现有大型起重机械的测量与监测系统,依赖安装于机身的复杂传感器以测量实时参数从而判断起重机运行状态,不具备现场安装与拆卸易行性。为此,本文以“基于DCNN与边缘云的桥式起重机械运行状态图像监测技术研究”为题,设计起重机械运行状态图像监测总体架构,研究桥式起重机械关键部件DCNN识别与视觉测量方法,设计面向图像监测的边缘云系统、研究面向图像监测DCNN加速提升技术,研制桥式起重机械运行状态图像监测平台,开展相关误差分析实验。本研究对于促进装备健康安全检测以及智能检测技术发展,具有重要学术价值与实际意义。论文研究得到广东省特种设备检测研究院2019年度科技项目（2020JD09）、2020年广东省重点领域研发计划项目（2019B010154003）的资助。论文研究桥式起重机械运行状态图像监测关键技术,从桥式起重机械设备安全监测技术、运行状态监测的图像传感技术、异构图像传输技术、基于深度学习的计算机视觉任务等方面,分析相关内容国内外研究进展,确定研究内容,具体工作包括:⑴桥式起重机械运行状态图像监测总体架构设计提出起重机图像监测需求,设计监测系统整体功能框架,包括图像采集模块、关键部件识别模块、状态量测量与预警模块、远程服务提供模块、远程用户交互模块与实时性提升模块,实现能够远程及时预警厂房多台起重机运行状态,并且能远程设置相机参数的起重机监测系统。⑵桥式起重机械关键部件DCNN识别与视觉测量方法研究提出桥式起重机关键部件识别DCNN模型;提出基于DCNN模型关键点识别与张氏标定技术的世界坐标重建方法,依据部件几何关系及关键点重建坐标,计算部件关键点世界坐标、小车水平位移lcar、吊具倾斜角度θsling、吊绳倾斜角度θrope等运行状态量;估计关键点世界坐标计算误差。⑶面向图像监测的边缘云系统设计选型边缘云系统硬件参数,基于OPNET软件面向图像监测边缘云系统需求分析与Azure Io T Edge边缘计算软件框架原理,设计基于Azure Io T Edge边缘云软件系统。依据厂房服务器资源状态、起重机监测台数,自动分配算力资源与网络资源,提高起重机监测实时性。⑷面向图像监测DCNN加速提升技术研究利用FPGM剪枝+权重量化方法,剪枝多任务Mask R-CNN高冗余卷积核、量化重训练各卷积核参数,提升模型运算速度18.6%、降低模型存储占用空间57.2%;利用Tensor RT结构优化技术,纵向与横向融合Detect Net模型Inception模块、纵向融合网络主干“卷积层+偏移量+ReLU激活函数层”组合结构,提升模型运算速度216%。⑸桥式起重机械运行状态图像监测平台研制与试验研制用于监测桥式起重机运行状态量、控制相机参数的图像监测硬件与软件平台;开展小车水平位移、吊具倾斜角度测量误差实验,验证本文所使用图像监测技术的有效性、理论的正确性。实验结果表明,小车水平位移平均相对误差为2.80%;吊具倾斜角度测量相对误差不超过36.27%,绝对误差不超过4°。