[發明專利]一種基于卷積神經網絡的飛機結構裂紋檢測方法在審
| 申請號： | 202310329782.2 | 申請日： | 2023-03-30 |
| 公開（公告）號： | CN116245872A | 公開（公告）日： | 2023-06-09 |
| 發明（設計）人： | 王葉子;呂帥帥;楊宇;李嘉欣;楊海龍 | 申請（專利權）人： | 中國飛機強度研究所 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/33;G06V10/22;G06V10/764;G06N3/08;G06V10/774;G06V10/82;G06N3/0464 |
| 代理公司： | 北京航信高科知識產權代理事務所(普通合伙) 11526 | 代理人： | 高原 |
| 地址： | 710065 陜*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 卷積 神經網絡 飛機 結構 裂紋 檢測 方法 | ||
1.一種基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，包括：
步驟一、構建裂紋圖像數據集；
步驟二、通過所述裂紋圖像數據集對YOLOv5網絡進行訓練，得到YOLOv5模型；
步驟三、構建差異圖數據集；
步驟四、獲取改進型YOLOv5網絡，通過所述差異圖數據集對所述改進型YOLOv5網絡進行訓練，得到改進型YOLOv5模型；
步驟五、根據所述YOLOv5模型以及所述改進型YOLOv5模型，對待檢測圖像進行整體測試。
2.根據權利要求1所述的基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，步驟一中，所述構建裂紋圖像數據集，包括：
S11、采用工業相機對疲勞試驗中的N個被監測結構進行持續定點拍攝，直至裂紋萌生，得到N張包含裂紋的裂紋圖像，以及與每張裂紋圖像對應的無裂紋的模板圖像；
S12、采用Labelimg軟件對所述裂紋圖像中萌生裂紋的重點部位進行標注，得到N個標注文件；
S13、將所述裂紋圖像以及與所述裂紋圖像對應的標注文件劃分為裂紋圖像訓練集和裂紋圖像測試集。
3.根據權利要求2所述的基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，S12中，所述重點部位包括鉚釘、孔邊、倒角。
4.根據權利要求2所述的基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，S13中，所述裂紋圖像訓練集和所述裂紋圖像測試集按照7:3的比例劃分。
5.根據權利要求2所述的基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，步驟二中，所述通過所述裂紋圖像數據集對YOLOv5網絡進行訓練，得到YOLOv5模型，包括：
將所述裂紋圖像數據集中的裂紋圖像訓練集輸入YOLOv5網絡，進行網絡訓練和參數優化，直至YOLOv5網絡在裂紋圖像測試集上的檢測準確率達到閾值，得到YOLOv5模型。
6.根據權利要求5所述的基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，步驟三中，所述構建差異圖數據集，包括：
S31、將N張裂紋圖像依次輸入所述YOLOv5模型中，得到裂紋圖像的重點部位圖以及重點部位坐標信息；
S32、將裂紋圖像與對應的模板圖像進行圖像配準，并根據重點部位坐標信息，從模板圖像中裁剪出重點部位圖，得到模板圖像的重點部位圖；
S33、對裂紋圖像的重點部位圖與模板圖像的重點部位圖進行對數運算和比值運算，得到N個重點部位差異圖；
S34、采用Labelimg軟件對所述重點部位差異圖中的裂紋進行標注，得到N個標注文件；
S35、將所述重點部位差異圖以及與所述重點部位差異圖對應的標注文件劃分為差異圖訓練集和差異圖測試集。
7.根據權利要求6所述的基于卷積神經網絡的飛機結構裂紋檢測方法，其特征在于，S35中，所述差異圖訓練集和所述差異圖測試集按照7:3的比例劃分。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國飛機強度研究所，未經中國飛機強度研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310329782.2/1.html，轉載請聲明來源鉆瓜專利網。
