[发明专利]碳纤维复合芯导线损伤检测方法、装置及计算机存储介质

权利要求书

1.碳纤维复合芯导线损伤检测方法，其特征在于：包括以下步骤：

S1：采用X射线成像的方式对碳纤维复合芯导线进行图像采集，获得碳纤维复合芯导线图像；

S2：根据步骤S1采集得到的碳纤维复合芯导线图像整体的特征分布，对所述碳纤维复合芯导线图像进行制作，得到训练样本和检测样本；

S3：根据步骤S2得到的训练样本的样本特征确定Faster R-CNN网络的输入、输出、卷积层、候选区域网络和区域卷积层；

S4：使用步骤S2得到的训练样本训练步骤S3得到的Faster R-CNN网络，确定训练效果最优的Faster R-CNN网络作为损伤检测模型；

S5：使用步骤S4得到的损伤检测模型对经过预处理标准化后的检测样本进行检测，标记出碳纤维复合芯导线图像中的损伤位置。

2.根据权利要求1所述的碳纤维复合芯导线损伤检测方法，其特征在于：所述步骤S3中，Faster R-CNN网络的输出通过以下过程确定：根据碳纤维复合芯导线图像的形貌，将无损伤、折断、锯断、空隙、裂缝分别进行分类，并将分类结果和定位位置作为Faster R-CNN网络的输出。

3.根据权利要求1所述的碳纤维复合芯导线损伤检测方法，其特征在于：所述步骤S4中，使用步骤S2得到的训练样本训练步骤S3得到的Faster R-CNN网络的过程中，采用如式(1)所示的损失函数L({p_i},{t_i})进行训练：

式(1)中，L_cls(p_i,p_i^*)为分类损失，如式(2)所示；L_reg(t_i,t_i^*)为回归损失，如式(4)所示；p_i表示预测的损伤位置框中Faster R-CNN网络输出的预测的第i个训练样本的分类概率，p_i^*表示第i个训练样本的真实标签类别，t_i表示预测的第i个损伤位置框的位置，t_i^*表示实际的第i个损伤位置框的位置，N_cls表示预测分类总数，N_reg表示预测的损伤位置框总数，λ表示系数；

式(2)中，T表示训练样本输入Faster R-CNN网络后的概率输出的类别总数；y_i如式(4)表示；S_j如式(3)所示；

式(3)中，α_k为训练样本输入Faster R-CNN网络后，Faster R-CNN网络输出的判定为k类别的概率；α_j表示训练样本输入Faster R-CNN网络后，Faster R-CNN网络输出的判定为j类别的概率；

L_reg(t_i,t_i^*)＝R(t_i-t_i^*) (5)

式(5)中，R(t_i-t_i^*)如式(6)所示；式(6)中，σ取值为3。

4.根据权利要求3所述的碳纤维复合芯导线损伤检测方法，其特征在于：所述步骤S4中，训练过程中，Faster R-CNN网络根据损失函数的数值，根据反向传播算法和亚当优化算法逐层计算更新量，更新Faster R-CNN网络的权值和偏置。