一种用于桥梁爬索机器人的深度学习缺陷检测方法与流程

技术特征：

1.一种用于桥梁爬索机器人的深度学习缺陷检测方法，所述方法通过以下装置实现，所述装置包括四台检测摄像机、桥梁爬索机器人、四路图像分割器、无线图传发射器、无线图传接收器、视频采集卡、远程主机，四台检测摄像机安装在桥梁爬索机器人周向四等分位置捕获拉索表面图像，检测摄像机通过信号接口连接无线图传发射器，远程识别主机通过usb连接视频采集卡，视频采集卡通过信号接口连接无线图传接收器，该方法通过爬壁机器人获取实时拉索表面图像并通过远程主机进行执行深度学习算法实现拉索表面缺陷的实时检测与分类，其特征在于,具体步骤如下：

2.根据权利要求1所述的一种用于桥梁爬索机器人的深度学习缺陷检测方法，其特征在于：所述步骤(4)中改进型yolov3通过把网络模型中batch normalization层合并到卷积层来提高运行速度，并将cbam注意力机制增加到darknet53网络中来提高拉索表面缺陷识别的准确性。

3.根据权利要求1所述的一种用于桥梁爬索机器人的深度学习缺陷检测方法，其特征在于，所述步骤(4)中预先训练的权重文件是通过对深度学习模型预先训练获得的，模型训练的具体过程为：

技术总结
本发明提供一种用于桥梁爬索机器人的深度学习缺陷检测方法，包括步骤（1）：爬索机器人安装到桥梁拉索上，接收远程主机的运动控制命令；步骤（2）：桥梁检测机器人通过检测摄像机采集拉索表面的原始图像，通过无线图传发射器发送；步骤（3）：远程主机读取采集到的拉索表面图像；步骤（4）：远程主机设定改进型YOLOv3深度学习模型参数；步骤（5）：设置拉索表面图片像素，图像被送入Darknet53网络进行卷积运算与特征提取；步骤（6）：通过FPN网络进行不同尺度的特征融合；步骤（7）：根据拉索表面缺陷情况，设置缺陷识别类别；步骤（8）通过深度学习模型拉索表面缺陷预测图像；步骤（9）：远程主机输出并保存原始图像、预测图像、缺陷信息。

技术研发人员：李杰,董林杰,王兴松,陈家诺
受保护的技术使用者：南京乐道机器人科技有限公司
技术研发日：
技术公布日：2024/3/27