-
题名基于改进Mask R-CNN的无人船视觉检测
被引量：1
- 1
-
-
作者
佟剑峰
于雨
-
机构
齐鲁工业大学(山东省科学院)山东省科学院海洋仪器仪表研究所
山东省海洋监测仪器装备技术重点实验室
国家海洋监测设备工程技术研究中心
-
出处
《船海工程》
北大核心
2025年第1期6-12,共7页
-
基金
国家自然科学基金(41706101)。
-
文摘
针对无人船视觉检测算法准确率低及水界线检测困难的问题,构造自定义数据集并提出改进Mask R-CNN网络模型的无人船视觉检测算法。改进后的算法以Mask R-CNN网络模型为检测框架,将骨干网络由ResNet50替换成ResNeXt50并加入SENet注意力机制模块提高模型的特征提取能力;在特征金字塔网络(feature pyramid network,FPN)中加入多尺度的特征提取模块(inception模块),提高特征图的融合效果;加入多尺度锚框(anchors),提高模型对于多尺度目标的检测效果;通过直方图均衡化、调整对比度的方式对输入图像进行预处理,优化输入图像。结果表明,改进后的Mask R-CNN网络模型相比于原始的网络模型在目标检测任务中平均精度均值(mean average precision,mAP)提高了8.86%,交并比为0.5条件下的平均精度(IOU=0.5 average precision,AP 50)提高了9.39%;在实例分割任务中mAP提高了4.55%,AP 50提高了4.63%。相关改进,提高了无人船视觉检测的效率。
-
关键词
无人船视觉
Mask
r-cnn网络模型
骨干网络
注意力机制
特征融合
-
Keywords
unmanned ship vision
Mask r-cnn network model
backbone
attention mechanism
feature fusion
-
分类号
U675.7
[交通运输工程—船舶及航道工程]
-
-
题名基于深度学习的油封缺陷检测方法研究
被引量：1
- 2
-
-
作者
夏桂方
于正林
-
机构
长春理工大学机电工程学院
-
出处
《机电工程》
CAS
北大核心
2023年第1期69-75,共7页
-
基金
吉林省科技厅重点资助项目(20190302069GX)。
-
文摘
在传统的油封缺陷检测中,存在油封表面质量缺陷尺寸小、人工检测效率低、漏检错检率高、成本高等问题,为此,以油封缺陷为研究对象,提出了一种基于深度学习Faster R-CNN框架的多尺度特征融合的改进算法。首先,构建了油封缺陷检测系统,采集了油封缺陷图像,经扩增及标注等预处理后制作了数据集;然后,研究了油封缺陷尺寸较小导致的识别精度低问题,设计了Faster R-CNN网络基于FPN+ResNet50框架进行特征多尺度融合改进的方法;最后,采用了预训练参数送入改进的Faster R-CNN网络模型,并对油封缺陷数据集进行深度训练的方法,进行了油封缺陷的检测实验。研究结果表明:该模型的检测精确度和速度综合性能优于固有的Faster R-CNN网络模型,划痕、毛刺和凹缺的检测精确度分别达到0.96、0.95和0.97,召回率分别达到0.89、0.88和0.91,mAP可达85.5%,高于改进前模型1.4%,识别速度可达16 fps,高于油封生产速度;该检测方法可以满足油封缺陷的检测要求。
-
关键词
机械密封
主唇口问题
密封失效
Faster
r-cnn网络模型
深度训练
多尺度特征融合
-
Keywords
mechanical seal
main lip problem
seal failure
Faster r-cnn network model
deep training
feature multi-scale fusion
-
分类号
TH136
[机械工程—机械制造及自动化]
TB114.3
[理学—概率论与数理统计]
-
