基于深度学习的金属表面腐蚀等级检测研究

为了实现复杂条件下配电箱金属表面腐蚀等级的快速、较准确检测,结合深度学习对金属腐蚀检测进行深入研究。现场采集了湖北电力公司中配电箱金属表面腐蚀图片,且对配电箱所属区域环境进行了较详细的分析,获得了较好的金属腐蚀等级标签。在使用连续多层小型卷积滤波器的基础上,添加SENet特征提取模块,提出MS1Net卷积神经网络模型,并使用交叉熵损失函数对MS1Net进行优化。为了验证MS1Net有效性,针对同一网络不同损失函数之间进行对比实验,结果验证交叉熵损失函数收敛更快,loss最低值达到0.077 0。针对多个网络结构如ZFNet、VGG16和MS1Net进行对比实验,最终表明MS1Net能够更快速、更准确地对金属表面腐蚀等级进行检测,且检测准确率为98.44%。