典型文献
基于二阶段网络的起重机小样本图像锈蚀检测
文献摘要：
基于图像的表面锈蚀检测是起重机损伤检测的重要新兴技术.由于起重机械的结构形状复杂,无人机等设备获取的起重机图像会包含大量的阴影以及黑色背景物,易被误识别为锈蚀;同时,起重机属于高端装备,锈蚀损伤样本量往往不足,加重了锈蚀检测的难度.针对以上问题,文中提出了一种基于二阶段网络的起重机小样本图像锈蚀检测算法.具体地,设计了一个包含分割和决策的二阶端到端学习网络,其中分割网络使用锈蚀损伤的标签进行训练,决策网络则根据分割网络提取的特征,进一步学习判断输入的图片中是否包含锈蚀损伤,并通过将二阶段的网络由类似于VGGNet的结构提升为类似于ResNet的残差结构来对网络进行优化.实验结果表明,提出的方法有效提升了图像锈蚀检测的精度,在自建的起重机小样本图像锈蚀数据集上,将模型的平均精度由94.2％提升到了98.1％,满足了起重机工业场景下的损伤检测要求.
文献关键词：
起重机;小样本学习;二阶段网络;语义分割;锈蚀检测
中图分类号：
作者姓名：
王华;张燕超;吴波;翟象平;魏明强
作者机构：
江苏省特种设备安全监督检验研究院 南京 210036;南京航空航天大学计算机科学与技术学院 南京 211106
文献出处：
引用格式：
[1]王华;张燕超;吴波;翟象平;魏明强-.基于二阶段网络的起重机小样本图像锈蚀检测)[J].起重运输机械,2022(19):47-55
A类：
B类：
二阶段网络,小样本图像,锈蚀检测,表面锈蚀,损伤检测,起重机械,结构形状,阴影,景物,误识,于高端,高端装备,锈蚀损伤,样本量,检测算法,一个包,端到端,学习网络,分割网络,网络使用,学习判断,VGGNet,结构提升,ResNet,残差结构,机工,工业场景,检测要求,小样本学习,语义分割
AB值：
0.286219
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
