浮空器主缆绳表面的小样本学习缺陷检测研究

• 作者: 陈亮希 张燕龙 陈兴玉 田富君 郭磊 周金文 查珊珊 黄健 孙丙宇
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 缺陷检测 小样本学习 度量学习 浮空器
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 机械、电气与控制
• 页码范围: 312-316
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2022.03.011

摘要

针对浮空器主缆绳表面缺陷样本获取困难的特点，提出一种小样本度量学习方法来检测主缆绳的表面缺陷。小样本学习由特征编码和度量两模块组成，特征编码模块采用预训练的卷积神经网络在通用图像集上提取样本特征，度量模块用来度量与未知类别样本最相似的样本从而完成缺陷种类的分类；由于辅助数据和检测数据差异较大，将微调策略引入小样本学习方法。实验结果表明：本文方法的缺陷检测准确率达93.17%，相比传统机器学习和深度学习方法，准确率大幅提升；微调策略可进一步提升本文方法缆绳表面缺陷检测性能，准确率由93.17%提升至93.85%；在钢材缺陷分类数据集NEU上本文方法也可获得91.22%的准确率。