[发明专利]一种基于视觉深度学习的螺栓轴力监测系统及监测方法

说明书

本发明属于螺栓轴力信息监测技术领域，公开了一种基于视觉深度学习的螺栓轴力监测系统及监测方法，摄像头对螺栓进行拍照或者录像，并可将视频分解为以帧格式的图像；螺栓标记装置安装在螺栓连接附近的可视范围内，标记装置可以唯一确定一个或多个螺栓连接，用于在不同角度拍摄多个螺栓中，识别、测量不同螺栓个体；螺栓轴力监测模块通过深度学习算法自动辨识、提取图像中的螺栓连接，测量螺母反旋的角度，计算螺栓的伸长量变化，获得螺栓轴力衰减值；其中，螺栓伸长量和螺栓轴力的对应关系由超声螺栓轴力测量技术标定、获取。本发明利用视觉非接触的方式和深度学习算法检测或者监测螺栓或螺栓组轴力或其衰减情况。

技术领域

本发明属于螺栓轴力信息监测技术领域，尤其涉及一种基于视觉深度学习的螺栓轴力监测系统及监测方法。

背景技术

目前，螺栓连接受到外界因素的影响，如：振动、热冲击，会发生轴力松弛，提前发生失效、断裂。结构往往具有较多甚至是海量的螺栓连接，对于接触式的螺栓轴力监测手段，如：超声、力环、应变片、光栅等方式，在经济性、工程性的限制下，均无法对数量众多的螺栓进行轴力监测，导致监测的应用意义大打折扣。

综上所述，现有技术存在的问题是：

(1)监测成本高：使用如超声、力环、应变片、光栅等接触式的螺栓轴力监测技术，需要对所监测的螺栓增加传感器部分，对数量众多螺栓的监测会导致成本大幅增加；

(2)工程实施复杂：对于每一根使用接触式的螺栓轴力监测技术的螺栓，都需要使用导线或者无线的方式，导致现场施工复杂、工程成本大幅增加；

(3)改变螺栓连接结构：某些接触式的螺栓监测技术，如：应变片、光栅、力环的方式，会改变或损坏螺栓连接结构，使得螺栓监测的必要性大幅降低；

(4)监测螺栓的数量：由于监测成本的限制，接触式螺栓监测技术只能对螺栓进行抽样监测，无法做到对螺栓群中大部分螺栓进行监测，导致监测的意义大幅降低。

解决上述技术问题的难度：

螺栓连接是一种工业中使用最为广泛的组装、装配方式，其轴力是结构健康的重要指标，但是由于螺栓连接的设计、螺栓质量、紧固工艺等方面的原因，螺栓连接的质量往往难以受控，大量结构失效情况都是由螺栓连接失效导致的；由于螺栓连接数量巨大，其轴力衰减又难以进行快速、有效、低成本地测量，使之成为工业界的一个棘手难题。由于接触式螺栓轴力监测技术的内在性限制，所有接触式的螺栓监测技术都无法解决以上1-4的问题，导致接触式螺栓轴力测量技术只能使用在产品结构的设计验证、样机阶段，而很难在工程实际中大规模地使用。能够满足准确测量、快速方便且能够低成本大规模使用的需求，是螺栓轴力检测、监测的真正难度所在。

解决上述技术问题的意义：

螺栓被成为“工业之米”，是工业领域使用最广泛、数量最大的结构连接形式。螺栓轴力是螺栓连接设计和使用的唯一指标。一种准确、高效、低成本的螺栓轴力检测、监测技术可以代替目前工业领域中定期检修、复拧、更换，大幅提高结构健康水平和产品可靠性、降低结构失效损失、削减产品的维护成本。

发明内容

针对现有技术存在的问题，本发明提供了一种基于视觉深度学习的螺栓轴力监测系统及监测方法。本发明具有优良的技术性、经济性和工程性，可以有效解决现有技术上的螺栓监测需求中的问题。

本发明是这样实现的，一种基于视觉深度学习的螺栓轴力监测系统，包括：摄像头，用于对螺栓进行拍照或者录像，并将视频分解为以帧格式的图像；

螺栓标记装置，安装在螺栓连接附近的可视范围内，用于在不同角度拍摄多个螺栓中，识别、测量不同螺栓个体；

螺栓轴力监测模块，通过深度学习算法自动辨识、提取图像中的螺栓连接，测量螺母反旋的角度，计算螺栓的伸长量变化，获得螺栓轴力衰减值；螺栓伸长量和螺栓轴力的对应关系由超声螺栓轴力测量技术标定、获取。