基于计算机视觉的叉车防倾翻安全距离估测方法研究

为解决建筑行业叉车因载荷重心偏移导致的倾翻风险，研究人员开发了基于YOLOv8目标检测与安全距离估算模块(SafeDEM)的计算机视觉系统。通过24英寸安全阈值(叉车长度=120英寸时)测试，模型在156幅图像中实现93%的安全行为分类准确率，实时检测速度达24帧/秒，为动态部署提供非侵入式解决方案。

　　

建筑工地上的叉车如同走钢丝的杂技演员，稍有不慎便会因载荷重心偏离稳定三角区(stability triangle)而倾覆。传统人工巡检不仅效率低下，更难以实时捕捉危险瞬间。这项研究如同给叉车装上了"智能防倾翻眼"——通过精确测量货叉与载荷重心间的临界距离，将计算机视觉技术与工程力学原理完美融合。

研究团队构建了包含三大核心模块的智能系统：基于YOLOv8的目标检测引擎如同火眼金睛，能实时捕捉叉车与货物的空间关系；安全距离估算模块(SafeDEM)则化身"数字力学家"，根据120英寸标准叉车长度计算24英寸的安全阈值；行为分类器严格遵循美国职业安全与健康管理局(OSHA)标准进行安全判定。

测试数据令人振奋：在156个静态场景中，系统以93%的准确率识别出危险工况，每秒24帧的处理速度让安全隐患无所遁形。虽然当前主要应用于固定工位，但这套系统的实时性能已为未来动态场景部署铺平道路。这项技术犹如为工业设备装上神经末梢，通过非接触式监测为安全生产筑起智能防线。