(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210849547.3 (22)申请日 2022.07.19 (71)申请人 重庆交通大 学 地址 400000 重庆市南岸区学府大道6 6号 (72)发明人 汪承志　李鹏飞　李志明　王逸飞　 陈东红　 (74)专利代理 机构 重庆志一加诚专利代理事务 所(普通合伙) 50278 专利代理师 邓波 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 16/2455(2019.01) (54)发明名称 一种装卸机械工作情况分析方法、 装置、 设 备及介质 (57)摘要 本申请实施例提供的一种装卸机械工作情 况分析方法、 装置、 设备及介质， 属于计算机技术 领域。 该方法包括采集装卸机械工作时的工作图 像； 将所述工作图像输入预训练的深度神经网络 模型， 输出所述工作图像的质量标识值； 根据所 述质量标识值确定所述装卸机械的工作情况。 本 申请仅通过采集装卸机械的工作图像的方式来 判断该装卸机械的工作 情况， 能够更好的分析工 作的进程， 能够使生产力得到进一步提高， 且无 需控制装卸机械停下来进行评估， 提高装卸机械 的使用率。 权利要求书1页 说明书6页 附图2页 CN 115146989 A 2022.10.04 CN 115146989 A 1.一种装卸机 械工作情况分析 方法， 其特 征在于， 所述方法包括： 采集装卸机 械工作时的工作图像； 将所述工作图像输入预训练的深度神经网络模型， 输出 所述工作图像的质量标识值； 根据所述质量标识值确定所述装卸机 械的工作情况。 2.根据权利要求1所述的方法， 其特征在于， 所述预训练 的深度神经网络模型的训练过 程包括： 获取多个不同装卸机 械工作时的历史工作图像； 将所述历史工作图像作为训练图像对初始模型进行训练， 直至训练至损失函数值收 敛， 得到所述预训练的深度神经网络模型。 3.根据权利要求1所述的方法， 其特征在于， 所述预训练 的深度神经网络模型由卷积神 经网络和循环神经网络构成。 4.根据权利要求1所述的方法， 其特征在于， 所述根据所述质量标识值确定所述装卸机 械的工作情况， 包括： 查找预设质量库中所述质量标识值所对应的质量值， 所述预设质量库中存储有多个质 量标识值， 以及每一所述质量标识值所对应的质量 值； 根据所述质量 值的范围确定所述装卸机 械的工作情况。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 根据所述工作情况 预测所述装卸机 械的作业效率。 6.一种装卸机 械工作情况分析装置， 其特 征在于， 所述装置包括： 采集单元， 用于采集装卸机 械工作时的工作图像； 处理单元， 用于将所述工作图像输入预训练的深度神经网络模型， 输出所述工作图像 的质量标识值； 识别单元， 用于根据所述质量标识值确定所述装卸机 械的工作情况。 7.根据权利要求6所述的装置， 其特 征在于， 还 包括： 预测单元， 用于根据所述工作情况 预测所述装卸机 械的作业效率。 8.根据权利要求6所述的装置， 其特 征在于， 所述识别单 元， 还用于： 查找预设质量库中所述质量标识值所对应的质量值， 所述预设质量库中存储有多个质 量标识值， 以及每一所述质量标识值所对应的质量 值； 根据所述质量 值的范围确定所述装卸机 械的工作情况。 9.一种电子设备， 其特 征在于， 包括： 存储器， 用于存 储可执行指令； 处理器， 用于执行所述存储器中存储的可执行指令时， 实现如权利要求1至5任一项所 述的装卸机 械工作情况分析 方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理设备运行时执行如权利要求1 ‑5的任一项所述的装卸机械工 作情况分析 方法的步骤。权　利　要　求　书 1/1 页 2 CN 115146989 A 2一种装卸机械工作情况分析方 法、 装置、 设备及介质 技术领域 [0001]本申请涉及计算机技术领域， 具体而 言， 涉及一种装卸机械工作情况分析方法、 装 置、 设备及 介质。 背景技术 [0002]装卸机械 的发展趋势越来越趋向自动化、 智能化、 大型化、 高效化、 专业化和多元 化。 机械设备中各主要部件的工作状态直接关系到整机的工作性能和安全可靠性， 为避免 发生故障导致巨大 的损失， 对机械设备 的工作进行有效监测已经逐渐引起业界的重视， 装 卸机械应用状态监测 技术可以有效掌握设备 的运行状态， 及时发现异常情况， 减少或避免 突发性故障， 提高机 械安全运 转率。 [0003]然而， 常规的设备状态监测过程如图1所示， 尽管不同装卸机械在功能和结构上有 差别， 但它们的机构和子系统组成却比较相近， 都主要由走行机构、 回转机构、 俯仰(变幅) 机构、 带式输送机、 液压系统、 电气系统等构成， 所以它们的状态监测过程和方法也具有通 用性， 应用的主要监测技术有振动监测、 温度监测、 速度监测等， 状态特征参数有振动、 温 度、 速度等。 [0004]但是， 在监测评估中机 械是不运营的， 因此会降低机 械的利用率。 [0005]因此， 如何解决上述问题是目前亟需解决的问题。 发明内容 [0006]本申请提供一种装卸机械工作情况分析方法、 装置、 设备及介质， 旨在改善上述问 题。 [0007]第一方面， 本申请提供的一种装卸机 械工作情况分析 方法， 所述方法包括： [0008]采集装卸机 械工作时的工作图像； [0009]将所述工作图像输入预训练的深度神经网络模型， 输出所述工作图像的质量标识 值； [0010]根据所述质量标识值确定所述装卸机 械的工作情况。 [0011]在一可能的实施例中， 所述预训练的深度神经网络模型的训练过程包括： [0012]采集浇筑视频， 所述浇筑视频包含多个浇筑循环； 每一所述浇筑循环的循环周期 固定； [0013]将每一所述浇筑循环中的图像作为训练图像对初始模型进行训练， 直至训练至损 失函数值收敛， 得到所述预训练的深度神经网络模型。 [0014]在一可能的实施例中， 所述预训练的深度神经网络模型由卷积神经网络和循环神 经网络构成。 [0015]在一可能的实施例中， 所述根据所述质量标识值确定所述装卸机械 的工作情况， 包括： [0016]查找预设质量库中所述质量标识值所对应的质量值， 所述预设质量库中存储有多说　明　书 1/6 页 3 CN 115146989 A 3