裂縫是船舶致命的缺陷,不僅會(huì)降低艦船的防水性能,嚴(yán)重時(shí)還會(huì)導(dǎo)致整個(gè)船體的結(jié)構(gòu)破裂,導(dǎo)致船舶沉沒等嚴(yán)重事故。因此,在船舶的生產(chǎn)與制造過程中及時(shí)對船舶的裂縫進(jìn)行識別,在船舶的正常運(yùn)行維護(hù)中提早發(fā)現(xiàn)船舶的裂縫缺陷并處理,具有重要意義。傳統(tǒng)的船舶裂縫識別主要靠超聲波探測等技術(shù),效率低,為了改善這一現(xiàn)狀,本文研究了一種基于圖像識別與卷積神經(jīng)網(wǎng)絡(luò)的船舶裂縫圖像識別系統(tǒng),分別從圖像識別技術(shù)和神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了相關(guān)的闡述。 

【文章來源】：艦船科學(xué)技術(shù). 2020,42(14)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理原理Fig.1Imageprocessingprinciplebasedonconvolutionalneuralnetwork

i)u,v。(4)2基于圖像識別與卷積神經(jīng)網(wǎng)絡(luò)的船舶裂縫圖像處理技術(shù)2.1船舶裂縫圖像識別系統(tǒng)的整體設(shè)計(jì)與工作流程本文結(jié)合卷積神經(jīng)網(wǎng)絡(luò)算法，設(shè)計(jì)一種船舶裂縫圖像的自動(dòng)識別系統(tǒng)，該系統(tǒng)主要分為3個(gè)模塊，分別是照片數(shù)據(jù)管理模塊、裂縫圖像自動(dòng)檢測模塊和裂縫圖像輔助檢測模塊，其中，照片數(shù)據(jù)管理模塊主要功能是進(jìn)行裂縫識別圖像的存儲(chǔ)和圖像識別結(jié)果的查詢。裂縫自動(dòng)檢測模塊和輔助檢測模塊的主要功能包括圖像預(yù)處理和特征提齲圖2為基于卷積神經(jīng)網(wǎng)絡(luò)的船舶裂縫圖像自動(dòng)檢測系統(tǒng)構(gòu)成。圖2基于卷積神經(jīng)網(wǎng)絡(luò)的裂縫圖像自動(dòng)檢測系統(tǒng)Fig.2Automaticcrackdetectionsystembasedonconvolutionneuralnetwork在裂縫自動(dòng)檢測和輔助檢測模塊中，船舶裂縫圖像的圖像增強(qiáng)、區(qū)域分割、噪聲過濾和缺陷特征檢測是四個(gè)關(guān)鍵環(huán)節(jié)。1）圖像增強(qiáng)圖像增強(qiáng)的目的是提高船舶焊縫圖像的質(zhì)量，使后續(xù)圖像處理和特征提取的效率更高。常用的圖像增強(qiáng)方法包括灰度變換法、模糊算法等。圖像增強(qiáng)過程中，使船舶焊縫與背景的差異程度更大，也有利于焊縫的快速識別。2）區(qū)域分割區(qū)域分割的主要目的是將含有焊縫的圖像從原始圖像中分離出來，從而降低后續(xù)圖像處理的工作量，提高效率。區(qū)域分割的方法是在焊縫附近的像素保留原始的灰度值，在離焊縫相對較遠(yuǎn)的圖像位置，將灰度值設(shè)置為零。3）噪聲過濾船舶焊縫圖像中由于光照、天氣以及拍攝角度的原因，可能存在一些噪聲像素，由于船舶圖像中焊縫的邊界亮度較高，與噪聲像素的相似程度大，因此，需要利用不同的噪聲過濾算法去除圖像中的噪聲。比如采用高斯濾波去除圖像中的高斯噪聲。·92·艦船科學(xué)技術(shù)第42卷

)為圖像的灰度直方圖。ρt(x)s(x)=ρt(x)ρ(x)定義灰度轉(zhuǎn)換后的圖像概率密度函數(shù)為，則圖像的轉(zhuǎn)換函數(shù)為，公式兩側(cè)積分可得到圖像灰度均衡方程如下：S(x)=t0ρt(u)ρ(u)du=1A0h(u)du。(7)相對于傳統(tǒng)的圖像識別與處理算法，比如基于數(shù)據(jù)迭代的圖像識別技術(shù)，卷積神經(jīng)網(wǎng)絡(luò)在船舶裂縫圖像的處理上有明顯的優(yōu)勢，能夠快速定位船舶裂紋圖像的區(qū)域。圖4(a)為傳統(tǒng)圖像識別技術(shù)獲得的船舶裂縫圖像，圖4(b)為基于卷積神經(jīng)網(wǎng)絡(luò)算法的船舶裂縫識別圖像。圖4裂縫圖像識別系統(tǒng)對某裂縫的識別過程Fig.4Recognitionprocessofacrackbycrackimagerecognitionsystem可以明顯看出，基于卷積神經(jīng)網(wǎng)絡(luò)算法的船舶裂縫圖像識別能夠使裂縫更加明顯，提高裂縫識別的精度和效率。3結(jié)語船舶生產(chǎn)和使用過程中，裂縫缺陷檢測對于船舶的使用壽命和安全有重要的意義。本文研究的主要內(nèi)容是艦船裂縫圖像的處理與特征識別，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)一種裂縫圖像的自動(dòng)識別系統(tǒng)，在船舶裂縫圖像識別中取得了良好的效果。參考文獻(xiàn)：劉洪公,王學(xué)軍,李冰瑩,等.基于卷積神經(jīng)網(wǎng)絡(luò)的橋梁裂縫檢測與識別[J].河北科技大學(xué)學(xué)報(bào),2016,37(5):485–490.[1]高尚兵,頡正,潘志庚,等.一種新的路面裂縫自動(dòng)檢測算法[J].系統(tǒng)仿真學(xué)報(bào),2017(9):2009–2015.[2]李良福,馬衛(wèi)飛,李麗,等.基于深度學(xué)習(xí)的橋梁裂縫檢測算法研究[J].自動(dòng)化學(xué)報(bào),2019,45(9):1727–1742.[3]第42卷胡曉芳，等：圖像識別與卷積神經(jīng)網(wǎng)絡(luò)結(jié)合的船舶裂縫圖像處理技術(shù)·93·

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的橋梁裂縫檢測算法研究[J]. 李良福,馬衛(wèi)飛,李麗,陸鋮.  自動(dòng)化學(xué)報(bào). 2019(09)
[2]一種新的路面裂縫自動(dòng)檢測算法[J]. 高尚兵,頡正,潘志庚,覃方哲,李銳.  系統(tǒng)仿真學(xué)報(bào). 2017(09)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的橋梁裂縫檢測與識別[J]. 劉洪公,王學(xué)軍,李冰瑩,孟潔.  河北科技大學(xué)學(xué)報(bào). 2016(05)



本文編號：3547246