打开文本图片集

摘  要：在社会经济飞速发展的时代背景之下，各行各业对起重机等特种设备提出了更多需求。而起重机作业指挥人员的操作不仅涉及自身安全，也与他人的生命与财产存在千丝万缕的联系，由此便决定了起重机作业指挥人员需要具备更高的素质和更专业的技能，通过考核后持证方能上岗。但结合现实情况来看，起重机作业指挥人员实操考试仍主要采用答辩模式，难以切实实现客观性、准确性和自动化。基于此，本文以人工智能为基准，深入研究起重机作业指挥人员实操考试智能评分系统，旨在彻底解决起重机作业指挥人员实际操作考核中考评指标自动判定的问题。

关键词：人工智能；起重机；作业指挥人员；操作考试；评分系统

引言

人工智能技术在计算机视觉和自然语言处理等领域取得突破，使人工智能迎来了新一轮的爆炸式发展，深入学习是促进这一切顺利实现的关键。其中，深入学习技术已经成为当前人工智能领域的一个研究热点，其已在图像识别、语音识别、自然语言处理、搜索推荐等领域展现出了巨大的优势，并且仍在继续发展变化。例如目前国内已有机构成功研究出基于人工智能的教学指挥手势识别系统。下文便以此为基准，旨在通过人工智能技术，结合《特种设备作业人员考核规则（TSG Z6001-29）》与《GB/T 5082-2019起重机手势信号》要求，深入剖析起重机作业指挥人员实际操作考核判定指标，以考试机构业务管理流程为依托，整合集中考试机构信息资源，使用人证核验、智能语音、深度学习及手势解析等具体技术。

一、相关工作

目前，已经有一些研究采用计算机视觉技术和机器学习技术，开发了基于视频数据的起重机操作员技能评估系统。例如，美国颁布的最新一版ANSI/ASME B30.5-2018标准，考虑采用基于视频分析的起重机操作员测试和评估方法。然而，这些方法存在着诸多问题，例如需要使用特殊设备采集数据、需要大量的人工标注等。

二 、技术关键

通过优化手势解析程序，提升人体手势姿态解析效率，降低程序解析计算时对计算机硬件的性能要求。优化后的程序，通过摄像头采集到的人体手势图片进行解析时，满足每秒可获得20帧以上的准确解析数据。

通过深度学习技术，实现符合《GB/T 5082-2019 起重机手势信号》国家标准要求的27项指挥手势信号智能识别。系统支持数据分类、数据处理、算法建模、学习训练、模型评估、模型导出等功能，可在实施过程或使用过程中不断对自动评判功能进行优化，提升识别准确率。系统中可对每次学习情况进行数据分析与对比，为工作人员提供数据支撑，以便定位优化方向。

通过摄像头、手势解析、学习模型的联动运用，实现考生考试过程中的指挥手势自动识别评判功能。摄像头负责采集考生动作图像，系统通过图像进行手势解析，得到手势解析数据后通过学习模型进行智能识别，最终根据智能识别结果评判考生动作是否符合要求。

通过人证核验、智能语音等技术的综合、智能化应用，实现考试过程中各个环节的身份识别与智能引导功能，简化考生操作的同时可达到考试全程自助考试。

三、系统设计

本系统采用了机器学习和深度学习技术，依据起重机作业指挥技能的分析和设计，建立起重机作业指挥智能评分模型，实现对起重机作业指挥人员实操考试的自动智能评分。

1.数据采集和预处理

在建立起重机作业指挥智能评分模型之前，首先需要采集起重机作业指挥人员实操考试的视频数据。采集的视频数据需要具有一定的丰富性、复杂性和真实性。同时，还需要进行数据标注和数据清洗等预处理操作，以确保评分模型的训练数据质量。

拟采用人证核验设备，按照考规要求完成考生考前人证核验认证，并采集相关档案信息存储。

拟采用触摸大屏及姿态采集摄像头设备，为考生提供智能语音引导、人脸识别、考试答题及指挥手势识别等考试过程的全程自助考试服务及功能。

拟采用监控摄像头及硬盘录像机设备，按照考规要求完成考试影像资料的采集与存储。

拟采用操作客户端，为考评员提供业务管理功能使用终端。

拟采用高性能PC主机，通过路由器等网络设备连通各个终端，实现系统业务处理、档案采集存储及展示、第三方系统数据接入、考试自动评分及指挥手势识别计算等功能。

2.特征提取和模型设计

针对起重机作业指挥技能的特点，本系统采用了卷积神经网络（CNN）和长短时记忆网络（LSTM）相结合的模型设计。卷积神经网络主要用于提取视频数据中的空间特征，LSTM则主要负责提取时间序列特征。同时，为了进一步提高模型性能，还添加了残差网络和注意力机制等模块。

3.智能评分模型训练和测试

根据采集到的实操考试视频数据，通过分割、标注和清洗等预处理操作，将数据划分为训练集、验证集和测试集。然后，使用Adam优化器和交叉熵损失函数，对智能评分模型进行训练，并通过验证集对模型进行调参和评估。最后，使用测试集对模型进行测试，以验证评分模型的准确性和效果。除此之外，该系统还可以进行人机交互，给出针对性的建议和指导，当考生的实操表现不够优秀时，系统可以根据考生的表现数据给出相应的建议和指导，以此提高其实操水平。

四、实验结果与分析

本系统在使用6种不同机型的15名作业指挥人员进行实操考试时进行了测试。实验结果表明，本系统可以有效提高评分的客观性和准确性，同时，还可以满足不同人员、不同机型、不同特殊作业训练的要求。与基于传统评分方法的结果相比，使用本系统评分的结果更加准确和稳定，由此也决定了基于人工智能的起重机作业指挥人员实操考试智能评分系统设计具有良好的现实意义。

五、结语

通过对起重机作业指挥技能的分析和设计，本系统建立了起重机作业指挥智能评分模型，实现了对作业指挥人员实操考试的自动智能评分。实验结果表明，基于人工智能技术的起重机作业指挥人员实操考试智能评分系统是一种具有良好发展潜力的系统，它可以在提高考生实操能力的同时，提高考试的客观性和公平性。

参考文献：

[1]冯保明.AR技术在建筑施工塔式起重机培训系统设计中的应用研究[J].四川建材，2022，48（06）：116-117.

[2]林健民.桥门式起重机作业人员实操考试自动评分系统实现方法的研究[J].中国设备工程，2020（16）：246-247.