基于二阶段网络的起重机小样本图像锈蚀检测

作者：王华; 张燕超; 吴波; 翟象平; 魏明强

来源：起重运输机械, 2022, (19): 47-55.

• 起重机
• 小样本学习
• 二阶段网络
• 语义分割
• 锈蚀检测

基于图像的表面锈蚀检测是起重机损伤检测的重要新兴技术。由于起重机械的结构形状复杂，无人机等设备获取的起重机图像会包含大量的阴影以及黑色背景物，易被误识别为锈蚀；同时，起重机属于高端装备，锈蚀损伤样本量往往不足，加重了锈蚀检测的难度。针对以上问题，文中提出了一种基于二阶段网络的起重机小样本图像锈蚀检测算法。具体地，设计了一个包含分割和决策的二阶端到端学习网络，其中分割网络使用锈蚀损伤的标签进行训练，决策网络则根据分割网络提取的特征，进一步学习判断输入的图片中是否包含锈蚀损伤，并通过将二阶段的网络由类似于VGGNet的结构提升为类似于ResNet的残差结构来对网络进行优化。实验结果表明，提出的方法有效提升了图像锈蚀检测的精度，在自建的起重机小样本图像锈蚀数据集上，将模型的平均精度由94.2%提升到了98.1%，满足了起重机工业场景下的损伤检测要求。

• 单位
  南京航空航天大学; 江苏省特种设备安全监督检验研究院