[发明专利]一种塔式起重机的锈蚀缺陷分割方法

权利要求书

1.一种塔式起重机的锈蚀缺陷分割方法,其特征在于，包括以下步骤:

步骤S1:采集塔式起重机锈蚀缺陷图像，并通过数据增强扩充，得到图像数据集；

步骤S2:对图像数据集进行预处理，得到预处理后的图像数据集；

步骤S3:基于YOLO V3，引入通道注意力机制SENet，改进残差模块，构建改进YOLO V3模型；

步骤S4:根据预处理后的图像数据集训练改进YOLO V3模型；

步骤S5:将待测图像输入到训练后的改进YOLO V3模型中检测，判断出塔式起重机是否存在锈蚀缺陷；

步骤S6:判断出塔式起重机存在锈蚀缺陷时，采用阈值分割方法，将锈蚀区域与图像中的其他区域分割出来；

所述通道注意力机制SENet包括压缩和激励，具体为：

首先进行压缩操作，对输入的特征图进行压缩，通过全局平均池化层，将特征图压缩成一维，得到各个通道的全局信息，如下式所示：

其中u_c表示特征图，大小为W×H×C，z_c表示c个长度的一维数组，为第c个通道对应的特征映射；

然后对全局特征进行激励操作，通过全连接层和ReLU函数、Sigmoid激励函数自适应地建立各个通道之间的关联，将各个通道的权重归一化；如下式所示：

s＝F_ex(z,W)＝σ(g(z,W))＝σ(W₂δ(W₁z))

其中σ表示Sigmoid激励函数，δ表示ReLU非线性函数，表示不同的全连接层，r为缩减因子；

最后将权重s加权到各个通道的特征上，如下式所示：

其中s_c表示第c个通道对应的归一化权重，表示激励后第c个通道对应的特征图；

所述阈值分割方法具体为:根据直方图分布设置两个阈值范围，然后根据灰级窗映射关系的处理，通过分段线性变换将锈蚀区域与图像中的其他区域分割出来，计算方法如下式所示：

其中，i＝1，2，…,m；j＝1，2，…,n；图像的大小为m×n，f_a、f_b分别为设置的两个阈值，f(i,j)表示输入的图像，g(i,j)表示处理后的图像。

2.根据权利要求1所述的一种塔式起重机的锈蚀缺陷分割方法,其特征在于，所述

步骤S1具体为：

步骤S11：采集不同的光照、亮度、角度的塔式起重机锈蚀缺陷图像，构成数据集；

步骤S12：通过数据增强扩充方法扩充数据集；

步骤S13:采用LabelMe对锈蚀目标进行标注，得到图像数据集。

3.根据权利要求1所述的一种塔式起重机的锈蚀缺陷分割方法,其特征在于，所述数据增强扩充方法包括增加亮度、减少亮度、镜像翻转和随机平移。

4.根据权利要求1所述的一种塔式起重机的锈蚀缺陷分割方法,其特征在于，所述预处理包括去噪处理、归一化处理和直方图均衡化。