【技术实现步骤摘要】
本专利技术属于自动检测，尤其涉及一种大型囊体材料红外热成像缺陷自适应分割方法。
技术介绍
1、飞艇是一种轻于空气的，具有动力推进装置的，可操控飞行的浮空器，它具有长航时、隐蔽性高、成本低等优势，被广泛应用于侦察、监视、反潜等军事领域以及配送物品、移动监控、科学研究、农业等商业领域。近年随着材料技术和雷达电子技术的飞速发展，新型飞艇在更多民用领域得到了应用落地，在科研和工业应用上也具有极大的开发价值。
2、作为飞艇制作的关键材料，飞艇囊体的气密性研究对于飞艇的安全性能以及长航时飞行至关重要，在高压的情况下，飞艇如果出现微孔泄露，会严重降低囊体的密封性。囊体的密封性是影响飞艇的滞空时间的最关键的性能，飞艇囊体表面如果有毫米或微米大小的微孔出现，会直接对飞艇的航行时长产生严重的影响。囊体的体积越大，其加工的难度越大，产生微孔缺陷的可能性越大。然而，在大型囊体几百平方米的表面蒙皮材料中寻找微孔缺陷，其难度极大。目前囊体的气密性检测方法主要有绝压法、差压法和人工皂泡法，然而绝压法、差压法仅能够判断飞艇的气密性是否良好，但无法判断微孔缺陷的具体位置；人工皂泡法能够完成缺陷的定位，但是该方法成本高、速度慢，过于依赖人工经验，且容易对囊体材料造成二次损伤，并且由于实际场景的限制，很难做到囊体的全尺度微孔缺陷检测。如何快速高效完成飞艇囊体的气密性检测，是影响和制约飞艇技术跨越式发展的关键。
3、因此，现阶段急需一种高效的全尺寸飞艇囊体蒙皮材料的微孔缺陷检测手段，为飞艇的长航时安全飞行提供保证。
1、本专利技术就是针对上述问题，提供一种大型囊体材料红外热成像缺陷自适应分割方法。
2、为实现上述目的，本专利技术采用如下技术方案，本专利技术包括以下步骤：
3、步骤1）采集飞艇囊体蒙皮材料的红外图像，利用仿真软件模拟热场下材料表面微孔缺陷的红外热成像得到仿真图像，对仿真图像进行数据样本量扩增，将红外图像和扩增后的仿真图像中的微孔缺陷做好标记；
4、步骤2）将步骤1）中得到的图像划分为训练集、验证集和测试集，其中仿真图像为训练集和验证集，采集得到的红外图像为测试集；
5、步骤3）将训练集送入基于u-net网络和空间-通道注意力机制结合的深度学习网络中进行训练，将训练过程中得到的算法模型运用在验证集上，并且利用得到的数据结果评估模型的检测性能，利用adam优化器进行迭代训练实现梯度的反向传播，调整模型中的参数并进行反复训练；
6、步骤4）将测试集中的红外图像送入训练完成的算法模型中，模型经过运算后实现微孔缺陷的自动分割，完成缺陷的检测。
7、作为一种优选方案，本专利技术所述步骤1）中，采集100张红外图像，扩增后的仿真图像为250张。
8、作为另一种优选方案，本专利技术所述步骤1）中，利用仿真软件comsol模拟热场下材料表面微孔缺陷的红外热成像得到仿真图像，对仿真图像进行数据样本量扩增。
9、作为另一种优选方案，本专利技术所述步骤1）中，红外图像的采集方式为：扫查台搭载热像仪和激光激励源在飞艇囊体表面移动，利用激光激励源在飞艇囊体表面对蒙皮材料进行加热，利用计算机控制系统控制热像仪的控制软件采集图像。
10、作为另一种优选方案，本专利技术所述步骤1）中，利用labelme软件将红外图像和仿真图像中的微孔缺陷做好标记。
11、作为另一种优选方案，本专利技术所述步骤2）中，训练集与验证集中仿真图像数量的比例为9:1。
12、作为另一种优选方案，本专利技术所述热像仪的空间分辨率为640×512像素，热像仪的图像采集频率设置为50hz。
13、作为另一种优选方案，本专利技术所述步骤3）中，在训练过程中采用翻转、旋转数据增强方法，将训练集中的仿真图像扩充到1000张。
14、作为另一种优选方案，本专利技术所述步骤3）中，迭代训练的次数为100次，并且在训练的后30次中，冻结主干网络完成训练，仅对网络中的参数实现微调，在所得到的算法模型中选取训练损失最小、平均精度最高的算法模型。
15、作为另一种优选方案，本专利技术所述步骤3）中，adam优化器的学习率范围为1×10-6到1×10-4之间，学习率的下降方式为余弦退火算法。
16、作为另一种优选方案，本专利技术所述步骤3）中，u-net网络利用滑动窗口捕获每个像素周围的区域作为输入，特征提取网络在忽略图像中像素位置信息的前提下，对图像的特征进行编码；特征融合网络将下采样特征图融合到相应的层上，并恢复特征图的位置信息。
17、其次，本专利技术所述步骤3）中，在u-net网络的解码器的网络跳跃连接层中加入空间-通道注意力机制，使网络增加对缺陷区域的关注。
18、另外，本专利技术所述步骤3）中，空间-通道注意力机制使用1×1的卷积结构对权值进行调整，分别在特征图的 x方向和 y方向上分别进行平均池化，获取图像在高度和宽度两个方向的特征图，将这两个方向上的特征图分别进行拼接合并并进行堆叠，将宽和高的特征合并，并使用卷积层和激活函数获取其特征，之后再将得到的特征层分开并转置后，获得两个特征层；再利用卷积层和sigmoid函数获取高维度和宽维度上的注意力机制，乘上输入的特征层得到最终的结果。
19、本专利技术有益效果。
20、本专利技术采集飞艇蒙皮表面的红外图像，利用改进的算法对微孔缺陷进行检测和自动分割；检测速度快、准确率高。
21、本专利技术采用基于u-net网络和空间-通道注意力机制结合的深度学习网络进行训练得到的算法模型，可完成微孔缺陷的定位和自动检测；同时能够在增加少量参数且不影响网络训练速度的前提下，有效地提升网络的缺陷检出率。
本文档来自技高网...【技术保护点】
1.一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤1）中，利用仿真软件comsol模拟热场下材料表面微孔缺陷的红外热成像得到仿真图像，对仿真图像进行数据样本量扩增。
3.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤1）中，红外图像的采集方式为：扫查台搭载热像仪和激光激励源在飞艇囊体表面移动，利用激光激励源在飞艇囊体表面对蒙皮材料进行加热，利用计算机控制系统控制热像仪的控制软件采集图像。
4.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤1）中，利用labelme软件将红外图像和仿真图像中的微孔缺陷做好标记。
5.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，在训练过程中采用翻转、旋转数据增强方法，将训练集中的仿真图像扩充到1000张。
6.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分
7.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，Adam优化器的学习率范围为1×10-6到1×10-4之间，学习率的下降方式为余弦退火算法。
8.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，U-Net网络利用滑动窗口捕获每个像素周围的区域作为输入，特征提取网络在忽略图像中像素位置信息的前提下，对图像的特征进行编码；特征融合网络将下采样特征图融合到相应的层上，并恢复特征图的位置信息。
9.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，在U-Net网络的解码器的网络跳跃连接层中加入空间-通道注意力机制，使网络增加对缺陷区域的关注。
10.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，空间-通道注意力机制使用1×1的卷积结构对权值进行调整，分别在特征图的x方向和y方向上分别进行平均池化，获取图像在高度和宽度两个方向的特征图，将这两个方向上的特征图分别进行拼接合并并进行堆叠，将宽和高的特征合并，并使用卷积层和激活函数获取其特征，之后再将得到的特征层分开并转置后，获得两个特征层；再利用卷积层和sigmoid函数获取高维度和宽维度上的注意力机制，乘上输入的特征层得到最终的结果。
...【技术特征摘要】
1.一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于包括以下步骤：
2.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤1）中，利用仿真软件comsol模拟热场下材料表面微孔缺陷的红外热成像得到仿真图像，对仿真图像进行数据样本量扩增。
3.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤1）中，红外图像的采集方式为：扫查台搭载热像仪和激光激励源在飞艇囊体表面移动，利用激光激励源在飞艇囊体表面对蒙皮材料进行加热，利用计算机控制系统控制热像仪的控制软件采集图像。
4.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤1）中，利用labelme软件将红外图像和仿真图像中的微孔缺陷做好标记。
5.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，在训练过程中采用翻转、旋转数据增强方法，将训练集中的仿真图像扩充到1000张。
6.根据权利要求1所述一种大型囊体材料红外热成像缺陷自适应分割方法，其特征在于所述步骤3）中，迭代训练的次数为100次，并且在训练的后30次中，冻结主干网络完成训练，仅对网络中的参数实现微调，在所得到的算法模型中选取训练损失最小、平均精度最高的算法模型。
【专利技术属性】
技术研发人员：张海，胡珏，张志洋，姜贵民，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
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。