欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021102280596
申请人: 郑州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于深度学习的机场道面病害异物检测方法,其特征在于,其步骤包括:S1:分别优化改进YOLOv3算法和Mask R‑CNN算法,搭建YOLOv3和Mask RCNN卷积神经网络并设置超参数进行训练;

S2:将训练好后的YOLOv3、Mask R‑CNN卷积神经网络分别部署在检测车辆图像识别系统和工作站服务器上;

S3:依据待检测区域环境部署检测车辆,并通过导航定位系统规划巡检路径,向检测车辆下发巡检任务;

S4:检测车辆依据规划路径进入待检测区域执行巡检任务;

S5:检测车辆通过图像采集系统采集机场道面图像并启用图像识别系统上的YOLOv3目标检测模型进行第一阶段检测,得到病害与异物的类型,并将原采集图像与第一阶段检测结果上传至工作站,所述YOLOv3目标检测模型采用K‑Means算法对机场道面病害和FOD样本进行聚类分析并在原有特征层基础上增加一个104×104尺度特征层;

S6:搭载在工作站上的Mask R‑CNN语义分割模型对采集图像进行第二阶段检测并提取分割后的语义信息,获得图像病害与FOD的详细信息,所述Mask R‑CNN语义分割模型的坐标损失函数采用DIoU坐标损失函数,并采用DIoU‑NMS算法对网络进行改进、优化;

S7:车载控制系统依据检测车辆任务完成情况判定后续工作;

S8:工作站将最终检测结果上传至用户终端系统。

2.根据权利要求1所述的一种基于深度学习的机场道面病害异物检测方法,其特征在于,步骤S5中,检测处理图像方法的步骤包括:S5.1:所述图像识别系统接收检测车辆采集的机场道面和异物图像;

S5.2:所述YOLOv3目标检测模型对步骤S5.1采集的图像进行第一阶段检测;

S5.3:将第一阶段检测结果上传至工作站。

3.根据权利要求1或2所述的一种基于深度学习的机场道面病害异物检测方法,其特征在于,步骤S6中,检测处理图像的方法步骤包括:S6.1:工作站接收检测车辆上传的原采集图像以及第一阶段检测结果;

S6.2:工作站上搭建的Mask R‑CNN语义分割模型对采集图像进行第二阶段检测;

S6.3:工作站对第二阶段检测结果进行评价,若平均准确度及误差损失值满足要求,则将最终检测结果上传至用户终端系统;若不满足要求,则通过后台控制系统调整并继续进行巡检任务。

4.一种基于深度学习的多阶段机场道面病害异物检测系统,其特征在于,包括:搭载在检测车辆上的图像采集系统、图像识别系统、信息传输系统和车载控制系统;所述图像采集系统、图像识别系统、信息传输系统依次通讯连接;所述图像采集系统用于采集机场道面图像;所述图像识别系统包括YOLOv3目标检测模型,用于第一阶段检测以得到病害与异物的类型;所述信息传输系统,用于上传第一阶段检测结果;所述车载控制系统与所述图像采集系统,用于检测车辆的运动控制、图像采集、初步检测、任务评估和结果传输;

搭载在工作站上的Mask R‑CNN语义分割模型,所述Mask R‑CNN语义分割模型用于对采集图像进行第二阶段检测并提取分割后的语义信息,获得图像病害与FOD的详细信息;

用户终端系统,所述工作站与所述用户终端通讯连接,所述工作站用于将最终检测结果上传至用户终端系统;

后台控制系统,用于规划检测车辆巡检任务以及实时监控检测车辆运行状况;

所述车载控制系统还包括:

导航定位系统,用于实现移动平台定位和检测车辆运动控制;

任务评估系统,用于判定巡航任务是否完成,决定检测车辆后续工作;

所述后台控制系统包括:

任务管理器,用于规划检测车辆巡检任务,划定作业区域、设定检测车辆速度以及检测时间;

远程控制管理系统,与检测车辆、工作站通信连接,用于实时监控检测车辆和所述系统运行状况,同时可管理工作站工作并发布任务指令。

5.根据权利要求4所述的一种基于深度学习的机场道面病害异物检测系统,其特征在于,所述检测车辆包括支撑平台、动力平台和移动平台,所述动力平台为移动平台提供动力源,所述支撑平台设置在所述移动平台上,所述车载控制系统设置在在支撑平台上,并与动力平台、移动平台、图像采集系统、图像识别系统和信息传输系统通信连接。

6.根据权利要求4或5所述的一种基于深度学习的机场道面病害异物检测系统,其特征在于,所述后台控制系统还包括手持式控制器,所述手持式控制器与检测车辆通信连接,用于远程实时控制检测车辆的运动。