一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法技术

本发明专利技术公开了一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，基于三维点云的方法自动识别分析被测物表面上的腐蚀坑，自动判断腐蚀坑是否符合要求，具有有效提高工人工作效率、提高检测精度的特性；包括下述步骤：1）采用3D卷积和相关性算子构建腐蚀坑自动识别深度学习模型；2）训练腐蚀坑自动识别深度学习模型；3）输入点云至训练好的腐蚀坑自动识别深度学习模型直接识别出腐蚀坑位置及深度。学习模型直接识别出腐蚀坑位置及深度。

【技术实现步骤摘要】
一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法


[0001]本专利技术涉及检测
，具体的说，是一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法。

技术介绍

[0002]根据特种设备安全技术规范中的要求，压力容器、管道、锅炉、游乐设施、起重机械等特种设备在长期使用后，会出现腐蚀表面、凹坑现象，需要定期的对上述特种设备进行表面检测，并根据技术规范中的规格计算腐蚀是否允许存在，若不允许存在则特种设备应报废处理。
[0003]一般来说腐蚀坑都是采用人工手动测量的方式测量，如此将耗费极大的人力和物力，并且工作效率也极低。为此结合计算机技术进行检测的方式应运而生，目前一般凹坑、腐蚀坑、或缺陷检测在利用深度学习模型检测中，都是采用2D卷积网络进行检测，2D卷积网络在检测腐蚀坑时由于缺乏3D计算机制，且其缺乏让每个区域进行互相比较的机制来更鲁棒的判断是否存在腐蚀坑。

技术实现思路

[0004]本专利技术的目的在于提供一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，基于三维点云的方法自动识别分析被测物表面上的腐蚀坑，自动判本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，其特征在于：包括下述步骤：1）采用3D卷积和相关性算子构建腐蚀坑自动识别深度学习模型；2）训练腐蚀坑自动识别深度学习模型；3）输入点云至训练好的腐蚀坑自动识别深度学习模型直接识别出腐蚀坑位置及深度。2.根据权利要求1所述的一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，其特征在于：所述步骤1）包括下述步骤：1.1）深度图像预处理：以毫米为单位将输入的深度图像都除以250进行归一化处理；1.2）将归一化后的深度图像输入到特征提取网络中，返回不同尺度的特征图；1.3）将返回的不同尺度的特征图通过上采样算法统一缩放为448大小；1.4）将步骤1.3）得到的特征图输入到相关性算子中计算得到相关性算子特征图；1.5）将步骤1.4）产生的相关性算子特征图输入到5个“下采样+上采样”卷积算子中，计算得到新的特征图像；1.6）将新的特征图像输入到1*1分类2D卷积中得到每个像素的分类结果，完成腐蚀坑自动识别深度学习模型的构建。3.根据权利要求2所述的一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，其特征在于：所述步骤1.2）中，特征提取网络采用resnet50，且返回3个不同尺度的特征图。4.根据权利要求2所述的一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，其特征在于：所述相关性算子的计算方式是：若输入图像shape为[特征维，图像高，图像宽]，则通过遍历的方式，其输出的图像维度为[相关性宽度，特征维，图像高，图像宽]；其中，相关性宽度为每个区域与其他与其相邻的区域的比较的范围。5.根据权利要求4所述的一种利用3D卷积和相关性算子来自动检测腐蚀坑的方法，其特征在于：所述新的特征图像的维度为[相关性宽度*特征维，图像高，图像宽]。6.根...

【专利技术属性】
技术研发人员：姚伟，陈玥，田春秋，赵越，冷海风，
申请(专利权)人：安格利成都仪器设备有限公司，
类型：发明
国别省市：