基于 Detectron2 框架的合成纤维绳缺陷检测
计算机视觉与模式识别
2024-07-01 v2
摘要
采用最新技术的纤维绳因其轻质与高抗拉强度，已成为海上工业中钢绳颇具吸引力的替代方案。同时，对这些绳索的频繁检测对于确保整个系统的正常运行与安全至关重要。深度学习 (DL) 模型在状态监测 (CM) 应用中的发展为合成纤维绳 (SFRs) 的缺陷检测提供了更简单且更有效的方法。本文研究了最先进的缺陷检测与实例分割库 Detectron2 的性能。采用带有 Mask R-CNN 架构的 Detectron2 对 SFRs 中的缺陷进行分割。基于实验获取的包含 1,803 张高维图像的数据集（涵盖 SFRs 的七类损伤：分别为 placking high、placking medium、placking low、compression、core out、chafing 和 normal），训练并测试了具有多种骨干网络配置的 Mask R-CNN。通过利用 Detectron2 的能力，本研究旨在开发一种自动化且高效的 SFRs 缺陷检测方法，改进检测流程并确保纤维绳的安全。
引用
@article{arxiv.2309.01469,
title = {Defect Detection in Synthetic Fibre Ropes using Detectron2 Framework},
author = {Anju Rani and Daniel O. Arroyo and Petar Durdevic},
journal= {arXiv preprint arXiv:2309.01469},
year = {2024}
}
备注
12 pages, 8 figures, 4 tables