-
公开(公告)号:CN113643228B
公开(公告)日:2024-01-19
申请号:CN202110575217.5
申请日:2021-05-26
Applicant: 四川大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进的CenterNet网络的核电站设备表面缺陷检测方法,首先获取核电站设备表面图片并对其进行预处理;其次利用DLAseg网络对预处理后的图片进行特征提取,得到下采样特征图,再分别使用多种不同卷积核对得到的下采样特征图进行卷积操作,得到设备表面缺陷点的热图、偏移值以及尺寸,再将得到的热图转换成预测框,并根据偏移值和尺寸得到多个缺陷点的检测框,再利用Soft_NMS和置信度阈值去除冗余的检测框,得到设备缺陷的预测结果;最后将得到的预测结果输入神经网络进行训练,得到设备缺陷的检测结果,本方案无需调与锚点框相关的各种超参数,检测模型更加简洁,(56)对比文件王璇 等.基于改进 CenterNet的AFP铺层表面缺陷检测《.红外与激光工程》.2021,第1-16页.Xingyi Zhou 等.Objects as Points.《arXiv:1904.07850v2》.2019,第1-12页.
-
公开(公告)号:CN113643228A
公开(公告)日:2021-11-12
申请号:CN202110575217.5
申请日:2021-05-26
Applicant: 四川大学
Abstract: 本发明公开了一种基于改进的CenterNet网络的核电站设备表面缺陷检测方法,首先获取核电站设备表面图片并对其进行预处理;其次利用DLAseg网络对预处理后的图片进行特征提取,得到下采样特征图,再分别使用多种不同卷积核对得到的下采样特征图进行卷积操作,得到设备表面缺陷点的热图、偏移值以及尺寸,再将得到的热图转换成预测框,并根据偏移值和尺寸得到多个缺陷点的检测框,再利用Soft_NMS和置信度阈值去除冗余的检测框,得到设备缺陷的预测结果;最后将得到的预测结果输入神经网络进行训练,得到设备缺陷的检测结果,本方案无需调与锚点框相关的各种超参数,检测模型更加简洁,不需要大量的先验知识,其收敛速度更快,极大节省了训练模型所需要的时间。
-
公开(公告)号:CN222244813U
公开(公告)日:2024-12-27
申请号:CN202420789171.6
申请日:2024-04-16
Applicant: 四川大学 , 中国核动力研究设计院
Abstract: 本实用新型公开了一种核工业设备缺陷智能检测机器人,其包括移动主体,移动主体上设置有横移模块,横移模块上设置有升降模块,升降模块上设置有第一旋转模块,第一旋转模块上设置有第二旋转模块,第二旋转模块上设置有用于缺陷智能检测的摄像头,摄像头与控制处理系统和显示屏电性连接;本方案的摄像头可实现横移、升降以及竖直方向和水平方向上的转动,以便于摄像头在三维空间内进行多角度、多高度的全方位拍摄,并通过控制处理系统实现对于核工业设备表面缺陷的自动化实时检测,并将缺陷种类、置信度以及缺陷图片、地理位置等检测结果进行记录存储;其替代了人工进行核工业设备的缺陷检测,省时省力的同时,保障了工作人员的安全。
-
-