本申请公开了一种水下螺栓状态检测方法、装置、电子设备及存储介质，属于深度学习技术领域，该方法包括：获取水下螺栓图像；对水下螺栓图像进行预处理，得到目标图像；将目标图像输入至图像检测模型，以获取由图像检测模型输出的水下螺栓状态检测结果；其中，图像检测模型是由YOLOv10神经网络模型为基础构建的。本申请通过YOLOv10神经网络模型来构建图像检测模型，通过对水下螺栓图像进行预处理来提高图像质量，结合YOLO模型的高效推理能力，可以实现对水下螺栓健康状态的准确检测，为水下工程的安全稳定性提供有力支持。
【技术实现步骤摘要】
本申请涉及深度学习，尤其涉及一种水下螺栓状态检测方法、装置、电子设备及存储介质。
技术介绍
1、当前，随着螺栓紧固件在水下环境中的广泛利用，特别是在诸如输油管道的法兰连接、海上风电设备基础的安装以及海底电缆的固定等关键领域，因此，水下螺栓的健康状态愈发受到重视。
2、相关技术中，通常利用机器视觉来检测水下螺栓。但是，在实际应用中发现，由于水下环境的特殊性会导致图像模糊，且当前的检测模型存在检测速度慢，消耗资源大，训练复杂等难题。
3、综上，相关技术中存在的技术问题有待得到改善。
技术实现思路
1、本申请实施例提供了一种水下螺栓状态检测方法、装置、电子设备及存储介质，可以实现对水下螺栓健康状态的准确检测，为水下工程的安全稳定性提供有力支持。
2、一方面，本申请实施例提供了一种水下螺栓状态检测方法，包括以下步骤：
3、获取水下螺栓图像；
4、对所述水下螺栓图像进行预处理，得到目标图像；
5、将所述目标图像输入至图像检测模型，以获取由所述图像检测模型输出的水下螺栓状态检测结果；
6、其中，所述图像检测模型是由yolov10神经网络模型为基础构建的。
7、可选地，所述对所述水下螺栓图像进行预处理，得到目标图像，包括：
8、对所述水下螺栓图像进行图像处理，得到第一图像；所述图像处理包括旋转、翻转、缩放以及颜色校正；
9、对所述第一图像进行图像修复，得到第二图像；
>10、对所述第二图像进行图像增强，得到所述目标图像。11、可选地，所述对所述第一图像进行图像修复，得到第二图像，包括：
12、利用双边滤波算法，对所述第一图像进行图像对抗性训练，得到所述第二图像。
13、可选地，所述对所述第二图像进行图像增强，得到所述目标图像，包括：
14、通过超分辨率模型，构建生成对抗网络；
15、根据所述生成对抗网络，对所述第二图像进行图像增强，得到所述目标图像。
16、可选地，所述图像检测模型是基于以下步骤训练得到的：
17、获取多个目标图像，并获取多个所述目标图像对应的水下螺栓状态检测结果；
18、将各个所述目标图像作为样本，将各个所述目标图像对应的水下螺栓状态检测结果作为所述样本对应的样本标签，构建训练数据集；
19、利用所述训练数据集对所述图像检测模型进行预训练。
20、可选地，所述图像检测模型中设置有注意力特征融合模块。
21、可选地，所述水下螺栓状态检测结果包括水下螺栓状态正常以及水下螺栓状态异常；
22、在所述将所述目标图像输入至图像检测模型，以获取由所述图像检测模型输出的水下螺栓状态检测结果之后，所述方法还包括：
23、当所述水下螺栓状态检测结果为水下螺栓状态正常时，在第一预设时间间隔后，返回至获取下一水下螺栓图像的步骤，直至确定所述下一水下螺栓图像的水下螺栓状态检测结果；
24、当所述水下螺栓状态检测结果为水下螺栓状态异常时，高亮标记所述水下螺栓状态检测结果为水下螺栓状态异常的水下螺栓图像。
25、另一方面，本申请实施例提供了一种水下螺栓状态检测装置，装置包括：
26、图像获取模块，用于获取水下螺栓图像；
27、图像处理模块，用于对所述水下螺栓图像进行预处理，得到目标图像；
28、状态检测模块，用于将所述目标图像输入至图像检测模型，以获取由所述图像检测模型输出的水下螺栓状态检测结果；
29、其中，所述图像检测模型是由yolov10神经网络模型为基础构建的。
30、另一方面，本申请实施例提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述水下螺栓状态检测方法。
31、另一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述水下螺栓状态检测方法。
32、本申请实施例通过yolov10神经网络模型来构建图像检测模型，通过对水下螺栓图像进行预处理来提高图像质量，结合yolo模型的高效推理能力，可以实现对水下螺栓健康状态的准确检测，为水下工程的安全稳定性提供有力支持。
本文档来自技高网...
【技术保护点】
1.一种水下螺栓状态检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的水下螺栓状态检测方法，其特征在于，所述对所述水下螺栓图像进行预处理，得到目标图像，包括：
3.根据权利要求2所述的水下螺栓状态检测方法，其特征在于，所述对所述第一图像进行图像修复，得到第二图像，包括：
4.根据权利要求2所述的水下螺栓状态检测方法，其特征在于，所述对所述第二图像进行图像增强，得到所述目标图像，包括：
5.根据权利要求1所述的水下螺栓状态检测方法，其特征在于，所述图像检测模型是基于以下步骤训练得到的：
6.根据权利要求1所述的水下螺栓状态检测方法，其特征在于，所述图像检测模型中设置有注意力特征融合模块。
7.根据权利要求1所述的水下螺栓状态检测方法，其特征在于，所述水下螺栓状态检测结果包括水下螺栓状态正常以及水下螺栓状态异常；
8.一种水下螺栓状态检测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的水下螺栓状态检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的水下螺栓状态检测方法。
...
【技术特征摘要】
1.一种水下螺栓状态检测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的水下螺栓状态检测方法，其特征在于，所述对所述水下螺栓图像进行预处理，得到目标图像，包括：
3.根据权利要求2所述的水下螺栓状态检测方法，其特征在于，所述对所述第一图像进行图像修复，得到第二图像，包括：
4.根据权利要求2所述的水下螺栓状态检测方法，其特征在于，所述对所述第二图像进行图像增强，得到所述目标图像，包括：
5.根据权利要求1所述的水下螺栓状态检测方法，其特征在于，所述图像检测模型是基于以下步骤训练得到的：
6.根据权利要求1所述的水下螺栓状态检测方法，其特征...
【专利技术属性】
技术研发人员：刘爱荣，梁家乔，周乐琳，陈海亮，李皓楠，林海，孙一航，陈炳聪，蓝涛，李赋健，
申请(专利权)人：广州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。