| 适用于铁路桥梁钢结构无人机图像缺陷检测的自适应裁剪浅层注意力网络（英文） |
| |
| 引用本文： | 牟宗涵,秦勇,于重重,吴云鹏,王志鹏,杨怀志,黄永辉.适用于铁路桥梁钢结构无人机图像缺陷检测的自适应裁剪浅层注意力网络（英文）[J].浙江大学学报(A卷英文版),2023(3):243-257. |
| |
| 作者姓名： | 牟宗涵 秦勇 于重重 吴云鹏 王志鹏 杨怀志 黄永辉 |
| |
| 作者单位： | 1. 北京交通大学轨道交通控制与安全国家重点实验室;2. 北京交通大学交通运输学院;3. 北京工商大学人工智能学院;4. 石家庄铁道大学安全工程与应急管理学院;5. 京沪高速铁路股份有限公司 |
| |
| 基金项目： | supported by the National Natural Science Foundation of China (No. 61833002)； |
| |
| 摘 要： | 目的：桥梁钢结构以及钢结构上的高强度螺栓长期受风雨侵蚀，常常会有锈蚀或缺失的情况发生，而人工巡检的效率低、危险性大且视觉盲区多。本文期望通过无人机拍摄，对铁路桥梁钢结构图像所包含的检测目标（螺母正常、螺栓正常、螺栓缺失、螺母缺失、钢表面锈蚀和钢栏杆锈蚀）进行识别和检测，以提高铁路桥梁巡检工作的精度和效率。创新点：1.提出了一种自适应图像裁剪方法，可根据图像的具体情况，自适应的调整图像的分割尺寸以及裁剪重叠区域面积，可以消除无人机拍摄距离以及焦距不固定带来的负面影响，并且提高小目标的检测效果；2.基于铁路桥梁钢结构待检测对象的特征，提出了浅层注意力网络，使模型能够更加关注待检测对象的浅层特征，从而使锈蚀区域更易于检测；3.将坐标注意力（CA）机制模块集成到浅层注意力网络模型当中，帮助网络在大范围的无人机拍摄场景下找到缺陷区域；4.将阿尔法并交比（α-IOU）损失函数集成到浅层注意力网络模型当中，提高针对铁路桥梁钢结构小数据集的训练和测试精度。方法：1.提出自适应图像裁剪策略，对无人机大尺寸图像进行处理，得到更易于网络检测出缺陷目标的小图像；2.通过对YOLO网络进行改进，得到更关注浅层特...
|
| 关 键 词： | 铁路 桥梁 无人机图像 小目标检测 缺陷检测 |
|
