小镇的夕阳|智能检测坝面缺陷( 二 )
2 图像预处理2.1 数据增广处理
鉴于坝面所固有的不易达、不易检的特点,每次对数据进行采集均需要无人飞行器等智能设备的配合,相对比较繁琐,并且所采集的可用来做训 练的有效缺陷数据也相对较少 。 因此,采用数据增广的方式对采集到的数据进行处理,以此来丰富数据集,也使后续的深度学习更加有效地提取图像 特征,防止模型过拟合,增加分类的准确性 。 该缺陷检测方法主要采用了随机旋转、随机颜色变换、随机裁剪等方式对原始数据进行处理 。
2.1.1 随机翻转
在图像的形状、位置、角度的变化主要是通过仿射变换来完成的,仿射变换主要是对图像的缩放、旋转、剪切、翻转和平移的组合 。 仿射变换 的矩阵M是一个2×3的矩阵,其中左边的2×2子矩阵A是线性变换矩阵,右边的2×1子矩阵B是平移变换矩阵,即
图2 图像翻转结果
图3 图像亮度调整结果
因此,对于图像上任意位置(x,y),仿射变换为
经过翻转过后的裂缝缺陷如图2所示 。
2.1.2 随机颜色和明暗
图像的随机颜色和明暗变换主要是通过在HSV颜色空间的每个通道分别添加一个微小的扰动 。 其中对于色调通道,从-γ到γ之间按均匀采样,获 取一个随机数ε作为扰动值,可以得出新的像素值 为原始像素值x加扰动值ε;而对于饱和度和明度通道,新的像素值 为原始像素值x的(1+ε)倍,以此来实现预期的效果 。 经过明暗变化调整过后的裂缝缺陷如图3所示 。
2.1.3 随机裁剪
根据原始数据得到宽高比w/h,设定一个从-δ到δ的扰动范围,并从中获取一个随机数α作为裁剪后画面的宽高比扰动的比例,经过裁剪过后的四种 缺陷如图4所示 。 因此,裁剪后画面的宽高分别为
图4 缺陷图像裁剪结果
式中,w 、h 分别为裁剪后图像的宽高;β为裁剪后的图占原图的比例 。
图5 图像预处理结果
2.2 边缘检测与频域特征
2.2.1 Canny和Sobel边缘检测
为了能够帮助后续神经网络更加高效地提取出图像中的特征,减小复杂背景环境带来的影响,检测方法一方面需要用一种非常精确的方式检测到 边缘,另一方面也需要保证边缘信息的完整性 。 因此,采用了Canny算子 和Sobel算子 相结合的方式来完成对图像中边缘信息的提取 。
采用将两种边缘检测算法的输出相乘的方式,不但能够非常精确地检测边缘,还能够保留边缘的幅度不变,有效地保证了边缘检测的效率和准确 性,裂缝缺陷边缘检测效果如图5(b)所示 。 假设Canny和Sobel边缘检测算法的输出分别为C 和S ,那么对应于图像I的边缘为
推荐阅读
- 小红猪带你看科技|七夕节送女朋友必备左点小艾智能艾灸器X8，3天众筹500万
- 车驰夜幕|详解智慧城市全新方程，开启城市智能非凡时代
- 36氪利用无人驾驶技术切入水域智慧环卫与维护，“欧卡智能”获千万元级融资
- 沈力遗体告别式在八宝山举行 《夕阳红》栏目同事纷纷到场送别
- 不得投递智能快递柜 两部门严格要求高校录取通知书寄送
- 热源智能商务 “找万物”引爆直播找好物新模式！，突围传统家博会
- 数字展示在线|更高追求更显专业——明基智能投影E592新品上市
- 北京日报客户端|互动动感单车、智能健身仓……西二环边新增运动休闲好去处
- 燕赵都市报|安享夕阳红，脱下军装绿
- 王小琉 你的私人健康助理，F25体温智能手表评测：实时监测