[发明专利]一种基于图像的微特征检测算法

说明书

本发明公开了一种基于图像的微特征检测算法，具体涉及检测算法技术领域，其技术方案是：S1，输入为一张图片，经过由深度可分离式卷积组成的特征提取网络后得到三层特征金字塔，每一层特征图分别再通过一层卷积层后得到输入图片的预测结果，即每一张图片位置框的偏移量，类别结果和置信度；S2，通过位置偏移量可以得到每一格预测框的实际位置；通过逻辑回归获得类别信息；S3，置信度是预测框中存在对象的概率和真实框与预测框的交并比之积，本发明的有益效果是：无论是远距离观测的裂缝、铆钉处的细小裂缝，还是在光线昏暗并且背景较为杂乱的飞机发动机内部叶片的小裂缝，YOLOv3‑Lite都可以检测到。

技术领域

本发明涉及检测算法领域，具体涉及一种基于图像的微特征检测算法。

背景技术

飞机故障如果得不到及时排除会对飞行安全造成严重隐患，因此需要航空公司对飞机结构损伤及时排查和维护，目前民航全行业的未来发展前景广阔，我国机场数量和飞机数量持续增加，越来越多的群体因为飞机的便捷性而选择其作为出行工具，但是每年也会出现飞机安全事故，而大部分的原因在于飞机自身的故障，随着飞机服役年限增加，材料的机械力学性能会发生衰变，容易产生裂缝损伤，尤其对于老龄飞机，因为服役时间长，产生这些损伤的可能性会更大，所以为保障飞机飞行安全，航空公司每天会对一架飞机平均进行3次及以上的维修工作，其中包括航前、航后以及1次以上的过站检查。

现有技术存在以下不足：现有的对飞机损伤检测的方法主要有目视检测和无损检测，其中无损检测技术有超声检测，射线检测，渗透检测等技术，此外还有红外，微波，声振和工业CT等检测手段，均发挥着重要作用，以红外检测技术为例，该方法采用辐射原理，扫描飞机表面由于缺陷造成的温度变化，根据该变化获得损伤信息，虽然无损检测技术已经成熟，但其仍然存在问题，例如专业技术人员培训体制不完善，无损检测设备的采购和使用存在滞后问题等等，与无损检测相比，目视检测更加便捷易操作，它是机务维修中主要的检测方式，据统计，在客机与货机的机务维修中目视检测分别占90％和80％，目视检测是对飞机各结构检查和维护最常用的方式之一，机务人员在飞机飞行间隔期间对其进行全方位检测，但是飞机数量增长速度较快，机务人员培养速度较难与之匹配。

因此，发明一种基于图像的微特征检测算法很有必要。

发明内容

为此，本发明提供一种基于图像的微特征检测算法，通过将每一层特征图分别经过一层卷积层后得到输入图片的位置框的偏移量，类别结果和置信度，然后再通过位置偏移量可以得到每一格预测框的实际位置，并且再通过逻辑回归获得类别信息，然后再根据公式预测框中存在裂缝损伤的概率，最终通过非极大值抑制的方法，得到最终的网络预测结果，以解决损伤检测的方法主要有目视检测和无损检测的问题。

为了实现上述目的，本发明提供如下技术方案：一种基于图像的微特征检测算法，包括如下步骤：

S1，输入为一张图片，经过由深度可分离式卷积组成的特征提取网络后得到三层特征金字塔，每一层特征图分别再通过一层卷积层后得到输入图片的预测结果，即每一张图片位置框的偏移量，类别结果和置信度；

S2，通过位置偏移量可以得到每一格预测框的实际位置；通过逻辑回归获得类别信息；

S3，置信度是预测框中存在对象的概率和真实框与预测框的交并比之积：

S4，其中P_r(Object)是预测框中存在裂缝损伤的概率，是预测框与裂缝损伤标签框的IoU，最终通过非极大值抑制的方法，得到最终的网络预测结果；

S5，YOLOv3-Lite的特征提取部分由深度可分离式卷积设计完成，YOLOv3-Lite的特征提取结构共有52个深度可分离卷积层；