基于改进Mask-RCNN的飞行器结构裂纹自动检测方法

TH878; 计算机视觉的裂纹自动识别算法在飞机结构疲劳试验中具有较好的工程应用前景,但由于飞机结构构型多样及疲劳试验环境复杂,传统方法的裂纹识别准确率难以满足要求.针对此问题,设计了一种基于关键结构定位的检测策略,并以目标分割算法掩码-区域卷积神经网络(Mask-region convolutional neural network,简称Mask-RCNN)为基础对模型架构和非极大值抑制模块进行了适应性改进,提出了一种裂纹自动识别方法.该方法具有主动避开干扰因素、对图片质量要求较低的特点,同时利用Mask-RCNN将像素信息引入参数优化的特性,具备更高的识别准确率.在元件疲劳试验中,该方法对...

Full description

Saved in:
Bibliographic Details
Published in振动、测试与诊断 Vol. 41; no. 3; pp. 487 - 494
Main Authors 吕帅帅, 杨宇, 王彬文, 裴连杰
Format Journal Article
LanguageChinese
Published 中国飞机强度研究所 西安,710065 01.06.2021
Subjects
机器视觉
裂纹
目标分割算法掩码-区域卷积神经网络
深度学习
Online AccessGet full text

Cover

More Information
Summary:TH878; 计算机视觉的裂纹自动识别算法在飞机结构疲劳试验中具有较好的工程应用前景,但由于飞机结构构型多样及疲劳试验环境复杂,传统方法的裂纹识别准确率难以满足要求.针对此问题,设计了一种基于关键结构定位的检测策略,并以目标分割算法掩码-区域卷积神经网络(Mask-region convolutional neural network,简称Mask-RCNN)为基础对模型架构和非极大值抑制模块进行了适应性改进,提出了一种裂纹自动识别方法.该方法具有主动避开干扰因素、对图片质量要求较低的特点,同时利用Mask-RCNN将像素信息引入参数优化的特性,具备更高的识别准确率.在元件疲劳试验中,该方法对铆钉、裂纹的识别准确率分别为100％和87.5％,相较于现有方法优势显著.
ISSN:1004-6801
DOI:10.16450/j.cnki.issn.1004-6801.2021.03.010