CC BY
16
ТЕХНИЧЕСКИЕ НАУКИ
Вестник Череповецкого государственного университета. 2022. № 6 (111). С. 9-22. Cherepovets State University Bulletin, 2022, no. 6 (111), pp. 9-22.
Научная статья УДК 004.932.2
https://doi.org/10.23859/1994-0637-2022-6-111-1
Контроль перемещения сталь-ковшей мостовыми кранами на основе методов машинного зрения
Даниил Сергеевич Адамов1131, Евгений Николаевич Веснин2, Леонид Леонидович Малыгин3
'Череповецкий государственный университет, Череповец, Россия,
13dsadamov@chsu.ru, https://orcid.org/0000-0002-6832-4859
2,3ООО «Малленом Системс», Череповец, Россия, 2vesnin@mallenom. ru 3malygin@mallenom
Аннотация. В статье рассмотрен принцип позиционирования мостового крана на основе методов машинного зрения и предложен способ улучшения его надежности в ситуациях недостаточной информации для определения местоположения. Рассмотрено применение методов машинного зрения для определения наличия и степени наполненности сталь-ковша в захвате мостового крана. Предложен алгоритм контроля перемещения сталь-ковшей мостовыми кранами, учитывающий местоположение крана и состояние сталь-ковша. Определена точность позиционирования и детекции сталь-ковша, предложена классификация его состояния.
Ключевые слова: машинное зрение, позиционирование, сталь-ковш, мостовой кран, YOLOv3, EfficientNet, детекция, классификация
Благодарность. Статья выполнена за счет средств субсидии федерального бюджета на разработку программ бакалавриата и программ магистратуры по профилю «искусственный интеллект», а также на повышение квалификации педагогических работников образовательных организаций высшего образования в сфере искусственного интеллекта (соглашение №075-15-2021-1039 от 28.09.2021).
Для цитирования: Адамов Д. С., Веснин Е. Н., Малыгин Л. Л. Контроль перемещения сталь-ковшей мостовыми кранами на основе методов машинного зрения // Вестник Череповецкого государственного университета. 2022. № 6 (111). С. 9-22. https://doi.org/10.23859/1994-0637-2022-6-111-1.
® Адамов Д. С., Веснин Е. Н., Малыгин Л. Л., 2022
Control of steel ladle movement by overhead cranes based on machine vision methods
Daniil S. Adamov113, Evgeny N. Vesnin2, Leonid L. Malygin3
'Cherepovets State University, Cherepovets, Russia, 1Hdsadamov@chsu.ru, https://orcid.org/0000-0002-6832-4859 2,3OOO Mallenom Sistems (Mallenom Systems), Cherepovets, Russia, 2vesnin@mallenom. ru, 3mallenom.ru
Abstract. The article considers the principle of overhead crane positioning based on machine vision methods and suggests a way to improve its reliability in situations of insufficient information to determine the location. The authors consider the application of machine vision methods to determine the presence and degree of steel ladle filling in the grip of an overhead crane; propose an algorithm for controlling the movement of ladles by overhead cranes, taking into account both the location of the crane and the state of the ladle.
Keywords: machine vision, positioning, ladle, overhead crane, YOLOv3, EfficientNet, detection, classification
Acknowledgments. The article was funded by the federal budget subsidy for the development of bachelor's and master's programs of "Artificial intelligence"; for the advanced training of lecturers of higher education organizations in the field of artificial intelligence (agreement no. 075-15-2021-1039 dated 28.09.2021)
Для цитирования: Adamov D. S., Vesnin E. N., Malygin L. L. Control of steel ladle movement by overhead cranes based on machine vision methods. Cherepovets State University Bulletin, 2022, no. 6 (111), pp. 9-22 (In Russ.). https://doi.org/10.23859/1994-0637-2022-6-111-1.
Введение
Сталеплавильное производство является важным звеном в производственном цикле черной металлургии. Сталь - это важнейший конструкционный материал для машиностроения, транспорта, авиационно-космической промышленности и т. д., материальная основа практически всех областей техники.
Для повышения эффективности производства стали применяются системы планирования1. Эти системы могут работать эффективно при условии наличия объективной информации. Для ряда агрегатов часто невозможно традиционными методами получить срез текущего состояния (например, местоположение сталь-ковша, находящегося в захвате мостового крана, для дальнейшего расчета его оптимального перемещения2).
1 Официальный сайт группы НЛМК. НЛМК повысит точность выполнения заказов за счет внедрения цифровой платформы планирования производства. URL: https://nlmk.com/ru/media-center/press-releases/nlmk-to-boost-order-accuracy-using-digital-production-planning (дата обращения: 18.09.2022).
2 ДАТА-ЦЕНТР Автоматика. Уникальный проект на НЛМК. URL:
https://dc.ru/news/2021/02/12/77/?p=4 (дата обращения: 18.09.2022)._
С одной стороны, существуют различные подходы для определения местоположения переносимого мостовым краном груза (например, с помощью радиометок1). С другой стороны, в сталеплавильном производстве размещение радиометок на сталь-ковшах невозможно по причине высоких температур.
Другой способ отслеживания перемещения сталь-ковшей - позиционирование мостового крана и определение наличия сталь-ковша в его захвате. Определение по-
2 3
зиции можно осуществлять с помощью: радара , дальномера , энкодера электродвигателя4, кодового рельса и фотоэлектрических датчиков5. Среди перечисленных методов последние два требуют внесения значительных изменений в конструкцию или систему управления мостовым краном. Это, в конечном итоге, приводит к внесению и утверждению поправок в паспорт грузоподъемного оборудования6 и его простою на время модернизации.
Получение информации о наличии сталь-ковша в захвате можно осуществить с помощью крановых весов7. Информация о весе объекта в захвате позволяет определить наличие сталь-ковша, а также степень его наполненности. Однако не каждый мостовой кран обладает требуемым функционалом, поэтому необходимо внесение изменений в его конструкцию.
Существует еще один метод реализации контроля перемещения сталь-ковша -применение машинного зрения. Предполагается, что это самый точный и современный метод определения места и состояния сталь-ковша в захвате мостового крана.
Основная часть
Применение технического зрения с целью определения и обнаружения наличия сталь-ковша в захвате подразумевает установку как минимум одного устройства за-
1 Орлов А. А., Титов Д. В., Астафьев А. В. Система автоматического контроля движения промышленных изделий с использованием радиочастотных идентификационных меток // Известия высших учебных заведений. Приборостроение. 2021. Т. 64. № 3. С. 176-182.
2 Symeo GmbH - Absolute Positioning. Precise 2D Indoor and Outdoor Positioning. URL: https://www.symeo.com/en/products/position-detection/lpr-2d/index.html (дата обращения: 18.09.2022).
3 Google patents. Sensor system for positioning a travelling trolley or a rail-guided crane. URL: https://patents.google.com/patent/DE3623423A1/en (дата обращения: 18.09.2022).
4 Google patents. Control system and method for an overhead bridge crane. URL: https://patents.google.com/patent/US7190146 (дата обращения: 18.09.2022).
5 Датчики для автоматизации, комплексное оснащение. Система позиционирования WCS. URL: https://compeq-pf.ru/promyshlennye-datchiki/sistema-kodirovaniya-polozheniya-WCS (дата обращения: 18.09.2022).
6 Федеральная служба по экологическому, технологическому и атомному надзору. Постановка на учет подъемных сооружений. URL: http://svost.gosnadzor.ru/activity/control/ gos_kontrol_i_nadzor_v_sfere_prombezopasnosti/postanovka-na-uchyet-podyemnykh-sooruzheniy-.php (дата обращения: 18.09.2022).
7 Авторское свидетельство № 838391 A1 СССР, МПК G01G 19/14. Крановые весы: № 2821083: заявл. 28.09.1979: опубл. 15.06.1981 / А. С. Кукуй, Б. В. Верницкий; заявитель ЗАПОРОЖСКИЙ ФИЛИАЛ ВСЕСОЮЗНОГО НАУЧНО-ИССЛЕДОВАТЕЛЬСКОГО И КОНСТРУКТОРСКОГО ИНСТИТУТА "ЦВЕТМЕТАВТОМАТИКА".
хвата изображения на мостовом кране. Эта модернизация по временным характеристикам непродолжительна и не требует внесения изменений в паспорт грузоподъемного оборудования.
Для позиционирования мостового крана также потребуется разместить уникальные маркеры вдоль пути напротив устройства захвата изображения. Пример размещения маркеров представлен на рис. 1.
Рис. 1. Пример размещения маркеров вдоль пути мостового крана
Определение местоположения мостового крана включает следующие шаги:
1. Получение с помощью устройства захвата изображения снимков уникальных маркеров во время движения мостового крана.
2. Получение информации о фактических позициях уникальных маркеров во внешней системе отсчета.
3. Единоразовая привязка устройства захвата изображения к внешней системе отсчета.
4. Распознавание уникальных маркеров на полученном изображении и получение информации о позиции каждого уникального маркера на изображении.
5. Определение текущей позиции мостового крана во внешней системе отсчета на основе полученной информации о позиции каждого маркера на текущем кадре, информации о фактических позициях уникальных маркеров во внешней системе отсчета и привязки координат устройства захвата изображения к внешней системе отсчета.
Более подробно применяемый в данной статье способ определения местоположения мостового крана вдоль пути его движения описан в патенте1 . Согласно патенту, для надежного позиционирования на всем маршруте движения необходимо обеспечить попадание в поле зрения камеры хотя бы трех кодов в каждый момент времени.
1 Патент № 2770940 С1 Российская Федерация, МПК В66С 13/18. Система и способ автоматического определения положения мостового крана вдоль пути движения: № 2021138785: заявл. 24.12.2021: опубл. 25.04.2022 / Е. Н. Веснин, Ю. Н. Бахвалов; заявитель ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ "МАЛЛЕНОМ СИСТЕМС".
В реальных условиях сталеплавильного производства соблюдение этого условия не всегда представляется возможным. Например, при перекрытии маркеров сталь -ковшом или тросами подъемного механизма это становится почти невозможным. Пример случая перекрытия маркера тросами представлен на рис. 2.
Рис. 2. Пример перекрытия маркера тросами подъемного механизма
Для решения этой проблемы возможны следующие варианты:
- установка дополнительного устройства захвата изображения для увеличения области охвата объектива первой камеры;
- установка дополнительного устройства захвата изображения на противоположной стороне мостового крана для распознавания маркеров, находящихся на стороне первого устройства для получения изображений.
Тогда для определения позиции будет использоваться не одно изображение с маркерами, а сразу несколько. Более того, оптические характеристики устройств захвата изображения могут различаться. На рис. 3 представлен пример съемки перекрытого на другой камере маркера с другого устройства захвата изображений.
Стоит отметить и то, что описанный в патентном документе способ выполнения привязки координат видеокамеры к внешней системе отсчета предназначен для одного устройства захвата изображения. Для учета нескольких изображений с маркерами описанный в патенте способ можно модифицировать следующим образом.
Рис. 3. Перекрытый ранее маркер, снятый с другой видеокамеры
Во-первых, рассчитать по описанному в патенте способу моментальную позицию крана для каждого снимка маркеров без использования функции сглаживания.
Во-вторых, используя функцию (1), рассчитать средневзвешенное значение по рассчитанным на первом шаге моментальным позициям.
п
X р • щ
х = —-, (1)
п
X ^
I=1
где п - количество кадров, участвующих в расчете позиции, рг - мгновенная позиция крана, рассчитанная по /-му кадру, w/ - количество обнаруженных на /-м кадре маркеров.
В-третьих, применить к полученному на предыдущем шаге средневзвешенному значению функцию сглаживания, которая описана в патенте1.
Таким образом, для расчета местоположения может использоваться сразу несколько снимков маркеров, а использование функции сглаживания после расчета средневзвешенного значения позволит сократить колебания полученной позиции крана. Применение предложенного способа позволит повысить надежность позиционирования в тех случаях, когда один или несколько маркеров в поле зрения камеры перекрыты.
Зная местоположение мостового крана, можно предполагать, что в этой же позиции находится сталь-ковш. Но такое предположение будет верно тогда, когда стале-разливочный ковш находится в захвате крана. Для получения этой информации без внесения изменений в конструкцию грузоподъемного механизма можно также воспользоваться средствами технического зрения, а именно - детекцией объектов и их классификацией.
Также при применении методов машинного зрения становится доступной информация о наполненности сталь-ковша. На текущий момент существует множество готовых фреймворков, реализующих различные архитектуры нейронных сетей. Это не только позволяет не формировать архитектуру сети с нуля, но и ускоряет проверку предложенного решения экспериментальным путем.
В данной работе для проверки решения по контролю перемещения сталь-ковшей использовалась нейронная сеть УОЬОуЗ2. Цель применения нейронной сети - детекция сталь-ковша на кадре и определение следующих трех классов:
- захват пустой;
- в захвате есть пустой сталь-ковш;
- в захвате есть полный сталь-ковш.
В ходе обучения нейронной сети на 3000 изображений с камеры слежения за ковшами была получена точность 91 %.
Основная причина такой низкой точности - схожесть классов. Например, на рис. 4 представлен пустой ковш, металл из которого недавно слили в один из агрегатов цеха. Стенки ковша все еще светятся.
1 Патент № 2770940 C1 Российская Федерация, МПК B66C 13/18. Система и способ автоматического определения положения мостового крана вдоль пути движения: № 2021138785: заявл. 24.12.2021: опубл. 25.04.2022 / Е. Н. Веснин, Ю. Н. Бахвалов; заявитель ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «МАЛЛЕНОМ СИСТЕМС».
2 Redmon J., Farhadi A. YOLOv3: An Incremental Improvement. URL: https://arxiv.org/pdf/1804.02767.pdf (дата обращения: 19.09.2022).
ISSN 1994-0637 15 (print)
Рис. 4. Пример пустого сталь-ковша после слива содержимого
На рис. 5 представлен пример полного сталь-ковша. Корка на поверхности еще не успела сформироваться и застыть. Из-за жидкого металла он также светится.
Рис. 5. Пример полного сталь-ковша
Ситуации на изображениях выглядят почти идентично, но на самом деле они отличаются.
Со временем стенки сталь-ковша остывают. Это отображено на рис. 6.
Рис. 6. Сталь-ковш с остывающими стенками
Со временем изменения происходят и с полным сталь-ковшом. Там появляется корка на поверхности, и два класса становятся более различимыми. Пример представлен на рис. 7.
Рис. 7. Сталь-ковш с коркой на поверхности
Для повышения точности классификации были обучены на 3000 изображений сталь-ковшей и захватов мостового крана две нейронные сети, а затем выбрана лучшая из них.
Нейронные сети для классификации обучались для определения одного из следующих трех классов:
- захват пустой;
- в захвате есть пустой сталь-ковш;
- в захвате есть полный сталь-ковш.
В рамках проверки предположения об улучшении точности классификации рассматривались две нейронные сети: МоЫк№^21 и EfficientNet-b12. Точность классификации для МоЫ1е№^2 составила 98,03 %, для EfficientNet-b1 - 98,44 %. Исходя из этих показателей был сделан выбор в пользу модели EfficientNet-b 1.
Сеть детекции, в свою очередь, была переучена для детекции одного класса - есть сталь-ковш или захват. В результате метрика точности составила 99 %, как и метрика полноты.
Таким образом, был получен новый алгоритм обнаружения сталь-ковша в захвате мостового крана и определения степени его наполненности. Этот алгоритм представлен на рис. 8.
1 Sandler M., Howard A., Menglong Z., Zhmoginov A., Chen L. MobileNetV2: Inverted Residuals and Linear Bottlenecks. URL: https://arxiv.org/pdf/1801.04381.pdf (дата обращения: 19.09.2022).
2 Mingxing T., Quoc V. Le. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. URL: https://arxiv.org/pdf/1905.11946.pdf (дата обращения: 19.09.2022)._
Рис. 8. Алгоритм обнаружения сталь-ковша и определения степени его наполненности
Согласно представленному алгоритму, сначала необходимо получить кадр с устройства захвата изображений. Затем создается пустой список классифицированных детекций и полученный кадр подается в сеть-детектор, которая может вернуть одну или несколько детекций. В противном случае результатом выполнения алгоритма будет являться пустой список.
Если сеть-детектор в результате обработки кадра вернула одну или несколько детекций, то эти детекции перебираются в цикле до тех пор, пока каждая из них не будет обработана сетью-классификатором.
Для каждой детекции (сталь-ковша или захвата) по информации о местоположении на изображении выполняется обрезка исходного кадра. Таким образом, в классификатор подается только изображение сталь-ковша или захвата.
Сеть-классификатор возвращает число: 0, 1, 2, где 0 - захват пуст; 1 - сталь-ковш пуст; 2 - сталь-ковш полон.
Полученный ответ классификатора комбинируется с информацией о местоположении детекции на исходном кадре и добавляется в список классифицированных детекций. В таком случае результатом работы алгоритма будет список детекций на текущем кадре, где каждый обладает одним из трех классов. Таким образом, имея информацию о позиции мостового крана и наличии сталь-ковша в захвате, можно контролировать перемещение сталь-ковшей.
На рис. 9 представлен предлагаемый алгоритм контроля перемещения сталь-ковшей мостовыми кранами на основе методов машинного зрения.
Рис. 9. Алгоритм контроля перемещения сталь-ковшей мостовыми кранами на основе методов машинного зрения
Для определения точности позиционирования была составлена выборка из 100 изображений с распознанной позицией в описании каждого изображения. Далее выборка была отсортирована на две категории: с правильным позиционированием и позиционированием с ошибкой. При этом позицией, определенной верно, считалась
такая, отклонение которой от фактической не превышало 1 м. В итоге точность позиционирования составила 99 %.
Выводы
Предложенный способ контроля перемещения сталь-ковшей мостовыми кранами позволяет получать срез текущего состояния и позицию крана и сталь-ковша. При этом такой метод использования нескольких изображений для определения местоположения позволяет повысить надежность позиционирования в тех случаях, когда один или несколько маркеров в поле зрения камеры перекрыты.
Раздельная реализация детекции захвата крана и классификации ковша в нем способна повысить точность детекции до 99 %, а классификации - до 98 %. Это позволит в дальнейшем определять начало и окончание технологических операций, в которых меняется наполненность сталь-ковша, а также даст возможность реализовать механизм определения подъема или опускания сталь-ковша. Описанный подход в решении проблемы поможет повысить достоверность определения крановых операций для внешней системы планирования.
Список источников
Авторское свидетельство № 838391 A1 СССР, МПК G01G 19/14. Крановые весы: № 2821083: заявл. 28.09.1979: опубл. 15.06.1981 / А. С. Кукуй, Б. В. Верницкий; заявитель ЗАПОРОЖСКИЙ ФИЛИАЛ ВСЕСОЮЗНОГО НАУЧНО-ИССЛЕДОВАТЕЛЬСКОГО И КОНСТРУКТОРСКОГО ИНСТИТУТА «ЦВЕТМЕТАВТОМАТИКА».
ДАТА-ЦЕНТР Автоматика. Уникальный проект на НЛМК. URL:
https://dc.ru/news/2021/02/12/77/?p=4 (дата обращения: 18.09.2022).
Датчики для автоматизации, комплексное оснащение. Система позиционирования WCS. URL: https://compeq-pf.ru/promyshlennye-datchiki/sistema-kodirovaniya-polozheniya-WCS (дата обращения: 18.09.2022).
Орлов А. А., Титов Д. В., Астафьев А. В. Система автоматического контроля движения промышленных изделий с использованием радиочастотных идентификационных меток // Известия высших учебных заведений. Приборостроение. 2021. Т. 64. № 3. С. 176-182.
Официальный сайт группы НЛМК. НЛМК повысит точность выполнения заказов за счет внедрения цифровой платформы планирования производства. URL: https://nlmk.com/ru/media-center/press-releases/nlmk-to-boost-order-accuracy-using-digital-production-planning (дата обращения: 18.09.2022).
Патент № 2770940 C1 Российская Федерация, МПК B66C 13/18. Система и способ автоматического определения положения мостового крана вдоль пути движения: № 2021138785: заявл. 24.12.2021: опубл. 25.04.2022 / Е. Н. Веснин, Ю. Н. Бахвалов; заявитель ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «МАЛЛЕНОМ СИСТЕМС».
Федеральная служба по экологическому, технологическому и атомному надзору. Постановка на учет подъемных сооружений. URL: http://svost.gosnadzor.ru/activity/ control/gos_kontrol_i_nadzor_v_sfere_prombezopasnosti/postanovka-na-uchyet-podyemnykh-sooruzheniy-.php (дата обращения: 18.09.2022).
Google patents. Control system and method for an overhead bridge crane. URL: https://patents.google.com/patent/US7190146 (дата обращения: 18.09.2022).
Google patents. Sensor system for positioning a travelling trolley or a rail-guided crane. URL: https://patents.google.com/patent/DE3623423A1/en (дата обращения: 18.09.2022).
Mingxing T., Quoc V. Le. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. URL: https://arxiv.org/pdf/1905.11946.pdf (дата обращения: 19.09.2022).
Redmon J., Farhadi A. YOLOv3: An Incremental Improvement. URL: https://arxiv.org/pdf/1804.02767.pdf (дата обращения: 19.09.2022).
Sandler M., Howard A., Menglong Z., Zhmoginov A., Chen L. MobileNetV2: Inverted Residuals and Linear Bottlenecks. URL: https://arxiv.org/pdf/1801.04381.pdf (дата обращения: 19.09.2022).
Symeo GmbH - Absolute Positioning. Precise 2D Indoor and Outdoor Positioning. URL: https://www.symeo.com/en/products/position-detection/lpr-2d/index.html (дата обращения: 18.09.2022).
References
Avtorskoe svidetel'stvo № 838391 A1 SSSR, MPK G01G 19/14. Kranovye vesy: № 2821083: zaiavl. 28.09.1979: opubl. 15.06.1981: A. S. Kukui, B. V. Vernitskii; Zaporozhskii filial vsesoiuz-nogo nauchno-issledovatel'skogo i konstruktorskogo instituta "TsVETMETAVTOMATIKA" [Author's certificate no. 838391 A1 of the USSR, MPK G01G 19/14. Crane balance: no. 2821083: declared. 28.09.1979: publ. 15.06.1981; applicant for a patent: Zaporozhsky branch of the all-union scientific research and design institute "Tsvetmetavtomatika"].
DATA-TsENTR Avtomatika. Unikal'nyi proekt na NLMK [DATA CENTER Automation. A unique project at NLMK]. Available at: https://dc.ru/news/2021/02/12/77/?p=4 (accessed: 18.09.2022).
Datchiki dlia avtomatizatsii, kompleksnoe osnashchenie. Sistema pozitsionirovaniia WCS [Sensors for automation, complex equipment. WCS positioning system]. Available at: https://compeq-pf.ru/promyshlennye-datchiki/sistema-kodirovaniya-polozheniya-WCS (accessed: 18.09.2022).
Orlov A. A., Titov D. V., Astafev A. V. Sistema avtomaticheskogo kontrolia dvizheniia promyshlennykh izdelii s ispol'zovaniem radiochastotnykh identifikatsionnykh metok [Automatic control system for the movement of industrial products using radio frequency identification tags]. Izvestiia vysshikh uchebnykh zavedenii. Priborostroenie [Journal of Instrument Engineering], 2021, Vol. 64, no. 3, pp. 176-182.
Ofitsial'nyi sait gruppy NLMK. NLMK povysit tochnost' vypolneniia zakazov za schet vnedreniia tsifrovoi platformy planirovaniia proizvodstva [NLMK Group official website. NLMK will improve order accuracy by introducing a digital production planning platform]. Available at: https://nlmk.com/ru/media-center/press-releases/nlmk-to-boost-order-accuracy-using-digital-production-planning (accessed: 18.09.2022).
Patent № 2770940 C1 Rossiiskaia Federatsiia, MPK B66C 13/18. Sistema i sposob avtomaticheskogo opredeleniia polozheniia mostovogo krana vdol' puti dvizheniia: № 2021138785: zaiavl. 24.12.2021: opubl. 25.04.2022: E. N. Vesnin, Iu. N. Bakhvalov; zaiavitel' Obshchestvo s ogranichen-noi otvetstvennost'iu «Mallenom sistems» [Patent no. 2770940 C1, Russian Federation, MPK B66C 13/18. System and method of automatic determination of overhead crane position along the traffic path: no. 2021138785: declared. 24.12.2021: publ. 25.04.2022: E. N. Vesnin, Yu. N. Bakhvalov; applicant for a patent: OOO Mallenom Sistems (Mallenom Systems)].
Federal'naia sluzhba po ekologicheskomu, tekhnologicheskomu i atomnomu nadzoru. Postanovka na uchet pod"emnykh sooruzhenii [The Federal Service for Environmental, Technological and Nuclear Supervision. Registration of lifting equipment]. Available at: http://svost.gosnadzor.ru/activity/control/gos_kontrol_i_nadzor_v_sfere_prombezopasnosti/postanov ka-na-uchyet-podyemnykh-sooruzheniy-.php (accessed: 18.09.2022).
Google patents. Control system and method for an overhead bridge crane. Available at: https://patents.google.com/patent/US7190146 (accessed: 18.09.2022).
Google patents. Sensor system for positioning a travelling trolley or a rail-guided crane. Available at: https://patents.google.com/patent/DE3623423A1/en (accessed: 18.09.2022).
Mingxing T., Quoc V. Le. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. Available at: https://arxiv.org/pdf/1905.11946.pdf (accessed: 19.09.2022).
Redmon J., Farhadi A. YOLOv3: An Incremental Improvement. Available at: https://arxiv.org/pdf/1804.02767.pdf (accessed: 19.09.2022).
Sandler M., Howard A., Menglong Z., Zhmoginov A., Chen L. MobileNetV2: Inverted Residuals and Linear Bottlenecks. Available at: https://arxiv.org/pdf/1801.04381.pdf (accessed: 19.09.2022).
Symeo GmbH - Absolute Positioning. Precise 2D Indoor and Outdoor Positioning. Available at: https://www.symeo.com/en/products/position-detection/lpr-2d/index.html (accessed: 18.09.2022).
Сведения об авторах
Даниил Сергеевич Адамов - студент; https://orcid.org/0000-0002-6832-4859, dsadamov@chsu.ru, Череповецкий государственный университет (д. 5, пр-т Луначарского, 162600 г. Череповец, Российская Федерация); Daniil S. Adamov - Student, https://orcid.org/0000-0002-6832-4859, dsadamov@chsu.ru, Cherepovets State University (5, pr. Lunacharskogo, 162600 Cherepovets, Russia).
Евгений Николаевич Веснин - технический директор; vesnin@mallenom.ru, ООО «Мал-леном Системс» (д. 21б, ул. Металлургов, 162600 г. Череповец, Российская Федерация); Evgeny N. Vesnin - Engineering Director, vesnin@mallenom.ru, OOO Mallenom Sistems (Malle-nom Systems) (21B, ul. Metallurgov, 162600 Cherepovets, Russia).
Леонид Леонидович Малыгин - президент компании, доктор технических наук; malygin@mallenom.ru, ООО «Малленом Системс» (д. 21 б, ул. Металлургов, 162600 г. Череповец, Российская Федерация); Leonid L. Malygin - President of the company, Doctor of Technical Sciences, malygin@mallenom.ru, OOO Mallenom Sistems (Mallenom Systems) (21B, ul. Metallur-gov, 162600 Cherepovets, Russia).
Заявленный вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests.
Статья поступила в редакцию 01.10.2022; одобрена после рецензирования 20.10.2022; принята к публикации 14.11.2022.
The article was submitted 01.10.2022; Approved after reviewing 20.10.2022; Accepted for publication 14.11.2022.
