基于无人机视觉的起重机表面裂纹检测方法

• 作者: 周前飞 丁树庆 冯月贵 庆光蔚 胡静波
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 无人机视觉 表面裂纹 深度神经网络 图像识别
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 28-34,75
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.10.266

摘要

为解决起重机高空金属结构不可达部位裂纹的远程可视化检测难题,提出一种基于无人机视觉的结构表面裂纹检测与识别方法.通过搭载高分辨率可见光相机的倒置式无人机检测平台,全方位采集大型起重机复杂钢结构表面图像;采用Faster R-CNN深度神经网络算法分类检测是否有裂纹缺陷,并以缺陷最小外接矩形框标记其位置;对检测出的裂纹目标框区域,利用最大熵阈值分割、Canny边缘检测、投影特征提取和骨架提取等方法,对裂纹长度、宽度、面积、长宽比等参数进行识别,并为长宽比和面积设置一定阈值,去除漆膜开裂和水渍等伪裂纹缺陷.实验结果表明,Faster R-CNN裂纹检测算法准确率达到95.4％,速度达到2 f/s,同时裂纹宽度识别误差约为5.84％,实现了起重机结构表面疲劳裂纹的远程自动化检测.