[發(fā)明專利]一種基于BoltCorrDetNet網(wǎng)絡(luò)的螺栓腐蝕檢測系統(tǒng)和檢測方法

有效

• 申請?zhí)枺?/td>: 202210047757.0
• 申請日: 2022-01-17
• 公開（公告）號: CN114511515B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計）人: 劉廣信;傅勇;解恒蘇;石祥玉;趙連旨;齊魯杰;李東旭;楊彥青;馮強(qiáng);劉榮陽;劉凱;楊忠允;郭忠峰;李進(jìn);李宏波
• 申請（專利權(quán)）人: 山東高速路橋國際工程有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06V10/40;G06V10/80;G06V10/82;G06N3/04;G06N3/08;G01N17/00
• 代理公司: 山東三邦知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 37308
• 代理人: 肖太升

1.一種基于BoltCorrDetNet網(wǎng)絡(luò)的螺栓腐蝕檢測系統(tǒng)，其特征在于，由骨干網(wǎng)絡(luò)模塊、雙向融合網(wǎng)絡(luò)模塊和預(yù)測網(wǎng)絡(luò)模塊組成；

其中，骨干網(wǎng)絡(luò)模塊用于對輸入圖片進(jìn)行多尺度的特征提取，輸入的圖片為(c₀，w，h)，其中，c₀表示通道數(shù)，w和h分別表示圖片的寬度和高度像素數(shù)；骨干網(wǎng)絡(luò)模塊由6個連續(xù)的特征提取塊組成，原始輸入圖片經(jīng)過6個特征提取塊后分別輸出P1，P2，P3，P4，P5，P6；

其中，雙向融合網(wǎng)絡(luò)模塊以骨干網(wǎng)絡(luò)的輸出P2，P3，P4，P5，P6作為輸入，每一個輸入都經(jīng)過一個sc層，即統(tǒng)一通道(same channel)層，把通道數(shù)統(tǒng)一為相同的值，寬度和高度不變，該sc層是由一個卷積函數(shù)后面跟著一個批歸一化函數(shù)和激活函數(shù)構(gòu)成，卷積函數(shù)的卷積核大小為1×1，步長也為1×1；經(jīng)過sc層分別得到S0，S1，S2，S3，S4；S0，S1，S2，S3，S4分別經(jīng)過下采樣層、上采樣層和注意力融合層后得到F0，F(xiàn)1，F(xiàn)2，F(xiàn)3，F(xiàn)4共計5個輸出；

其中，預(yù)測網(wǎng)絡(luò)模塊分別以F0，F(xiàn)1，F(xiàn)2，F(xiàn)3，F(xiàn)4作為輸入，通過BoxNet用來預(yù)測目標(biāo)的邊框，ClassNet用來預(yù)測目標(biāo)的類別，即0-沒有腐蝕，1-輕度腐蝕，2-中度腐蝕，3-重度腐蝕4個類別；

所述的雙向融合網(wǎng)絡(luò)模塊的下采樣模塊由補(bǔ)丁模塊組成，輸入大小為(c，w，h)，首先經(jīng)過一個補(bǔ)丁嵌入模塊，該模塊其實是由一個卷積核和步長均為p的卷積函數(shù)后面跟著一個批歸一化函數(shù)和激活函數(shù)構(gòu)成，卷積核和步長均為p，這里p＝2；用公式表示為：

這里X表示輸入，z₀表示輸出，c_in代表輸入通道數(shù)，h代表輸出通道數(shù)，卷積核大小為p，步長也為p；

補(bǔ)丁嵌入模塊后面緊跟的模塊由縱深卷積塊和點卷積塊組成，縱深卷積的一個卷積核負(fù)責(zé)一個通道，一個通道只被一個卷積核卷積，而點卷積的卷積核的尺寸為1×1×M，M為上一層的通道數(shù)；所以這里的卷積運(yùn)算會將上一步的特征圖在深度方向上進(jìn)行加權(quán)組合，生成新的特征圖；公式表示如下：

z′_l＝BN(σ{ConvDepthwise(z_l-1)})+z_l-1 (2)

z_l+1＝BN(σ{ConvPointwise(z′_l)}) (3)

這里z_l-1代表縱深卷積的輸入，z′_l代表縱深卷積的輸出和其輸入殘差相加的結(jié)果；z_l+1代表點卷積塊的輸出；

補(bǔ)丁嵌入模塊的輸出經(jīng)過3個一模一樣的這樣的縱深卷積和點卷積的組合塊后，輸出大小為(c，w/2，h/2)；

所述的雙向融合網(wǎng)絡(luò)模塊的注意力融合層采用兩個來自不同特征層的輸入，以D1和S1作為輸入為例，注意力融合層的計算為:

A1＝Conv((w₁×D1+w₂×S1)/(w₁+w₂)) (4)

其中w_i為權(quán)重，體現(xiàn)了D1和S1的關(guān)注點權(quán)重不同，w_i為可以學(xué)習(xí)的參數(shù)；

通過使用注意力融合機(jī)制來融合不同特征層的輸入，對于螺栓腐蝕的特征提取來說，能對不同分辨率下的特征圖進(jìn)行聚焦，最終提取的特征能夠更準(zhǔn)確地幫助腐蝕類別的檢測。