基于机器视觉与深度学习的飞机防护栅裂纹检测系统

针对传统飞机防护栅裂纹检测中存在的效率低、可靠性差等问题,基于机器视觉技术设计一种飞机防护栅裂纹检测装置,并结合图像处理技术与深度学习原理提出一种飞机防护栅裂纹检测算法。设计飞机防护栅裂纹检测系统,研究防护栅裂纹图像识别算法。采集并整理飞机防护栅裂缝图像,研究并制作飞机防护栅裂纹检测数据集;分别以ZF-Net、VGG-16和ResNet-101卷积神经网络作为Faster-RCNN特征提取网络,开展飞机防护栅表面裂纹和缺陷裂纹检测研究。实验结果表明:3种模型均达到了良好的检测精度,其检测精度分别为92.79%、95.12%和97.54%,其中ResNet-101网络检测效果最好,相比于现有的防护栅裂纹机器视觉检测方法,漏检率和虚警率分别下降了22.54%和89.28%,检出率提高了22.54%;ResNet-101网络在不同光照条件下仍有较高的检测精度,检测装置和检测算法有效,可为飞机防护栅的检测提供了新方法。