Page 109 - 无损检测2023年第十二期

马金鑫, 等:

基于无人机智能视觉的大型特种设备表面缺陷检测

练。最终的检测效果由检测的准确率和速度所决定。 纹图片以及40张建筑物表面裂纹图片。部分裂纹
训练样本为200张地面裂纹图片、 60张墙壁裂 缺陷训练数据集图像如图6所示。

图5 基于无人机视觉的大型特种设备表面裂纹缺陷检测流程图

图6 部分裂纹缺陷训练数据集图像
部分测试图像的裂纹检测效果如图7所示, 红色 算实现对裂纹几何尺寸的测算。

框的左上角里面的数字表示该区域为裂纹的概率。 2.2 裂纹的量化识别试验
从图7中不难看出, 该神经网络对图像中裂纹 首先通过无人机的拍摄系统获取裂纹的原始图
的检测有较高的准确率, 并且对裂纹的定位也较准 像, 之后使用最小矩形框选的方法把图像中的裂纹
确。经过对测试结果的统计, 该系统裂纹检测的准 框选出来, 最后测量出无人机与裂纹的距离。不同
确率高达95.74% 。接下来, 笔者通过进一步的计 裂纹的真实几何尺寸如表1所示。

1
7
2023年 第45卷 第12期
无损检测