裂縫是船舶致命的缺陷,不僅會降低艦船的防水性能,嚴重時還會導致整個船體的結(jié)構破裂,導致船舶沉沒等嚴重事故。因此,在船舶的生產(chǎn)與制造過程中及時對船舶的裂縫進行識別,在船舶的正常運行維護中提早發(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,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)絡的船舶裂縫圖像識別系統(tǒng),分別從圖像識別技術和神經(jīng)網(wǎng)絡算法進行了相關的闡述。 

【文章來源】：艦船科學技術. 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)絡的船舶裂縫圖像處理技術2.1船舶裂縫圖像識別系統(tǒng)的整體設計與工作流程本文結(jié)合卷積神經(jīng)網(wǎng)絡算法，設計一種船舶裂縫圖像的自動識別系統(tǒng)，該系統(tǒng)主要分為3個模塊，分別是照片數(shù)據(jù)管理模塊、裂縫圖像自動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行裂縫識別圖像的存儲和圖像識別結(jié)果的查詢。裂縫自動檢測模塊和輔助檢測模塊的主要功能包括圖像預處理和特征提齲圖2為基于卷積神經(jīng)網(wǎng)絡的船舶裂縫圖像自動檢測系統(tǒng)構成。圖2基于卷積神經(jīng)網(wǎng)絡的裂縫圖像自動檢測系統(tǒng)Fig.2Automaticcrackdetectionsystembasedonconvolutionneuralnetwork在裂縫自動檢測和輔助檢測模塊中，船舶裂縫圖像的圖像增強、區(qū)域分割、噪聲過濾和缺陷特征檢測是四個關鍵環(huán)節(jié)。1）圖像增強圖像增強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。常用的圖像增強方法包括灰度變換法、模糊算法等。圖像增強過程中，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，在離焊縫相對較遠的圖像位置，將灰度值設置為零。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·艦船科學技術第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，卷積神經(jīng)網(wǎng)絡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)圖像識別技術獲得的船舶裂縫圖像，圖4(b)為基于卷積神經(jīng)網(wǎng)絡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)絡算法設計一種裂縫圖像的自動識別系統(tǒng)，在船舶裂縫圖像識別中取得了良好的效果。參考文獻：劉洪公,王學軍,李冰瑩,等.基于卷積神經(jīng)網(wǎng)絡的橋梁裂縫檢測與識別[J].河北科技大學學報,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檢測算法[J].系統(tǒng)仿真學報,2017(9):2009–2015.[2]李良福,馬衛(wèi)飛,李麗,等.基于深度學習的橋梁裂縫檢測算法研究[J].自動化學報,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)絡結(jié)合的船舶裂縫圖像處理技術·93·

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



本文編號：3547246