基于无人机视觉的起重机表面裂纹检测方法

• 全文链接
• 请求原文

作   者：

周前飞;  丁树庆;  冯月贵;  庆光蔚;  胡静波; 

作者机构：

南京市特种设备安全监督检验研究院; 

关键词：

深度神经网络;  表面裂纹;  无人机视觉;  图像识别; 

期刊名称：

测控技术

i s s n：

1000-8829

年卷期：

2022 年 41 卷 004 期

页   码：

28-34,75

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.