一种基于深度学习的飞机油箱多余物自动检测方法
基本信息
| 申请号 | CN201911394207.0 | 申请日 | - |
| 公开（公告）号 | CN111145239B | 公开（公告）日 | 2022-02-11 |
| 申请公布号 | CN111145239B | 申请公布日 | 2022-02-11 |
| 分类号 | G06T7/55（2017.01）I;G06T7/50（2017.01）I;G06T7/00（2017.01）I;G06N3/08（2006.01）I;G06N3/04（2006.01）I;G06V20/40（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 汪俊;杨建平;龚小溪;李艺达 | 申请（专利权）人 | 南京耘瞳科技有限公司 |
| 代理机构 | 南京钟山专利代理有限公司 | 代理人 | 戴朝荣;金子娟 |
| 地址 | 211106 江苏省南京市江宁区双龙大道1698号1003-1005室（江宁开发区） | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的飞机油箱多余物自动检测方法，包括：从探测机械臂末端挂载的深度相机中获取彩色图像和深度图像，形成油箱图像集和图像标签集；将油箱多余物可划分为金属碎屑、密封胶、螺帽和施工工具四类情况；将彩色图像和深度图像配对建立训练数据集，并将图像划分为训练集、验证集和测试集，以及相应的标签集；使用卷积神经网络构建前端特征提取器，分别对训练集中的彩色图像和深度图像提取特征并进行特征融合；使用区域候选网络构建后端目标检测器，之后进行卷积神经网络和区域候选网络的训练，最终利用训练后的模型输检测飞机油箱图像中多余物的位置以及对应4个多余物类型的概率，具有检测效率高，检测精度高的优点。 |
