基于深度神经网络的飞机机身缺陷检测
计算机视觉与模式识别
2020-09-29 v2
摘要
为确保飞机结构的飞行安全，有必要采用目视与无损检测（NDI）方法进行定期维护。本文提出一种基于图像的飞机缺陷自动检测，使用深度神经网络（DNNs）。据我们所知，这是首个使用DNNs进行飞机缺陷检测的工作。我们对最先进的特征描述子进行了全面评估，结果表明以vgg-f DNN作为特征提取器配合线性SVM分类器可获得最佳性能。为减少处理时间，我们提出应用SURF关键点检测器来定位缺陷块候选区域。实验结果表明，在笔记本电脑上处理一幅高分辨率（2000万像素）图像，可在约15秒时间内达到超过96%的准确率。
引用
@article{arxiv.1712.09213,
title = {Aircraft Fuselage Defect Detection using Deep Neural Networks},
author = {Touba Malekzadeh and Milad Abdollahzadeh and Hossein Nejati and Ngai-Man Cheung},
journal= {arXiv preprint arXiv:1712.09213},
year = {2020}
}
备注
5 pages