一种面向FAST缆索检测的缺陷与障碍识别系统技术方案

本发明专利技术公开了一种面向FAST(天眼)缆索检测的缺陷与障碍识别系统，涉及FAST技术领域；它的步骤如下：步骤1：图像采集；步骤2：机器人搭载处理平台；步骤3：基于Shi

【技术实现步骤摘要】
一种面向FAST缆索检测的缺陷与障碍识别系统


[0001]本专利技术属于缺陷识别领域，具体涉及一种面向FAST缆索检测的缺陷与障碍识别方法。

技术介绍

[0002]五百米口径球面射电望远镜(FAST，“中国天眼”)是世界上最大的单口径射电望远镜，也是一个巨型的机器人。
[0003]FAST在基础研究方向具有非常重大的科学意义，它能够在巡视宇宙中的中性氢、观测脉冲星、探测星际分子、搜索星际通信信号等方面发挥重要的作用。FAST可以按照天文学家的要求，自主分解为不同的观测模式，自主规划运动轨迹，跟踪或扫描天体，源源不断地接收来自宇宙的辐射信号，供天文学家分析产生天文成果。基于FAST的观测，中国天文学家在脉冲星发现领域已达世界领先水平，FAST也被称为脉冲星观测研究利器。
[0004]FAST望远镜的6根支撑钢索在馈源舱端有280米索段长期在户外，它们架空距离长、高度高、坡度大，另外，相比于FAST望远镜的6根牵引缆索，缆索上的各种附件更为复杂：缆索上有大量尺寸各异的滑车和固定索夹，随缆悬挂的牵引钢丝绳、电缆和光缆等易损伤件检测难度更大。
[0005]这种多障碍、坡度大、待检物多样的检测任务，目前国内外未有研制的先例。而且钢缆上的缺陷不明显，目标较小，普通算法难以胜任，因此需要对现有算法进行改进。

技术实现思路

[0007]为解决
技术介绍
中的问题；本专利技术的目的在于提供一种面向FAST缆索检测的缺陷与障碍识别方法。
[0008]本专利技术提供一种基于YOLO
‑<br/>X检测网络改进的目标识别方法，利用注意力机制和Dilated
‑
Encoder来增强检测效果，以解决相关技术中目标检测精度低、小目标和遮挡目标检测的效果不好的问题，提高钢缆缺陷检测的精度，FAST缆索检测的缺陷与障碍识别方法，它的步骤如下：
[0008]步骤一：图像采集：采用高清晰的CCD图像传感器，该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；
[0009]步骤二：选取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；
[0010]步骤三：设计一种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。
[0011]步骤四：训练网络：将步骤3产生的结果输入特征提取网络；在网络的输入端，将输入的图片处理后先经过Fcos结构对图片进行每隔一个像素取出一个值。
[0012]进一步的，得到四个特征层，然后再进行concat。从而图片宽高的信息缩小，通道数增加。在原始信息丢失较少的情况下，减小了参数量(由于fcous替代了两层卷积与一层bottleneck)。
[0013]内部的主要特征提取利用残差结构，csplayer将feature map分为两部分，一部分进入残差块，与瓶颈结构，特征提取，另一部分与特征提取后的feature map进行concat操作从而进行信息融合。
[0014]进一步的，将得到的特征图送入通过ECA注意力模块，送进FPN结构，得到特征图，在经过Dilated
‑
Encoder送入预测模块，得到结果。
[0015]步骤五：Deep SORT目标跟踪：
[0016]利用检测器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；
[0017]进一步的，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。
[0018]与现有技术相比，本专利技术的有益效果为：
[0019]一、提高FAST的安全性和自动化维护水平，缩短用于进行FAST望远镜的维护时间。
[0020]二、同时能应用于例如人工无法到达的高危作业、人工维护效率极低的作业等，提高检测效率的同时确保人员的安全性。
附图说明
[0021]为了易于说明，本专利技术由下述的具体实施及附图作以详细描述。
[0022]图1为本专利技术的流程图；
[0023]图2为本专利技术中SHI
‑
TOMASI去模糊流程；
[0024]图3为本专利技术中注意力机制的示意图。
[0025]图4为本专利技术中Dilated
‑
Encode的示意图
[0026]图5为本专利技术中Deep
‑
Sort原理示意图
具体实施方式
[0027]为使本专利技术的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本专利技术。但是应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。
[0028]本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生
的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
能涵盖的范围内。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。
[0029]在此，还需要说明的是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。
[0030]如图1所示，本具体实施方式采用以下技术方案：包括如下步骤：
[0031]第一步：通过搭载的高清晰的CCD图像传感器，采集图像信息
[0032]第二步：使用去模糊算法对视频流进步处理：机器人沿缆索行进过程中，处于一种运动状态，不是匀速运动，而且需要攀爬上下坡，在检测过程中很可能出现上下抖动导致图像模糊的情况，拟设计一种基于SHI
‑
TOMASI算法的图像稳定预处理。
[0033]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本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：王尧，曹宇，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：