NPU-BOLT：自然场景图像中螺栓目标检测数据集
计算机视觉与模式识别
2022-05-26 v2 人工智能
摘要
螺栓连接在工程结构中非常常见且重要。由于极端的服役环境和载荷因素，螺栓经常松动甚至脱落。实时或及时检测松动或脱落的螺栓是实际工程中的迫切需求，对保持结构安全和使用寿命至关重要。近年来，许多利用深度学习和机器学习技术的螺栓松动检测方法被提出并受到越来越多关注。然而，这些研究大多使用实验室中捕获的螺栓图像进行深度学习模型训练。图像在光照、距离和视角条件受控良好的情况下获取。此外，螺栓结构为设计良好的实验结构，使用全新螺栓且附近无任何遮挡。值得注意的是，在实际工程中，上述受控实验室条件不易实现，真实螺栓图像常存在边缘模糊、倾斜视角、部分遮挡和颜色难以区分等情况，导致在实验室条件下训练的模型精度下降或失效。因此，本研究旨在开发一个名为NPU-BOLT的数据集，用于自然场景图像中的螺栓目标检测，并开放给研究者公开使用和进一步发展。在数据集的第一版中，包含337个主要为自然环境中的螺栓连接图像样本，图像尺寸从400*400到6000*4000不等，共计约1275个螺栓目标。螺栓目标被标注为四类：模糊螺栓、螺栓头、螺栓螺母和螺栓侧面。该数据集使用先进的目标检测模型包括yolov5、Faster-RCNN和CenterNet进行了测试。数据集的有效性得到验证。
引用
@article{arxiv.2205.11191,
title = {NPU-BOLT: A Dataset for Bolt Object Detection in Natural Scene Images},
author = {Yadian Zhao and Zhenglin Yang and Chao Xu},
journal= {arXiv preprint arXiv:2205.11191},
year = {2022}
}