基于多尺度小波变换和结构化森林的表面裂纹分割

为实现复杂背景下裂纹目标的有效检测,提出一种融合小波边缘检测与多尺度结构化森林的裂纹分割方法,以提高裂纹检测稳健性。该方法利用多幅裂纹图像和人工标注结果提取裂纹图像特征通道并离散化映射标准结果;利用三角滤波器和降采样方法获取常规和相关性候选特征;并将该特征与离散化后的标签进行结构化森林分类器的训练和验证,进而获得多个尺度的裂纹分割。在776幅结构体裂纹图像和600幅钢梁裂纹图像数据集上进行实验,结果表明,相比于单一多尺度结构化森林方法和其他几种分割方法,本文方法能够在较短的时间内获得最高的分割精度。     

融合结构重参数化变换的气体泄漏红外检测

针对常规工业气体泄漏检测装置需泄漏扩散到一定范围并与传感器接触时才能响应的不足,提出一种融合结构重参数化变换的红外非接触式检测网络模型GRNet。GRNet模型采用Mosaic-Gamma变换的预处理方法增加泄漏样本数量并提高图像对比度以增强模型的鲁棒性;通过K-means聚类分析出适用于气体泄漏红外检测的候选框以预置模型参数;优化定位损失函数以提高模型对泄漏区域的定位准确性;采用改进后的轻量化网络RepVGG模块重构特征提取网络增强模型的特征提取能力,以实现轻量化并提高检测精度。实验结果表明,GRNet模型对氨气泄漏的平均检测精度达到94.90%,单张图像平均检测时间达到3.40 ms。采用伪色彩映射实现泄漏浓度的视觉感知效果,采用PyQt5将GRNet模型进行封装实现气体泄漏红外检测系统界面的可视化并在Jetson Nano B01嵌入式实验平台部署该模型,验证了实际工程应用的可行性和有效性,为开发气体泄漏非接触探测装置以保障涉气企业的安全生产和稳定运行提供一种有效的检测算法。