基于目标检测技术的主船体结构外部裂纹检测方法

设计一种基于目标检测技术的主船体结构外部裂纹自动检测模型,该模型以YOLOv5为框架,首先基于路面开裂等公开数据集中已有的各类表面裂纹样本对模型进行预训练,再利用主船体结构外部裂纹数据集进行迁移训练。最终模型在验证集上的测试情况:当交并比大于0.5时的平均精度均值为0.92,证明了使用目标检测技术检测船体结构裂纹的可行性。利用该模型对无人机、机器人所采集的实时图像开展主船体结构外部裂纹检测,可提高验船师检验效率并降低检验成本。

无人机深度学习去雾算法

为解决由于无人机实际飞行过程中受到雾霾的影响,使获取的图像明显降质问题,提出了一种深度学习神经网络模型DLDN,利用神经网络模型实现无人机深度学习去雾算法。首先结合暗通道先验进行去雾网络模型设计,在保证去雾精度和效果下,对网络结构进行优化;然后对含雾图像间隔多尺度卷积特征提取,采取最大池化层的方式对特征降维;最后通过修正线性单元和全连接对进行处理,得到回归结果。实验结果表明,该算法与原图相似度最高、鲁棒性较好且去雾效果明显,满足实际工程实时性要求。