基于FasterR-CNN的大型复杂结构件表面多尺寸多类别缺陷智能检测方法及系统
基本信息
| 申请号 | CN202210355592.3 | 申请日 | - |
| 公开（公告）号 | CN114693657A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693657A | 申请公布日 | 2022-07-01 |
| 分类号 | G06T7/00（2017.01）I;G06V10/40（2022.01）I;G06V10/84（2022.01）I;G06V10/82（2022.01）I;G06V10/80（2022.01）I;G06V10/764（2022.01）I;G06T3/00（2006.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 牛晓博;何彦;郝传鹏;康玲;刘雪晖 | 申请（专利权）人 | 重庆大学 |
| 代理机构 | 重庆航图知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 400044重庆市沙坪坝区沙正街174号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于Faster R‑CNN的大型复杂结构件表面多尺寸多类别缺陷智能检测方法，通过无人机采用大型复杂结构件表面缺陷区域图像；然后进行图像标注增强处理，提取特征及特征融合，对缺陷位置粗定位和分类；最后通过分类和回归网络进行缺陷的分类以及位置的精调，最终得到大型复杂结构件表面缺陷类别和位置。本方法解决了目前针对大型构件的多类多尺寸的表面缺陷不能进行准确分类和定位的问题，采用自适应的缺陷检测定位框和特征金字塔策略，相对于传统的缺陷检测方式，该方法具有识别准确度高和定位精确的特点，同时针对小缺陷改进了更适合样本缺陷的锚选框，为大型构件缺陷严重程度的评估提供了快速、准确、有效的检测方法。 |
