原文传递
基于机器视觉的斜拉桥拉索表面缺陷检测方法研究
| 论文题名： | 基于机器视觉的斜拉桥拉索表面缺陷检测方法研究 |
| 关键词： | 斜拉桥;拉索表面缺陷检测;缺陷分割;检测系统 |
| 摘要： | 目前，人工检测是拉索表面缺陷的主要检测方法，此种方式存在效率低，危险性高，检测结果主观性强的缺点，如何快速、准确地检测拉索表面缺陷成为行业一大难题。本文针对实际检测工况，以孔洞、缝隙、损伤三种常见缺陷为研究对象，基于机器视觉技术实现拉索表面缺陷的自动化检测，具体工作内容如下： 1.拉索表面缺陷检测装置设计。本文在参阅国内外相关文献的基础上，结合项目需求和拉索检测实际工况，确定系统设计方案和检测流程，并通过环境背景去除算法消除周边环境干扰，提高后续检测精度。 2.拉索表面缺陷的在线识别。对传统YOLOV3模型进行改进：获取符合拉索表面缺陷特征的先验框尺寸；削减主干特征提取网络的残差块数量，提高检测效率，后端添加SPP结构可以融合不同感受野的显著特征提升整体网络的检测精度；采用CIOU作为预测框回归损失，并增加分类损失在总损失中的权重占比，提高预测框定位与分类精度。最后对改进的模型进行测试，测试结果：改进模型的mAP达到93.7%，FPS指数为17，满足拉索缺陷识别精度和实时性需求。 3.拉索表面缺陷的离线检测。将视频拆分成图像序列，高斯滤波去除噪声干扰，使用传统图像和语义分割两种方法完成缺陷检测。传统图像：使用亮度均衡算法进行图像增强，并通过二值化和4邻域连通区域分析法寻找拉索表面缺陷。语义分割：搭建了编码器-解码器结构的拉索表面缺陷分割模型，选用优化后的MobileNetV2作为编码器部分，解码器部分添加PSP结构与多尺度融合结构，提升模型分割的精细度。最后对模型进行性能测试和方法对比，结果显示：本文的语义分割模型MAP与MIOU分别达到89.88%和79.25%，单张图片处理速度为41.34ms，分割效果优于其他方法，满足批量分割拉索表面图像的需求。 4.系统软件开发与检测试验。设计了拉索表面缺陷检测系统的上位机界面，结合检测试验介绍了各个界面模块的功能，用户可以通过界面对拉索表面缺陷进行在线识别和离线检测，并将检测结果保存在数据库中，实现数据可追溯。 |
| 作者： | 谢梦鸣 |
| 专业： | 控制工程 |
| 导师： | 李运堂;许昌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国计量大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
