一种基于图像的微特征检测算法制造技术

本发明专利技术公开了一种基于图像的微特征检测算法，具体涉及检测算法技术领域，其技术方案是：S1，输入为一张图片，经过由深度可分离式卷积组成的特征提取网络后得到三层特征金字塔，每一层特征图分别再通过一层卷积层后得到输入图片的预测结果，即每一张图片位置框的偏移量，类别结果和置信度；S2，通过位置偏移量可以得到每一格预测框的实际位置；通过逻辑回归获得类别信息；S3，置信度是预测框中存在对象的概率和真实框与预测框的交并比之积，本发明专利技术的有益效果是：无论是远距离观测的裂缝、铆钉处的细小裂缝，还是在光线昏暗并且背景较为杂乱的飞机发动机内部叶片的小裂缝，YOLOv3‑Lite都可以检测到。

【技术实现步骤摘要】
一种基于图像的微特征检测算法
本专利技术涉及检测算法领域，具体涉及一种基于图像的微特征检测算法。
技术介绍
飞机故障如果得不到及时排除会对飞行安全造成严重隐患，因此需要航空公司对飞机结构损伤及时排查和维护，目前民航全行业的未来发展前景广阔，我国机场数量和飞机数量持续增加，越来越多的群体因为飞机的便捷性而选择其作为出行工具，但是每年也会出现飞机安全事故，而大部分的原因在于飞机自身的故障，随着飞机服役年限增加，材料的机械力学性能会发生衰变，容易产生裂缝损伤，尤其对于老龄飞机，因为服役时间长，产生这些损伤的可能性会更大，所以为保障飞机飞行安全，航空公司每天会对一架飞机平均进行3次及以上的维修工作，其中包括航前、航后以及1次以上的过站检查。现有技术存在以下不足：现有的对飞机损伤检测的方法主要有目视检测和无损检测，其中无损检测技术有超声检测，射线检测，渗透检测等技术，此外还有红外，微波，声振和工业CT等检测手段，均发挥着重要作用，以红外检测技术为例，该方法采用辐射原理，扫描飞机表面由于缺陷造成的温度变化，根据该变化获得损伤信息，虽然无损检测技术已本文档来自技高网...

【技术保护点】
1.一种基于图像的微特征检测算法，其特征在于：包括如下步骤：/nS1，输入为一张图片，经过由深度可分离式卷积组成的特征提取网络后得到三层特征金字塔，每一层特征图分别再通过一层卷积层后得到输入图片的预测结果，即每一张图片位置框的偏移量，类别结果和置信度；/nS2，通过位置偏移量可以得到每一格预测框的实际位置；通过逻辑回归获得类别信息；/nS3，置信度是预测框中存在对象的概率和真实框与预测框的交并比之积：/n

【技术特征摘要】
1.一种基于图像的微特征检测算法，其特征在于：包括如下步骤：
S1，输入为一张图片，经过由深度可分离式卷积组成的特征提取网络后得到三层特征金字塔，每一层特征图分别再通过一层卷积层后得到输入图片的预测结果，即每一张图片位置框的偏移量，类别结果和置信度；
S2，通过位置偏移量可以得到每一格预测框的实际位置；通过逻辑回归获得类别信息；
S3，置信度是预测框中存在对象的概率和真实框与预测框的交并比之积：



S4，其中Pr(Object)是预测框中存在裂缝损伤的概率，是预测框与裂缝损伤标签框的IoU，最终通过非极大值抑制的方法，得到最终的网络预测结果；
S5，YOLOv3-Lite的特征提取部分由深度可分离式卷积设计完成，YOLOv3-Lite的特征提取结构共有52个深度可分离卷积层；
S6，YOLOv3-Lite的三层特征金字塔用于检测不同大小的裂缝，输入图像的维度是416×416，经过特征提取网络的最后一层输出维度为13×13的特征图，标记为f1，第27层与上采样的f1连接，输出维度为26×26特征图，标记为f2，最后，维度为52×52的特征图由网络的第10层计算得到，并与上采样的f2连接，连接部分由残差网络构建，该残差网络可以将低级语义信息和高级语义信息相结合，在这种连接模式下，网络可以有效学习不同尺度大小的裂缝特征，最后构成三层特征金字塔；
S7，在训练过程中随机将数据集分成十份，其中九份是训练集，一份是验证集，网络训练包括两个阶段，第一阶段采用在ImageNet数据集上预训练的模型，冻结整个特征提取层，只训练最后三层卷积层，第二阶段对整个网络的参数...

【专利技术属性】
技术研发人员：孙长进，刘立庄，陈萍，孔彩凤，
申请(专利权)人：江苏鼎集智能科技股份有限公司，
类型：发明
国别省市：江苏;32