基于多阶段深度学习的船舶表面缺陷检测与评估
计算机视觉与模式识别
2022-03-21 v1 人工智能
摘要
检测和评估表面涂层缺陷对船舶维护十分重要。目前，评估由合格检验员依据国际标准和自身经验手动进行。由于船舶类型、油漆表面、涂层、光照条件、天气条件、油漆颜色、船舶部位以及使用年限等方面存在高度差异，自动化这些过程极具挑战性。我们提出了一种基于深度学习的新流程，可从普通照片中检测和评估船舶表面腐蚀、污损和脱层的百分比。我们提出了一个多阶段图像处理框架，包括船体分段分割、缺陷分割和缺陷分类，以自动识别不同类型的缺陷并测量其在船体表面的覆盖百分比。实验结果表明，我们提出的流程能够客观地完成与合格检验员类似的评估。
引用
@article{arxiv.2203.09580,
title = {Surface Defect Detection and Evaluation for Marine Vessels using Multi-Stage Deep Learning},
author = {Li Yu and Kareem Metwaly and James Z. Wang and Vishal Monga},
journal= {arXiv preprint arXiv:2203.09580},
year = {2022}
}