Feb, 2024

一种光学钢绳无损损伤检测的新方法

PDF
TL;DR本文提出了一种新颖的算法用于高海拔环境（空中缆车）中钢丝绳的无损损伤检测，该算法包括两个主要组成部分：首先，设计了一个名为 RGBD-UNet 的分割模型，能够准确地从复杂背景中提取钢丝绳。该模型通过提出的 CMA 模块能够处理和组合颜色和深度信息。其次，开发了一个名为 VovNetV3.5 的检测模型，用于区分正常和异常的钢丝绳。它将 VovNet 架构与 DBB 模块集成以提高性能。此外，提出了一种新颖的背景增强方法以增强分割模型的泛化能力。已创建包含不同场景下钢丝绳图像的数据集，用于训练和测试分割和检测模型。实验证明与基准模型相比有显著改进。在提出的数据集上，检测模型达到了最高 0.975 的准确率，分割模型达到了最高 0.948 的 F-measure 值。
non-destructive damage detectionsteel ropeshigh-altitude environmentsrgbd-unetvovnetv3.5
发现论文，激发创造
  • 基于 RGB-D 数据的工业异常检测双支路重构网络

    基于 RGB-D 输入，我们提出了一种轻量级的双分支重建网络 (DBRN)，通过学习正常和异常样本之间的决策边界，使用深度图而不是点云输入来消除两种模态之间的对齐要求，并引入了一个重要性评分模块来辅助融合这两种模态的特征，从而在 MVTec 3D-AD 数据集上实现了 92.8% 的 AUROC，并具有很高的推理效率，无需使用大型预训练模型和记忆库。

    Nov, 2023

  • 使用 Detectron2 框架进行合成纤维绳缺陷检测

    利用 Detectron2 库中的 Mask R-CNN 架构，在合成纤维绳索中实现缺陷的自动检测，以提高检查过程并确保绳索的安全。

    Sep, 2023

  • 基于无监督语义分割的架空线缺陷识别

    该研究提出了一种基于 Faster RCNN 网络和无监督语义分割的新型缺陷识别框架，通过识别目标设备的类型和位置、利用语义分割区分设备和背景，并运用相似度度量和逻辑规则对缺陷进行分类，从而提高了空中线路中设备问题的准确性和适应性，为配电网络设备检测的自动化提供了新的视角。

    Nov, 2023

  • 野外 RGB 图像中风力发电机叶片的稳健分割

    为实现风力涡轮机的结构健康监测，我们提出了一种新型分割算法，它利用已知数据填补空洞，使用组合损失函数加正则化项，并通过随机森林消除错误分类，最终实现了高达 97.39% 的准确率。

    Jun, 2023

  • 合成纤维绳索的条件监测图像数据集

    通过生成一个包含正常和有缺陷的合成纤维绳的综合数据集，本研究旨在支持自动化缺陷检测系统的开发，以优于传统的视觉检验方法，并在广泛应用中实现合成纤维绳的更安全、更高效的利用。

    Sep, 2023

  • 基于改进神经网络算法的近海风力发电机组实时断裂检测

    通过引入 YOLOv8 目标检测模型的高级版本，结合卷积块注意力模块（CBAM）来改善特征识别，进一步优化损失函数，本研究在 Saemangeum 海上风力发电场和公开可用的数据集上进行了严格测试，结果显示缺陷检测稳定性显著提高，对于高效的涡轮维护迈出了重要一步，为未来的研究提供了启示，有可能革新可持续能源实践。

    Jul, 2023

  • 针对钢桥高分辨率图像中裂缝的深度学习分割

    利用无人机和图像处理技术自动化当前桥梁视觉检查实践是提高检查效果、鲁棒性和降低成本的一种显著途径。本文研究了一种新颖的深度学习方法，用于检测高分辨率钢桥图像中的疲劳裂纹，首先，我们介绍了一个包含钢桥裂纹图像的新颖而具有挑战性的数据集。其次，我们将 ConvNext 神经网络与先前最先进的编码器 - 解码器网络集成，进行裂纹分割研究和报告，并研究了在应用于高分辨率钢桥裂纹图像时使用背景补丁对网络性能的影响。最后，我们引入了一种损失函数，允许在训练过程中使用更多的背景补丁，从而显著降低了误报率。

    Mar, 2024

  • M3DM-NR：RGB-3D 多模态去噪工业异常检测

    该研究论文介绍了 RGB-3D 多模态噪声异常检测的新方法 M3DM-NR，通过利用 CLIP 的强大多模态区分能力，提出了噪声抵抗型的框架，并通过阶段性的处理实现了训练样本的去噪，最终实现了 3D-RGB 多模态噪声异常检测与分割，超过了现有的方法。

    Jun, 2024

  • RescueNet：卫星图像中建筑物分割和损伤评估的联合方法

    RescueNet 是一个集成模型，采用了局部相关的二进制交叉熵损失函数来同时分割建筑和评估破坏水平，该模型可以进行端到端的训练，并获得比现有方法更好的性能，它可以在各种地理区域和灾难类型下实现通用。

    Apr, 2020

  • DUNet：用于视网膜血管分割的可变形网络

    提出 Deformable U-Net（DUNet）进行视网膜血管分割，其中将可变卷积与提出的网络结合，通过自适应地调整感受野来捕获不同形状和规模的眼底血管，实现疾病诊断。实验结果表明，DUNet 在 DRIVE、STARE 和 CHASE_DB1 等数据集上的全局准确度和 AUC 显著优于其他方法。

    Nov, 2018