基于无人机与计算机视觉的 FAST 反射面自动光学检测
计算机视觉与模式识别
2022-12-20 v1
摘要
五百米口径球面射电望远镜（FAST）是世界上最大的单口径射电望远镜。其巨大的反射面实现了前所未有的灵敏度，但也容易因自然坠落的物体而受损，例如产生凹痕和孔洞。因此，及时准确地检测表面缺陷对于 FAST 的稳定运行至关重要。传统的人工检查需要检查员攀爬并以目视方式检查巨大的表面，这是一个耗时且可能不可靠的过程。为了加速检查过程并提高其准确性，本工作通过将深度学习技术与无人机技术相结合，迈出了 FAST 检查自动化的第一步。首先，无人机沿着预定路线飞越表面。由于表面缺陷在尺度上变化很大，且类间相似度高，直接应用现有的深度检测器来检测无人机图像上的缺陷极易导致缺陷的遗漏和误识别。作为补救措施，我们引入了交叉融合，这是一种专为深度检测器设计的即插即用操作，它能够根据局部缺陷模式，以逐点选择的方式自适应地融合多层特征。因此，强语义和细粒度细节在不同位置动态融合，以支持对各种尺度和类型缺陷的精确检测。我们基于人工智能驱动的无人机自动化检查具有时间效率高、可靠性好和可达性好的优点，保障了 FAST 的长期稳定运行。
引用
@article{arxiv.2212.09039,
title = {Automated Optical Inspection of FAST's Reflector Surface using Drones and Computer Vision},
author = {Jianan Li and Shenwang Jiang and Liqiang Song and Peiran Peng and Feng Mu and Hui Li and Peng Jiang and Tingfa Xu},
journal= {arXiv preprint arXiv:2212.09039},
year = {2022}
}