[发明专利]一种面向FAST缆索检测的缺陷与障碍识别系统

权利要求书

1.一种面向FAST缆索检测的缺陷与障碍识别系统，其特征在于：它的步骤如下：

步骤1：图像采集：

采用位于三段式机器人上搭载的高清晰的CCD图像传感器，所述三段式机器人沿缆索移动，所述图像传感器在移动的同时采集数据

所述摄像头最高像素可达1200万像素，支持最高60帧/秒视频传输，像素大小为5um×5um；

步骤2：机器人搭载处理平台：

选用Jetson Xavier NX，包括一个8核NVIDIA Carmel ARMv8.2 64位CPU，由8个流多处理器组成的512核Volta架构的GPU，支持并行计算语言CUDA 10，支持多精度计算，FP16计算能力为11TFLOPS，INT8为22TOPS；

步骤3：基于Shi-Tomasi的角点检测去模糊算法：

设计一种基于SHI-TOMASI算法的图像稳定预处理；SHI-TOMASI算法是一种基于角点的检测算法；角点是两条边缘的交点，它表示两条边方向改变的地方，所以角点在任意一个方向上做微小移动，都会引起该区域的梯度图的方向和幅值发生很大变化，根据此原理计算每帧视频的角点变化，判断视频是否发生了抖动；

步骤4：训练网络：

经过步骤3所产生的结果输入至基于YOLOX+ECA注意力机制+DILATED ENCODER模块的训练网络；对视频流进行缺陷检测，并将缺陷标记，输出检测结果；

步骤5：Deep SORT目标跟踪：

利用步骤4的结果初始化跟踪器，每个跟踪器都会设置一个计数器，在卡尔曼滤波之后计数器累加，当预测结果和检测结果成功匹配时，该计数器置为0；在一段时间内跟踪器没有匹配到合适的检测结果，则删除该跟踪器；Deep SORT为每一帧中新出现的检测结果分配跟踪器，当该跟踪器连续3帧的预测结果都能匹配检测结果，则确认是出现了新的轨迹，否则删除该跟踪器。

2.根据权利要求1所述一种基于YOLOX的改进目标识别方法，其特征在于，使用了ECA注意力机制，该模块只增加了少量的参数，却能获得明显的性能增益。ECA通过大小为k的快速1D卷积来实现SE-Net中FC操作，其中卷积核大小为k代表了局部跨信道交互的覆盖率。ECA有一种生成自适应卷积核的方法。卷积核大小可由通道维数的非线性映射自适应确定。

3.根据权利要求1所述一种基于YOLOX的改进目标识别方法，其特征在于，使用了Dilated-Encode模块，其核心结构就是串联4层具有不同膨胀系数的dilated-convolution，每一层的膨胀系数分别为2，4，6，8。注意，这当中还有一个残差连结，其目的就是将两种不同的感受野(输入的感受野，被处理后的感受野)结合起来。