AI視頻智能分析技術(shù)[3]開(kāi)展航道工程安全風(fēng)險(xiǎn)感知技術(shù)研究具有重要的意義。

在現(xiàn)代化的工程建設(shè)和項(xiàng)目施工過(guò)程中，起重機(jī)械發(fā)揮的作用越來(lái)越大，是減輕作業(yè)人員勞動(dòng)強(qiáng)度和提高生產(chǎn)效率的重要手段。但是，起重吊裝機(jī)械頻繁使用也帶來(lái)了作業(yè)傷害事故的增加，起重吊裝事故的發(fā)生主要包括人的因素和吊物的因素兩個(gè)方面。其中，人的因素主要表現(xiàn)在管理不善和使用者心存僥幸，物的因素主要表現(xiàn)在設(shè)備、吊具的安裝使用未達(dá)到要求，帶有隱患進(jìn)行施工作業(yè)，從而埋下安全隱患。目前起吊施工作業(yè)風(fēng)險(xiǎn)影響因素主要有：(1)對(duì)吊裝作業(yè)場(chǎng)所自然環(huán)境風(fēng)險(xiǎn)認(rèn)知不足；(2)起重作業(yè)的吊物重量不明或超重；(3)被吊物體上方或下方有人，造成高空墜落或墜落傷人[4]。

分析航道吊裝作業(yè)的過(guò)程和產(chǎn)生事故的因素[5]，在吊裝過(guò)程中產(chǎn)生安全事故的主要因素可以歸納為起吊方案、起吊前設(shè)備檢查、起吊人員認(rèn)證、起吊過(guò)程監(jiān)控等方向，其中起吊過(guò)程監(jiān)控包括起吊環(huán)境監(jiān)測(cè)、安全區(qū)域禁入監(jiān)測(cè)、人員安全裝備檢測(cè)等。根據(jù)吊裝作業(yè)的過(guò)程中安全風(fēng)險(xiǎn)發(fā)生的頻率來(lái)看，安裝過(guò)程中的風(fēng)險(xiǎn)隱患主要可以分為以下幾個(gè)等級(jí)[6]。

(1)吊裝方案問(wèn)題。吊裝方案中直接明確了吊裝的時(shí)間、地點(diǎn)、機(jī)械、對(duì)象和吊裝的方式，直接決定了吊裝過(guò)程中的根本要素。

(2)吊裝過(guò)程管理。過(guò)程管理主要包括吊裝前吊機(jī)設(shè)備的檢查，吊鉤綁扎情況檢查，吊裝過(guò)程中吊物、施工人員、起吊方法的檢查，以及過(guò)程中的監(jiān)控管理，包括人員裝備情況、危險(xiǎn)區(qū)域管理，在安全監(jiān)管過(guò)程中也處于重要地位。

(3)吊裝人員管理。人員管理主要包括人員資質(zhì)和人員穿著裝備，人員必須經(jīng)過(guò)吊裝施工的培訓(xùn)和安全交底，符合施工操作的要求，熟悉施工方案；同時(shí)，其他調(diào)度輔助操作人員應(yīng)在吊裝過(guò)程中處于危險(xiǎn)區(qū)域以外，并正確佩戴安全防護(hù)裝備。

(4)吊裝環(huán)境管理。吊裝環(huán)境管理包括起吊過(guò)程中施工空間范圍內(nèi)的環(huán)境感知、施工過(guò)程中部分關(guān)鍵節(jié)點(diǎn)的感知。

根據(jù)吊裝安全技術(shù)規(guī)程[7]：嚴(yán)禁在風(fēng)力6級(jí)和6級(jí)以上進(jìn)行吊裝作業(yè)；不得在風(fēng)力5級(jí)和5級(jí)以上時(shí)進(jìn)行大型、中型工件吊裝。起重機(jī)吊重物時(shí)，機(jī)身位置要正確、平穩(wěn)，支腿位置要合適、牢固；鋼絲繩應(yīng)垂直起吊，不準(zhǔn)斜吊，也不準(zhǔn)在起吊過(guò)程中扳動(dòng)或調(diào)整支腿；如要找平機(jī)身時(shí)，應(yīng)將重物放下后進(jìn)行處理。

針對(duì)以上因素，本課題開(kāi)展了吊裝作業(yè)安全風(fēng)險(xiǎn)感知系統(tǒng)研究，通過(guò)現(xiàn)在各種信息化手段實(shí)現(xiàn)對(duì)航道工程中起吊安全作業(yè)的安全風(fēng)險(xiǎn)感知，實(shí)現(xiàn)預(yù)警和報(bào)警，提高生產(chǎn)安全監(jiān)管水平。

吊裝作業(yè)安全風(fēng)險(xiǎn)感知系統(tǒng)主要應(yīng)用機(jī)器視覺(jué)(AI識(shí)別)技術(shù)[8]，采用現(xiàn)場(chǎng)邊緣計(jì)算機(jī)對(duì)吊裝作業(yè)現(xiàn)場(chǎng)視頻監(jiān)控、環(huán)境參數(shù)、吊機(jī)姿態(tài)、吊物質(zhì)量等參數(shù)進(jìn)行實(shí)時(shí)采集、分析和預(yù)警，通過(guò)聲光預(yù)警提醒施工作業(yè)人員快速妥善處理潛在風(fēng)險(xiǎn)。采用現(xiàn)場(chǎng)邊緣計(jì)算機(jī)實(shí)時(shí)獲取現(xiàn)場(chǎng)監(jiān)控視頻，對(duì)監(jiān)控視頻進(jìn)行預(yù)處理，追蹤識(shí)別目標(biāo)吊物基本特征，同時(shí)通過(guò)傾角傳感器識(shí)別起重機(jī)械實(shí)時(shí)姿態(tài)，生成吊機(jī)起重三維動(dòng)態(tài)模型。

2 吊裝作業(yè)安全風(fēng)險(xiǎn)感知系統(tǒng)組成

系統(tǒng)組成包括前端視頻監(jiān)控系統(tǒng)、AI識(shí)別系統(tǒng)、邊緣計(jì)算設(shè)備、5G CPE網(wǎng)絡(luò)接入設(shè)備、風(fēng)速風(fēng)向環(huán)境感知設(shè)備、傾角傳感器、載質(zhì)量傳感器、告警語(yǔ)音播放模塊等，系統(tǒng)的具體組成，如圖1所示。系統(tǒng)通過(guò)前端視頻監(jiān)控設(shè)備、環(huán)境感知設(shè)備、姿態(tài)感知設(shè)備和質(zhì)量監(jiān)控設(shè)備，通過(guò)部署在前端的邊緣計(jì)算設(shè)備，實(shí)現(xiàn)對(duì)前端吊物和下方危險(xiǎn)區(qū)域的自動(dòng)跟蹤；通過(guò)風(fēng)險(xiǎn)識(shí)別算法對(duì)視頻中的危險(xiǎn)區(qū)域進(jìn)行識(shí)別。在視頻圖像中自動(dòng)框出危險(xiǎn)區(qū)域，同時(shí)對(duì)區(qū)域內(nèi)闖入的人員物體進(jìn)行判斷，發(fā)送到后端監(jiān)控系統(tǒng)，并通過(guò)前端吊機(jī)旁的聲光報(bào)警系統(tǒng)提醒現(xiàn)場(chǎng)施工人員注意安全施工。

圖1 起吊機(jī)械施工安全感知系統(tǒng)組成

起吊機(jī)械施工安全感知系統(tǒng)的主要運(yùn)行流程，如圖2所示，通過(guò)攝像機(jī)實(shí)時(shí)監(jiān)控前端吊機(jī)施工過(guò)程中的實(shí)時(shí)視頻圖像，通過(guò)視頻監(jiān)測(cè)算法獲取目標(biāo)的特征。在吊機(jī)的吊裝過(guò)程中，攝像機(jī)會(huì)隨著吊鉤和吊臂移動(dòng)，攝像機(jī)的圖像就會(huì)發(fā)生變化，視角和監(jiān)控重點(diǎn)范圍都會(huì)變化。為了保證監(jiān)控的重點(diǎn)能夠始終聚焦在吊物下方，因而通過(guò)算法對(duì)特征進(jìn)行捕捉，通過(guò)對(duì)結(jié)果的比對(duì)控制攝像機(jī)進(jìn)行同步移動(dòng)和縮放，實(shí)現(xiàn)在吊裝過(guò)程中對(duì)攝像機(jī)云臺(tái)的自動(dòng)控制，保證攝像機(jī)獲取的實(shí)時(shí)視頻能夠監(jiān)控起吊施工過(guò)程中吊物下方的危險(xiǎn)區(qū)域。同時(shí)結(jié)合吊機(jī)上的安全感知設(shè)備，獲取吊裝作業(yè)的環(huán)境因素，包括高度、旋轉(zhuǎn)角度、速度、吊物質(zhì)量和吊物尺寸等參數(shù)，建立風(fēng)險(xiǎn)預(yù)警模型和算法，計(jì)算出吊物下方的危險(xiǎn)區(qū)域。在視頻圖像上劃出風(fēng)險(xiǎn)區(qū)域電子圍欄，通過(guò)視頻感知技術(shù)對(duì)進(jìn)入?yún)^(qū)域的人員和其他移動(dòng)物體進(jìn)行檢測(cè)，如果區(qū)域內(nèi)有人員和其他物體闖入，進(jìn)行實(shí)時(shí)報(bào)警，并通過(guò)聲光報(bào)警提示現(xiàn)場(chǎng)施工和起吊人員警惕，同時(shí)發(fā)送報(bào)警信息給后臺(tái)工地監(jiān)控人員，上傳實(shí)時(shí)視頻資源。

圖2 起吊機(jī)械施工安全感知系統(tǒng)流程

3 功能算法實(shí)現(xiàn)

具體算法流程，如圖3所示，在吊裝設(shè)備上安裝高清網(wǎng)絡(luò)攝像機(jī)采集吊裝作業(yè)現(xiàn)場(chǎng)影像，現(xiàn)場(chǎng)部署NVR設(shè)備實(shí)現(xiàn)對(duì)視頻監(jiān)控錄像的存儲(chǔ)，通過(guò)5G網(wǎng)絡(luò)視頻實(shí)現(xiàn)視頻遠(yuǎn)程預(yù)覽、云臺(tái)控制和歷史的回放，通過(guò)機(jī)器學(xué)習(xí)算法識(shí)別物體，控制攝像機(jī)跟蹤捕捉。同時(shí)通過(guò)前端質(zhì)量感知和環(huán)境感知設(shè)備獲取的參數(shù)，判別吊重機(jī)械是否超載荷，吊臂、傾角、姿態(tài)是否存在風(fēng)險(xiǎn)。通過(guò)深度學(xué)習(xí)的算法計(jì)算風(fēng)險(xiǎn)區(qū)域，并在視頻中劃定風(fēng)險(xiǎn)區(qū)域。通過(guò)視頻入侵檢測(cè)算法對(duì)入侵人員和物體進(jìn)行判別，生成警報(bào)信息并通過(guò)5G網(wǎng)絡(luò)上傳至綜合管理平臺(tái)，現(xiàn)場(chǎng)聲光報(bào)警實(shí)現(xiàn)預(yù)警，提醒作業(yè)人員安全施工。

傳統(tǒng)監(jiān)控視頻中人、車(chē)、物檢測(cè)大多數(shù)依賴于運(yùn)動(dòng)信息，基于一種背景差分或幀間差分的模式進(jìn)行檢測(cè)，這種檢測(cè)方式計(jì)算復(fù)雜度比較低，極易受光線和成像的影響，當(dāng)視頻中有較為劇烈的光影變化，如云強(qiáng)光干擾、陰雨天氣等情況時(shí)，往往會(huì)檢測(cè)出大量虛假目標(biāo)，從而導(dǎo)致誤報(bào)或漏報(bào)。對(duì)于戶外場(chǎng)景中光影、遮擋等情況會(huì)導(dǎo)致大量的誤報(bào)或漏報(bào)，為了解決這些問(wèn)題，實(shí)現(xiàn)目標(biāo)物體的精準(zhǔn)監(jiān)測(cè)，采用一種基于模式的識(shí)別方法，通過(guò)人為構(gòu)造圖像特征，然后通過(guò)全局目標(biāo)檢測(cè)方式進(jìn)行人、車(chē)、物等目標(biāo)物體的檢測(cè)，基于HOG圖像特征算子和 Adaboost瀑布流檢測(cè)的模式，考慮目標(biāo)物體的通用特征，例如人體的形狀、車(chē)輛的形狀和物體紋理特征等，比單純基于動(dòng)態(tài)目標(biāo)檢測(cè)方法更準(zhǔn)確。但是，該方法對(duì)場(chǎng)景具有較高的依賴性，依然存在一定程度的誤報(bào)或漏報(bào)。正是由于這些原因，許多基于視頻識(shí)別的預(yù)警應(yīng)用效果一般，演示效果很好，但在實(shí)際中環(huán)境變幻多端，導(dǎo)致誤報(bào)率和漏報(bào)率遠(yuǎn)遠(yuǎn)超出預(yù)期和設(shè)計(jì)指標(biāo)，因而一直沒(méi)能廣泛普及。

圖3 算法流程

基于5G邊緣計(jì)算的航道工程吊裝作業(yè)安全風(fēng)險(xiǎn)感知系統(tǒng)，采用深度學(xué)習(xí)和人工智能技術(shù)對(duì)視頻中的人、車(chē)、物等動(dòng)態(tài)目標(biāo)檢測(cè)和識(shí)別。深度學(xué)習(xí)[9]是人工神經(jīng)網(wǎng)絡(luò)研究的一個(gè)重要突破，由于其卓越的表現(xiàn)性能與良好的識(shí)別效果，目前廣泛用于人工智能領(lǐng)域?；谏疃茸詫W(xué)習(xí)的一種結(jié)構(gòu)框架，通過(guò)組合底層特征[10]形成更加抽象的高層表示，以此進(jìn)行分析與類(lèi)比，它能更好地發(fā)現(xiàn)數(shù)據(jù)特性與內(nèi)在關(guān)聯(lián)。本質(zhì)上深度學(xué)習(xí)模擬了人腦神經(jīng)元在識(shí)別物體時(shí)從抽象到具體的一系列過(guò)程。正是由于此過(guò)程的完美模擬使得深度學(xué)習(xí)能夠表現(xiàn)出驚人的性能與分析能力。圖4展現(xiàn)了具體識(shí)別時(shí)深度學(xué)習(xí)從抽象到具體的流程圖，它是從圖像的像素開(kāi)始，經(jīng)過(guò)抽象學(xué)習(xí)得到邊緣與紋理信息，再得到局部區(qū)域統(tǒng)計(jì)信息，最后得出每種圖像的具體區(qū)別信息，這與人腦描述事物的構(gòu)建步驟是一致的。

圖4 具體識(shí)別時(shí)深度學(xué)習(xí)從抽象到具體的流程

基于深度學(xué)習(xí)的機(jī)器視覺(jué)識(shí)別算法可以直接進(jìn)行端到端的檢測(cè)[11]，能夠充分地學(xué)習(xí)目標(biāo)物體特性。算法框架可以分為3步：第1步是構(gòu)建圖像的深度神經(jīng)網(wǎng)絡(luò)(Image Deep Network)，并構(gòu)建區(qū)域建議網(wǎng)絡(luò)(Regional Proposal Network)；第2步是以此為基礎(chǔ)結(jié)合訓(xùn)練樣本進(jìn)行深度檢測(cè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；第3步是進(jìn)行目標(biāo)檢測(cè)。與傳統(tǒng)的目標(biāo)檢測(cè)算法不同，基于深度學(xué)習(xí)的目標(biāo)檢測(cè)能夠同時(shí)輸出目標(biāo)的位置與目標(biāo)的名稱。這也是一種端到端的識(shí)別方式，大大省去了人工交互的步驟，同時(shí)減少了人工干預(yù)帶來(lái)的誤差。

伴隨著物聯(lián)網(wǎng)的蓬勃發(fā)展，越來(lái)越多的設(shè)備成為物聯(lián)網(wǎng)的一部分，產(chǎn)生的數(shù)據(jù)也越來(lái)越多。這些設(shè)備產(chǎn)生的海量數(shù)據(jù)，對(duì)傳統(tǒng)云計(jì)算模型中的數(shù)據(jù)傳輸帶寬和數(shù)據(jù)處理能力提出了更高的要求。雖然將所有的數(shù)據(jù)傳輸?shù)皆贫诉M(jìn)行處理是一種高效的數(shù)據(jù)處理方式，但是越來(lái)越多的邊緣端設(shè)備產(chǎn)生的實(shí)時(shí)數(shù)據(jù)需要被及時(shí)處理，基于云計(jì)算模式的數(shù)據(jù)處理性能正逐漸到達(dá)瓶頸，更多要求實(shí)時(shí)處理的數(shù)據(jù)無(wú)法被及時(shí)處理。另一方面，云計(jì)算存在數(shù)據(jù)隱私泄露的問(wèn)題，數(shù)據(jù)傳輸?shù)皆贫诉^(guò)程中容易被黑客截取。最后一方面是云端數(shù)據(jù)中心的能耗問(wèn)題。隨著使用云計(jì)算服務(wù)用戶的增加，相關(guān)應(yīng)用程序也越來(lái)越多，數(shù)據(jù)中心需要更高的能耗，然而一些大規(guī)模的數(shù)據(jù)中心能耗無(wú)法滿足需求。綜上所述，云計(jì)算服務(wù)隨著大數(shù)據(jù)的增多，劣勢(shì)逐漸顯露，應(yīng)運(yùn)而生的則是邊緣計(jì)算技術(shù)。

邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的一側(cè)，采用網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力為一體的開(kāi)放平臺(tái)，就近提供最近端服務(wù)。其應(yīng)用程序在邊緣側(cè)發(fā)起，產(chǎn)生更快的網(wǎng)絡(luò)服務(wù)響應(yīng)，滿足行業(yè)在實(shí)時(shí)業(yè)務(wù)、應(yīng)用智能、安全與隱私保護(hù)等方面的基本需求。邊緣計(jì)算處于物理實(shí)體和工業(yè)連接之間，或處于物理實(shí)體的頂端，而云端計(jì)算仍然可以訪問(wèn)邊緣計(jì)算的歷史數(shù)據(jù)。

本文采用邊緣計(jì)算技術(shù)，在前端完成算法的匹配和監(jiān)測(cè)，通過(guò)5G網(wǎng)絡(luò)將結(jié)果發(fā)送到后端接收。本系統(tǒng)在實(shí)際的部署過(guò)程中，采用5GCPE設(shè)備實(shí)現(xiàn)前端設(shè)備與后臺(tái)的對(duì)接，通過(guò)阿里云構(gòu)建后臺(tái)服務(wù)和平臺(tái)的WEB服務(wù)，具體算法實(shí)現(xiàn)，如圖5所示。

圖5 算法實(shí)現(xiàn)

4 邊緣計(jì)算機(jī)選型

邊緣計(jì)算機(jī)采用DJTXF08處理，DJTXF08采用英偉達(dá)NVIDIA? Jetson TX2工業(yè)級(jí)處理器，擁有深度學(xué)習(xí)性能，可加速高達(dá)1.3TFLOPS 算力，滿足復(fù)雜環(huán)境下深度學(xué)習(xí)模型訓(xùn)練，性能穩(wěn)定且功耗低，適合車(chē)載應(yīng)用。DJTXF08設(shè)計(jì)有 9～36 V 寬范圍DC-in和IGN控制，多種I/O功能如GbE/PoE、USB3.0、隔離CAN、串行COM、DI/DO、12V/5V DC-out，專(zhuān)用于人工智能物聯(lián)網(wǎng)邊緣網(wǎng)關(guān)，與雷達(dá)、超聲波、LiDAR、MIPI攝像頭等外圍傳感器接口來(lái)完成ADAS/ADS系統(tǒng)，具體性能參數(shù)要求，如表1所示。

表1 邊緣計(jì)算機(jī)性能參數(shù)

5 智能感知傳感器

環(huán)境感知包括風(fēng)速風(fēng)向傳感器、角度傳感器、質(zhì)量傳感器，具體性能參數(shù)，如表2所示。實(shí)現(xiàn)吊裝作業(yè)現(xiàn)場(chǎng)環(huán)境數(shù)據(jù)采集、吊車(chē)姿態(tài)采集和吊物質(zhì)量采集；風(fēng)速風(fēng)向數(shù)據(jù)采集基于機(jī)械式風(fēng)速風(fēng)向傳感器，當(dāng)?shù)跹b作業(yè)環(huán)境風(fēng)速超過(guò)安全預(yù)警門(mén)限時(shí)提醒現(xiàn)場(chǎng)作業(yè)人員盡快停止作業(yè)，同時(shí)根據(jù)風(fēng)速、風(fēng)向?qū)Φ跹b作業(yè)潛在危險(xiǎn)區(qū)域進(jìn)行劃分和調(diào)整；傾角傳感器對(duì)吊裝作業(yè)時(shí)吊車(chē)的姿態(tài)進(jìn)行采集，根據(jù)吊車(chē)姿態(tài)動(dòng)態(tài)調(diào)整視頻監(jiān)控畫(huà)面抓拍區(qū)域。

表2 風(fēng)速風(fēng)向、角度、質(zhì)量傳感器性能參數(shù)

6 實(shí)驗(yàn)結(jié)果

依托京杭運(yùn)河施橋船閘至長(zhǎng)江口門(mén)段航道整治工程航道施工項(xiàng)目(JHYH-SG-HD1標(biāo)段)開(kāi)展試點(diǎn)應(yīng)用，搭建了系統(tǒng)運(yùn)行環(huán)境，部署了邊緣計(jì)算設(shè)備，并對(duì)算法進(jìn)行了現(xiàn)場(chǎng)測(cè)試驗(yàn)證。經(jīng)過(guò)驗(yàn)證和實(shí)地應(yīng)用，證明方案設(shè)計(jì)合理，研發(fā)算法能夠達(dá)到預(yù)期的效果，為航道吊裝工程施工提供了有效的監(jiān)管和智能化預(yù)警手段，降低了航道吊裝施工的風(fēng)險(xiǎn)，具體實(shí)驗(yàn)結(jié)果，如圖6、7、8所示。

圖6 實(shí)施效果1

圖7 實(shí)施效果2

圖8 實(shí)施效果3