【技术实现步骤摘要】
基于目标检测算法的钢绳表面缺陷识别方法
本专利技术属于机械零部件状态检测与智能诊断
，涉及一种基于目标检测算法的钢绳表面缺陷识别方法。
技术介绍
钢绳具有抗拉强度和抗疲劳强度高、工作平稳可靠、承受过载能力强、高速运行条件下卷扬噪声小等优点，在冶金、建筑、旅游、交通运输、港口码头、石油钻探等许多工业领域有着广泛应用。由于钢绳的损伤程度与承载能力直接相关，为了避免因钢绳损伤造成事故，需要对钢绳的状态进行实时有效的在线检测。常用的钢绳在线检测方法是磁检测方法，但由于钢绳损伤缺陷相对于钢绳本身是十分微小的，且钢绳一般用于大型起重设备，大功率电机存在强电磁干扰，导致磁检测误差较大。随着人工智能、机器视觉的发展，通过视觉图像识别检测钢绳状态具有较好的前景。图像分类与目标检测是计算机视觉领域的两大主要任务。图像分类模型是将图像划分为单个类别，但是现实世界的很多图片通常包含不只一个类别的目标，此时如果使用图像分类模型为图像分配一个单一标签其实是非常粗糙的，并不准确。对于这样的情况，就需要目标检测网络模型，目标检测网络模型可以识...
【技术保护点】
1.一种基于目标检测算法的钢绳表面缺陷识别方法，其特征在于，按照以下步骤具体实施：/n步骤1、实时图像采集；/n步骤2、DeblurGAN钢绳去运动模糊模型，/n将实时采集的钢绳模糊图片I
【技术特征摘要】
1.一种基于目标检测算法的钢绳表面缺陷识别方法，其特征在于，按照以下步骤具体实施：
步骤1、实时图像采集；
步骤2、DeblurGAN钢绳去运动模糊模型，
将实时采集的钢绳模糊图片Im，利用DeblurGAN去运动模糊网络得到去运动模糊后的钢绳生成图片Om；
步骤3、构建钢绳表面缺陷目标检测模型，
钢绳表面缺陷目标监测模型采用Mobilenet+FPN轻量级目标检测网络结构，
去运动模糊处理后的钢绳生成图片Om，通过钢绳表面缺陷目标检测模型，实现对钢绳表面缺陷的目标检测，输出为检测到的钢绳表面缺陷。
2.根据权利要求1所述的基于目标检测算法的钢绳表面缺陷识别方法，其特征在于：所述的步骤1中，在钢绳应用现场，利用高速摄像头，得到采样区段钢绳状态的实时视频图像流，对图像流每5帧进行一次帧提取，得到一张钢绳模糊图片Im。
3.根据权利要求2所述的基于目标检测算法的钢绳表面缺陷识别方法，其特征在于：所述的步骤2中，所述的DeblurGAN去运动模糊网络由生成器G和判别器D组成，具体结构是：
2.1)生成器G的网络结构为：钢绳模糊图片Im经过1层卷积、实例归一化层和激活层后，保持输入数据的尺寸不变；然后，进行2次上采样，将图像特征层增至256个；再经过9层残差卷积，每个残差卷积包含一个3*3卷积层3*3conv、实例归一化层InstanceNorm和ReLU激活层；随后，进行2次下采样、1层卷积以及激活函数后输出；
2.2)判别器D的网络结构是：由1个卷积、4个下采样、1个卷积以及激活函数组成；判别器网络D的输入为：与钢绳模糊图片Im相对应的钢绳清晰图片Iq以及钢绳模糊图片Im经过生成器G后得到钢绳生成图片Om；判别器网络D对输入的两种图片进行相似程度判断；
DeblurGAN去运动模糊网络需要用一组钢绳图片样本集(RW-Im，RW-Iq)对DeblurGAN去运动模糊网络的生成器G和判别器D进行对抗训练，其中，RW-Im为钢绳模糊图片的样本集，RW-Iq为相应的钢绳清晰图片的样本集；经过大量钢绳图片样本训练，直到钢绳模糊图片样本集RW-Im经过生成器G后的生成图片样本集RW-Om与相应的钢绳清晰图片样本集RW-Iq相似度最好。最终将训练好的DeblurGAN去运动模糊网络的结构和参数设置在网络中，得到DeblurGAN...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。