面向自主无人机巡检的基于学习的缺陷识别
机器人学
2023-02-14 v1 计算机视觉与模式识别
摘要
自动裂缝检测与分割在无人机巡检整体系统中起着重要作用。本文基于 Alexnet、VGG 和 Resnet 等经典网络架构实现了用于裂缝检测的深度学习框架。此外，受特征金字塔网络架构启发，还提出了一种在裂缝分割中高效的分层卷积神经网络（CNN）深度学习框架，并将其性能与其他最先进（state-of-the-art）网络架构进行比较。我们总结了现有的裂缝检测与分割数据集，并建立了互联网上最大的现有裂缝检测与分割基准数据集，已对研究社区开源。我们的特征金字塔裂缝分割网络在基准数据集上测试并给出了令人满意的分割结果。还提出了一个自动无人机巡检框架，并将构建用于各类混凝土结构的裂缝巡检任务。我们所有自建的数据集与代码均已开源：https://github.com/KangchengLiu/Crack-Detection-and-Segmentation-Dataset-for-UAV-Inspection
引用
@article{arxiv.2302.06093,
title = {Learning-Based Defect Recognitions for Autonomous UAV Inspections},
author = {Kangcheng Liu},
journal= {arXiv preprint arXiv:2302.06093},
year = {2023}
}
备注
ROBIO 2019 Oral