基于二阶段网络的起重机小样本图像锈蚀检测

摘要：

基于图像的表面锈蚀检测是起重机损伤检测的重要新兴技术.由于起重机械的结构形状复杂,无人机等设备获取的起重机图像会包含大量的阴影以及黑色背景物,易被误识别为锈蚀;同时,起重机属于高端装备,锈蚀损伤样本量往往不足,加重了锈蚀检测的难度.针对以上问题,文中提出了一种基于二阶段网络的起重机小样本图像锈蚀检测算法.具体地,设计了一个包含分割和决策的二阶端到端学习网络,其中分割网络使用锈蚀损伤的标签进行训练,决策网络则根据分割网络提取的特征,进一步学习判断输入的图片中是否包含锈蚀损伤,并通过将二阶段的网络由类似于VGGNet的结构提升为类似于ResNet的残差结构来对网络进行优化.实验结果表明,提出的方法有效提升了图像锈蚀检测的精度,在自建的起重机小样本图像锈蚀数据集上,将模型的平均精度由94.2％提升到了98.1％,满足了起重机工业场景下的损伤检测要求.

关键词：起重机、小样本学习、二阶段网络、语义分割、锈蚀检测

分类号：TH21(起重机械与运输机械)

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：47-55