公开(公告)号：CN118840337A

公开(公告)日：2024-10-25

申请号：CN202410884809.9

申请日：2024-07-03

Applicant: 江苏省特种设备安全监督检验研究院 ,  东南大学

Inventor： 陈洪良 ,  赵凯文 ,  沈刚 ,  张燕超 ,  许飞云

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/25

Abstract: 本发明公开了一种基于卷积神经网络的起重机轨道缺陷识别方法，属于图像处理技术领域，本发明通过对Faster RCNN算法框架进行改进，使用ResNet50作为Faster RCNN的主干特征提取网络并集成FPN结构，并加入ROI Align层，实现多尺度预测并最大限度保留图像细节信息，提高了对起重机轨道缺陷检测的准确性，使用随机梯度下降SGD优化器来更新模型参数，对分类损失计算后使用回归器平滑L1损失Smooth L1Loss，通过EfficientNetB0网络识别起重机轨道图片是否含有缺陷，再将含有缺陷的图片输入改进Faster RCNN检测网络，通过筛选出含有缺陷的图片进行检测，降低了不必要的数据计算量和误差，提高了起重机轨道缺陷的检测效率，增强了缺陷识别的特征提取能力、图像分类能力和环境适应性。