(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 202210612364.X (22)申请日 2022.05.31 (71)申请人 南京理工大 学 地址 210094 江苏省南京市孝陵卫20 0号 (72)发明人 韩冰　樊卫华　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 陈鹏 (51)Int.Cl. G01N 21/89(2006.01) G01N 21/01(2006.01) G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种客运索道钢丝绳检测装置及方法 (57)摘要 本发明公开了一种客运索道钢丝绳检测装 置及方法， 所述装置包括机器人本体和地面控制 端； 机器人本体包括挂线运行模块、 传感器模块、 主控制器模块、 电源管理模块和无线通信模块， 挂线运行模块用于沿客运索 道钢丝绳行进， 传感 器模块用于采集机器人自身的运行状态信息和 钢丝绳的图像， 主控制器模块用于控制挂线运行 模块的行进、 处理采集到的数据等； 所述地面控 制端通过所述的无线通信模块获取机器人的状 态信息和钢丝绳的图像， 并通过改进的Faster   R‑CNN目标检测模型对钢丝绳图像上的损伤进行 检测。 相比于传统检测装置， 本发明的检测精度 和效率更高， 使用更为便捷， 有效的保障了客运 索道的安全性和可靠性。 权利要求书2页 说明书8页 附图3页 CN 115201213 A 2022.10.18 CN 115201213 A 1.一种客运索道钢丝绳检测装置， 其特征在于， 包括机器人本体和地面控制端， 所述的 机器人本体包括： 主控制器模块， 作为机器人本体的决策机构， 控制机器人的行进、 处理采集到的数据、 协调各模块之间的工作； 挂线运行模块， 用于沿客 运索道钢丝绳行进； 传感器模块， 用于采集机器人本体的运行状态信息和钢丝绳图像， 采集到的信息传送 给主控制器模块； 电源管理模块， 用于提供机器人本体各用电器件所需的 电源， 并将电源的供应情况和 储备情况传送给主控制器模块； 无线通信模块， 负责机器人本体与地 面控制端的信息交 互和数据传输； 所述地面控制端通过所述的无线通信模块获取机器人本体的运行状态信息和钢丝绳 表面的图像， 进行实时监测， 并向机器人本体发送远程控制指 令， 以及利用深度学习方法完 成对钢丝绳损伤的检测。 2.根据权利要求1所述的客运索道钢丝绳检测装置， 其特征在于， 所述传感器模块包括 用于采集钢丝绳表面图像的视觉传感器、 和用于采集机器人本体运行状态信息的IMU， 所述 的运行状态信息包括机器人本体的行进速度、 行进位移、 以及行进方向与水平面的夹角。 3.根据权利要求1所述的客运索道钢丝绳检测装置， 其特征在于， 所述挂线运行模块包 括底座、 设置于钢丝绳之上 的主动轮组、 用于带动主动轮组的驱动电机、 设置于主动轮组、 驱动电机和底座之间的主动轮架、 设置于钢丝绳之下 的从动轮组、 用于改变从动轮组高度 的顶升装置、 设置于从动轮组、 顶升装置和底座之 间的从动轮架； 所述的挂线运行模块作为 机器人本体的行 走机构， 挂载到索道上。 4.根据权利要求3所述的客运索道钢丝绳检测装置， 其特征在于， 所述主动轮组和从动 轮组的轮面均为凹槽状。 5.根据权利要求3所述的客运索道钢丝绳检测装置， 其特征在于， 所述顶升装置包括固 定端和可调节端， 固定端与 底座相连， 可调节端采用伺服电动缸结构， 用于改变从动轮组高 度， 同时提供一定的推力。 6.根据权利要求1所述的客运索道钢丝绳检测装置， 其特征在于， 所述的地面控制端通 过深度学习方法对钢丝绳表 面的损伤进行检测， 即通过改进的Faster  R‑CNN目标检测模 型 对钢丝绳图像进行检测； 所述改进的Faster  R‑CNN目标检测模型将初始Faster  R‑CNN目标检测模型的特征提 取网络VG G16替换为ResNet5 0， 并在ResNet5 0的残差模块中并联一个5 ×5大小的卷积核； 在Faster R‑CNN模型中引入特 征图金字塔网络， 生成多尺度的特 征图。 7.一种客运索道钢丝绳检测方法， 其特征在于， 该方法基于权利要求1 ‑6任一项所述客 运索道钢丝绳检测装置， 检测方法包括： 机器人本体通过挂线运行模块在客 运索道钢丝绳上 行进； 在挂线运行模块的行进过程中实时采集钢丝绳的图像； 机器人本体通过远程 通信模块将钢丝绳的图像传送到地 面控制端； 地面控制端通过改进的Faster  R‑CNN目标检测模型对钢丝绳的损伤进行检测。 8.根据权利 要求7所述的客运索道钢丝绳检测方法， 其特征在于， 改进的Faster  R‑CNN权　利　要　求　书 1/2 页 2 CN 115201213 A 2模型的检测步骤为： 通过ResNet5 0对输入的钢丝绳图像进行提取， 输出钢丝绳图像的特 征图； 将特征提取网络 输出的特 征图送入到FPN中， 生成不同尺寸的特 征图； 将多尺度的特征图输入至区域建议网络中， 生成预测框， 通过softmax函数判断预测框 属于前景还是后景， 利用边界框回归修 正预测框， 获得精确的建议框； 将特征图和建议框同时输入感兴趣区域池化层， 得到固定尺寸的特 征图； 将感兴趣区域池化层得到的区域建议特征送入全连接层， 输出最后的检测结果， 即目 标的类别和检测框的位置 。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特 征在于， 所述处 理器执行所述程序时实现权利要求8所述的方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现权利要求8所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 115201213 A 3