[发明专利]一种基于人工智能图像技术的耐张线夹缺陷检测方法

权利要求书

1.一种基于人工智能图像技术的耐张线夹缺陷检测方法，其特征在于，包含如下步骤：

步骤一、收集含有耐张线夹的无人机巡检图片，手工标注所述样本图片中耐张线夹主体部分，压接区域和钢锚环区域的位置坐标；

步骤二、采用YOLOv5卷积神经网络训练耐张线夹主体部分，压接区域和钢锚环区域检测模型；

步骤三、根据压接区域的中心坐标和刚锚环区域的中心坐标，将耐张线夹主体旋转到水平位置，并裁切出耐张线夹主体部分进行后续分析；

步骤四、对旋转裁切后的耐张线夹主体进行精细标注，标注出压接区域和钢锚环区域的精确位置坐标；

步骤五、采用CascadeRCNN卷积神经网络训练压接区域和钢锚环区域精确检测模型；

步骤六、通过比较L1,L2和D的关系，确认耐张线夹是否存在缺陷以及缺陷等级；其中D为铝管直径,L1为钢锚环到压接区域前端距离,L2为钢锚环到压接区域后端距离。

2.根据权利要求1所述的基于人工智能图像技术的耐张线夹缺陷检测方法，其特征在于：利用深度神经网络检测耐张线夹主体及各个部件。

3.根据权利要求1所述的基于人工智能图像技术的耐张线夹缺陷检测方法，其特征在于：利用深度神经网络检测耐张线夹主体的位置信息，从完整图像中裁切出耐张线夹主体部分，作为检测部件的输入图像。

4.根据权利要求1所述的基于人工智能图像技术的耐张线夹缺陷检测方法，其特征在于：依据部件之间的角度关系对耐张线夹主体进行旋转。

5.根据权利要求1所述的基于人工智能图像技术的耐张线夹缺陷检测方法，其特征在于：根据耐张线夹缺陷判定表，对比L1,L2和D的关系，确认隐患等级。