一种基于深度学习的室内冰面缺陷检测方法技术

本发明专利技术公开了一种基于深度学习的冰面缺陷检测与量化系统及方法。该系统包括数据采集模块、数据增强模块、神经网络训练模块、基于双目立体视觉的检测模块和信息融合与分析模块。首先，通过数据采集模块使用多种摄像设备获取冰面缺陷的图像数据，涵盖不同光照条件和缺陷类型。接着，数据增强模块对采集到的数据进行旋转、翻转、对比度调节和噪声添加，以提高数据多样性和神经网络的泛化能力。然后，神经网络训练模块引入了多尺度特征提取模块(MSTG‑Net)以及细节增强卷积模块(MSDSC)，通过对改进后的YOLOv8神经网络进行训练，实现对冰面缺陷的分割特征提取。基于双目立体视觉的检测模块通过双目相机采集冰面图像，结合训练好的神经网络模型，获取缺陷标记信息及深度图。最后，信息融合与分析模块结合双目立体视觉测距结果，进一步确定缺陷的三维位置、表面积大小及空间形态特征。实现了对冰面缺陷的高精度识别和定位，并且为后续的冰面修复规划提供了可靠的数据支持，具有精度高、鲁棒性强和适用性广等优点。

【技术实现步骤摘要】

本专利技术属于目标检测，具体涉及一种基于多尺度特征增强的双目冰面缺陷检测系统，通过结合多尺度特征提取网络(mstg-net)、细节增强卷积模块(msdsc)和轻量化共享细节增强检测头(dsee-head)，显著提高了冰面缺陷检测的精度和效率。

技术介绍

1、随着室内冰场的广泛应用，冰面缺陷的及时检测与修复成为保障运动员安全的重要工作。然而，传统的基于人工检测的方法存在效率低、漏检率高等问题，而传统的图像处理方法虽然可以部分解决该问题，但对于冰面复杂的光学反射、缺陷类型的多样性等情况，仍然存在一定局限性。随着深度学习技术的快速发展，基于卷积神经网络的目标检测方法显示出较高的准确性和实时性。然而，在冰面缺陷检测的实际应用中，由于缺陷的多尺度特征以及冰面反光、冰碴干扰等因素，现有的深度学习模型在检测精度上仍有待提升。

2、为了解决上述问题，本专利技术提出了一种基于改进yolov8网络架构的冰面缺陷检测系统，通过多尺度特征增强网络(mstg-net)、细节增强卷积模块(msdsc)和轻量化共享细节增强检测头(dsee-head)相结合，显著提高了缺陷检本文档来自技高网...

【技术保护点】

1.基于改进的YOLOv8深度学习冰面缺陷检测方法，其特征在于：包括，

2.根据权利要求1所述的冰面缺陷检测系统，其特征在于：所述数据采集模块能够从摄像头、监控视频等多种数据源获取冰面图像，以确保冰面缺陷检测数据的全面性和多样性。

3.根据权利要求1所述的冰面缺陷检测系统，其特征在于：所述数据增强模块通过模拟不同光照、湿度和角度等环境条件来扩充数据，以增强模型的检测鲁棒性和泛化能力。

4.根据权利要求1所述的冰面缺陷检测系统，其特征在于：所述信息融合与分析模块通过结合神经网络分割结果与双目视觉的深度信息，进行冰面缺陷的精确定位与面积计算，以便在后续的冰...

【技术特征摘要】

1.基于改进的yolov8深度学习冰面缺陷检测方法，其特征在于：包括，

2.根据权利要求1所述的冰面缺陷检测系统，其特征在于：所述数据采集模块能够从摄像头、监控视频等多种数据源获取冰面图像，以确保冰面缺陷检测数据的全面性和多样性。

3.根据权利要求1所述的冰面缺陷检测系统，其特征在于：所述数据增强模块通过模拟不同光照、湿度和角度等环境条件来扩充数据，以增强模型的检测鲁棒性和泛化能力。

...

【专利技术属性】
技术研发人员：李茂月，孟令强，刘思岐，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：